Als het aan voormalig arts dr. Joost Huiskens ligt, gaan ziekenhuizen in 2022 inzien dat investeren in nog meer AI-modellen alleen maar extra complexiteit met zich meebrengt. Er is nu aandacht nodig voor het neerzetten van een structuur waarin je analytics kunt toepassen in het klinisch proces. “Want er is al heel veel, maar het wordt nog maar mondjesmaat gebruikt.”
De afgelopen jaren berichtte ICT/Zorg geregeld over mooie Artificial Intelligence (AI) use cases. Geheel in lijn met het aantal wetenschappelijke publicaties over het gebruik van statistische voorspellende modellen, want ook dat is exponentieel toegenomen. “Maar,” zegt Joost Huiskens, “de toepassing van algoritmen en statistische modellen is niet volwassener geworden.”
Toepassen van analytics
Hij kan het weten, want naast zijn rol als healthcare expert bij analytics marktleider SAS begeleidt hij ook promovendi die onderzoek doen naar een betere inzet van data en statistiek in de klinische zorg. Een van deze promovendi richtte zijn onderzoek op de toepassing van nieuwe wetenschappelijke inzichten in de praktijk op de intensive care. “Dat blijkt dus gewoon tegen te vallen.” Dit is een van de redenen dat Huiskens nauw samenwerkt met vier professoren die zich richten op het toepassen van analytics in de klinische zorg. “Het is onze missie om analytics tot aan het bed te brengen.” Want daar schort het aan en dat is ook precies de reden waarom hij besloot niet langer als arts te werken, maar bij een analytics-bedrijf te gaan werken om zich fulltime hierop te kunnen richten. “Als ik hier succesvol in ben, dan kan ik misschien meer impact hebben dan als praktiserend arts”, zegt hij.
Structuur
Uit de vele gesprekken die hij voerde in zijn dagelijks werk concludeert hij dat artsen het toepassen van AI en andere statistische modellen in hun werk nog teveel zien als een uitdaging. Je moet nu eenmaal veel dingen regelen: datakwaliteit, ethiek, governance, de uitlegbaarheid van een algoritme.
Huiskens: “Ja, daar moet je over nadenken, maar dat zou niet iedere arts individueel moeten doen. Het ziekenhuis zou een structuur moeten optuigen waarin je dit soort zaken centraal regelt. Maak beleid waarin je helder beschrijft wat je visie is, waar je naartoe wilt en hoe je de zojuist genoemde onderwerpen centraal organiseert, zodat je niet iedere keer opnieuw het wiel uitvindt.” Veel ziekenhuizen zijn hier op dit moment druk mee bezig.
Drie perspectieven
Huiskens vertelt dat er drie perspectieven zijn voor zo’n centrale afdeling:
1. Data science: het ontwikkelen van algoritmes. Op dit vlak gebeurt er wereldwijd heel veel. Het is belangrijk dat daarin alle epidemiologische stappen goed worden genomen. Want een model dat is ontwikkeld in een academisch ziekenhuis en zijn meerwaarde heeft bewezen bij complexe patiënten, hoeft niet altijd van meerwaarde te zijn in een regionaal ziekenhuis met een andere patiëntenpopulatie. Tevens worden er ook richtlijnen gepubliceerd die helpen de kwaliteit te borgen.
2. Klinische toepasbaarheid en validatie: hoe zorg ik ervoor dat het algoritme in de klinische praktijk makkelijk gebruikt kan worden? Denk bijvoorbeeld aan integratie in workflows. En hoe toon ik aan dat gebruik van het algoritme bij een bepaalde patiënt(groep) toegevoegde waarde heeft? Het is belangrijk dat de totale data & analytics-oplossing wetenschappelijk wordt getoetst, zodat de toegevoegde waarde en het veilige gebruik ervan worden aangetoond.
3. Technologie: hoe kan technologie het proces van ontwikkeling naar toepassing faciliteren? Hoe kan de IT-afdeling dit centraal in het ziekenhuis beheren? Als het niet werkt, wie kun je dan bellen? Als de Inspectie het gebruik wil controleren, bij wie moeten ze dan zijn? Naarmate je analytics richting toepassing brengt, gaat IT een steeds belangrijkere rol spelen.
Innovatiehub
Huiskens constateert dat er op het gebied van data science genoeg gebeurt. Er worden richtlijnen gepubliceerd die helpen de kwaliteit te borgen. Op de twee andere terreinen is echter nog veel werk aan de winkel. “Het is niet zo ingewikkeld om met een pilot te laten zien dat een algoritme werkt en mogelijk toegevoegde waarde heeft. Het is wél moeilijk om honderd algoritmen te valideren voor verschillende patiëntgroepen in het ziekenhuis en daar data governance en modelorkestratie voor op te zetten. Je hebt een centrale data & analytics-afdeling nodig die dit samenbrengt, anders krijg je AI nooit tot aan het bed.”
Zo’n centrale afdeling of innovatiehub kan ook de afstand tussen IT en de medische werkvloer verkleinen, denkt Huiskens. “In mijn ogen is zo’n afdeling een plek waar IT’ers, data scientists en artsen regelmatig samenkomen. Alleen vanuit die driehoek kun je analytics en in het bijzonder AI namelijk verder brengen. Zet samen een structuur op om het schaalbaar te maken. Het is pas succesvol als de chirurg, de internist en de IC-arts allemaal met data & analytics hun zorg nog beter kunnen leveren. Je hebt heldere afspraken nodig wat je centraal belegt en wat decentraal. Het huidige model, waarbij een arts naar IT gaat en zegt ‘ik heb dit en dit nodig, kun je dat regelen?’, staat opschaling in de weg. Daarbij is het heel lastig om zonder actieve domeinkennis analytics-oplossingen te ontwikkelen”
Gewoon van start gaan
Een gelijkwaardige samenwerkingsrelatie tussen de drie specialismen in dit proces is essentieel. Ze moeten alle drie op gelijkwaardige basis hun kennis inbrengen bij iedere stap richting klinische implementatie. De enige manier om tot een goed samenwerkingsrecept te komen, is door gewoon van start te gaan, meent Huiskens. “Je kunt er maanden over praten, maar mijn advies is: benoem een afgebakend domein en begin gewoon eens met een paar algoritmen. Doe ervaring op. Wees open naar elkaar en leer van elkaar. Als je in één domein succes hebt geboekt, kijk je hoe je het kunt vertalen naar andere vakgebieden of afdelingen. Wat bij oncologie goed werkt, hoeft niet ook zo te werken bij cardiologie.”
Lees ook:
- De ICT-trends en ontwikkelingen van 2022
- Daniel Jolink: Hoelang kan een ziekenhuis zonder haar ICT?
