Tijdens het evenement AI in Life Sciences in Leiden, georganiseerd door de Leiden AI Community, werden drie heel verschillende invalshoeken gepresenteerd voor de toepassing van kunstmatige intelligentie in de gezondheidszorg. Dr. Siri van der Meijden en Laurens Schinkelshoek presenteerden PERISCOPE, een platform dat met AI postoperatieve infecties voorspelt. Dr. Lifeng Han van HealthcareNLP liet zien hoe natural language processing (NLP) klinische teksten beter toegankelijk kan maken. En Dr. Sadegh Shahmohammadi van TNO gaf een overzicht van projecten die uiteenlopen van stressmonitoring tot robotica in ziekenhuizen.
Postoperatieve infecties komen bij tot een kwart van de patiënten voor. Ze vertragen het herstel, zorgen voor heropnames en belasten het zorgsysteem. Vaak wordt een infectie pas zeven tot negen dagen na de operatie vastgesteld, waardoor behandeling laat op gang komt. Tegelijkertijd beschikken ziekenhuizen over enorme hoeveelheden patiëntgegevens die benut kunnen worden voor betere besluitvorming.
PERISCOPE ontwikkelde een AI-model dat het risico op infectie berekent en dit presenteert in een dashboard dat direct is geïntegreerd in het elektronisch patiëntendossier (EPD). Artsen krijgen zo niet alleen een risicoscore te zien, maar ook welke factoren daarbij een rol spelen.
Een grote uitdaging was de variatie in datasystemen tussen ziekenhuizen. Om het model breed inzetbaar te maken, is het gevalideerd op meer dan 250.000 operaties in Nederland, België en Denemarken. Daarbij bleek dat lokale aanpassingen vaak nodig zijn om de nauwkeurigheid te behouden.
Het model is inmiddels verwerkt in een CE-gecertificeerde softwaretoepassing die voldoet aan de eisen voor medische hulpmiddelen. Vergelijkende studies lieten zien dat de prestaties vergelijkbaar zijn met die van ervaren artsen, en beter dan die van artsen in opleiding. De volgende stap is de praktijktoepassing, onder meer via pilots in Nederlandse ziekenhuizen.
NLP en de kracht van medische teksten
Dr. Han gaf een overzicht van de ontwikkeling van NLP, van recurrent neural networks tot transformer-modellