Nieuwscentrum

jul 25, 2018

De computer als bondgenoot in de zorg

Gemiddelde leestijd: 6-8 minuten

Alhoewel de zorgkosten minder hard groeiden dan de economie behoort Nederland nog steeds wereldwijd tot de top-10 van landen die het meeste geld uitgeven aan de zorg. Eind mei becijferde het CBS dat de zorgkosten in 2017 met 2,1% zijn gestegen. Terwijl het UWV in maart liet weten dat er in 2018 120 tot 130 duizend vacatures ontstaan bij zorgorganisaties. 

 

We staan dus voor grote uitdagingen om de gezondheidszorg betaalbaar én toegankelijk te houden. Artificial Intelligence (AI) wordt instrumenteel voor het verbeteren van de kwaliteit van de gezondheidszorg en het beteugelen van de kosten ervan, zodat we de zorg toegankelijk houden voor eenieder. Hieronder vertel ik u waarom. 

Het ontstaan van Artificial Intelligence: schaakcomputer Deep Blue

Maar eerst een klein stapje terug. Alhoewel de term AI al in 1955 werd geïntroduceerd door wetenschapper John McCarthy verwierf de term pas in 1997 bekendheid bij het grote publiek. Op 11 mei van dat jaar versloeg ‘Deep Blue’, de schaakcomputer van IBM, wereldkampioen schaken, Garry Kasparov. 

 

Deep Blue was echter maar voor een specifieke taak geprogrammeerd: schaken. In de afgelopen 20 jaar zijn er grote stappen gezet in de doorontwikkeling van AI. Binnen AI onderscheiden we twee methodes: ‘Machine Learning’ en ‘Deep Learning’. 

Machine Learning is een methode waarbij systemen de mogelijkheid hebben om automatisch te leren en de opgedane ervaring te verbeteren zonder dat zij hiervoor uitdrukkelijk zijn geprogrammeerd. Het systeem wordt gevoed met grote datasets. En kan deze kennis toepassen op nieuwe situaties. 

 

Een voorbeeld: stel u voedt het systeem met een grote hoeveelheid medische beelden die al dan niet symptomen vertonen van een ziekte. Het systeem kan dan leren de beelden te herkennen die naar de ziekte wijzen. De nauwkeurigheid van het systeem verbetert in de tijd als het wordt blootgesteld aan meer gegevens.

 

Deep Learning is een specifieke Machine Learning aanpak die losjes gemodelleerd is op de neurale structuur van het menselijk brein. Net als een neuraal netwerk gebruikt het verschillende abstractieniveaus om over de wereld te leren - vandaar de term 'diep' leren. Diepe leeralgoritmen zijn geschikt voor taken als spraak-, tekst- en beeldinterpretatie, en in het bijzonder (visuele) patroonherkenning.

Bij Philips richten we ons op het combineren van AI en andere technologieën om in te spelen op de continue veranderende behoeften van de gezondheidszorg. We noemen dit ‘adaptive intelligence’. Dankzij de inzet van ‘adaptive intelligence’ kunnen we professionals in de zorg ondersteunen bij het verlichten van routinematige werk, zodat er meer tijd overblijft voor de menselijke kant van de zorg.

 

Hierdoor kunnen specialisten hun patiënten sneller en nauwkeuriger diagnosticeren en behandelen. Tegelijkertijd stellen we mensen in staat om meer inzicht te krijgen in hun eigen gezondheid, zodat ze, waar nodig, zichzelf een gezondere levensstijl kunnen aanmeten. 

De mogelijkheden van AI in de gezondheidszorg zijn grenzeloos

De 20 jaar na ‘Deep Blue’ is al veel bereikt. En de komende 20 jaar bereiken we nog veel meer. Het potentieel van AI om de gezondheidszorg te verbeteren is grenzeloos. Het biedt een unieke kans om klinische gegevens te gebruiken om volledig geïntegreerde gezondheidszorg mogelijk te maken die voorspellend en nauwkeuriger is.

 

Om alle aspecten van AI goed te laten werken, is uitgebreide samenwerking vereist tussen clinici, datawetenschappers, interactieontwerpers en andere experts. Onderstaand vier huidige toepassingen van AI waarmee we vandaag de dag al bezig zijn in de transformatie van de gezondheidszorg. 

1. Operationele efficiëntie en prestaties verbeteren

Op afdelings- en ondernemingsniveau kan AI grote hoeveelheden gegevens filteren. Hiermee kunnen zorgprofessionals hun prestaties optimaliseren, de productiviteit verhogen, en het gebruik van bestaande middelen verbeteren, waardoor tijd en kosten worden bespaard. 

 

In een radiologieafdeling zou AI bijvoorbeeld een verschil kunnen maken in het beheer van doorverwijzingen, de planning van patiënten, en de behandelvoorbereiding. Verbeteringen op dit gebied kunnen helpen om de ervaring van de patiënt te verbeteren en zullen een effectiever en efficiënter gebruik van de faciliteiten mogelijk maken.

 

2. Ondersteuning van klinische besluitvorming

Met AI kunnen grote hoeveelheden klinische gegevens worden gecombineerd om een meer holistisch beeld van patiënten te krijgen. Dit ondersteunt zorgverleners bij hun besluitvorming, wat leidt tot betere resultaten voor de patiënt en een betere gezondheid van de bevolking. 

 

De behoefte aan inzichten en aan ondersteuning van klinische operaties door deze inzichten is enorm. Of dat nu de nauwkeurigheid van interventies is of het effectieve gebruik van mankracht, dit zijn zaken waar artsen mee worstelen.

 

3. Gezondheid van Nederland inzichtelijk maken

Door de combinatie van klinische beslissingsondersteunende systemen met zelfmanagement van de patiënt kan ook het beheer van de gezondheid van de bevolking baat hebben bij AI. Met behulp van voorspellende analyses met patiëntenpopulaties kunnen zorgverleners preventieve maatregelen nemen, gezondheidsrisico’s verminderen, en onnodige kosten besparen.

 

Naarmate de bevolking ouder wordt, groeit ook de wens om niet alleen de ziektebeheersing te maximaliseren, maar ook de kwaliteit van leven. De mogelijkheid om gezondheidsgegevens van miljoenen consumenten samen te brengen, te analyseren, en te activeren zal ziekenhuizen in staat stellen om te zien hoe sociaaleconomische, gedrags-, genetische en klinische factoren correleren en kan meer gerichte, preventieve gezondheidszorg bieden buiten de vier muren van het ziekenhuis.

 

4. Consumenten mondiger maken en de patiëntenzorg verbeteren

Nog steeds moeten röntgenfoto's, testresultaten, en andere kritieke gezondheidsgegevens fysiek van het ene kantoor van de zorgverlener naar het andere worden gebracht. De last van meervoudige verwijzingen, het uitleggen van symptomen aan nieuwe artsen, en het constateren van hiaten in de medische geschiedenis van patiënten zijn hier een gevolg van. Patiënten vragen meer gemak en een meer persoonlijke behandeling. 

De grote drijfveer achter AI in de gezondheidszorg is dat patiënten meer betrokken raken bij hun gezondheid en de eigen behoeften beter begrijpen. De zorg zal hierop in moeten spelen met behulp van AI, zodat de kwaliteit omhoog gaat, de kosten beteugeld worden, en de toegankelijkheid verder verbeterd wordt.

De computer als bondgenoot in de gezondheidzorg

Vanwege onze lange geschiedenis in het ontwikkelen van zowel de hardware als de softwareoplossingen, en onze kennis van zowel B2B als de B2C kant van het vak, is Philips bij uitstek gepositioneerd om de transformatie van de gezondheidszorg mede vorm te geven.

 

Dat is een enorm veranderproces. Maar we zijn op de juiste weg. Met de recente aankoop van Forcare en VitalHealth versterken we onze positie als aanbieder van geïntegreerde oplossingen door bruggen te slaan tussen informatiesystemen.

 

En dankzij toepassingen zoals HealthSuite Insights en IntelliSpace Console stellen we specialisten en patiënten in staat om samen de juiste strategie te bepalen op het schaakbord. De computer is daarbij niet langer onze tegenstander, maar onze bondgenoot.

 


Lees de gehele visie van Henk Valk (CEO Philips Benelux) op de zorg in zijn blog: ‘De computer als bondgenoot in de zorg’.

Deel op social media

Onderwerpen

Auteur

Henk Valk

Henk Valk

CEO Philips Benelux

Future Health Index 2018 introduceert nieuwe waarde indicator voor gezondheidszorg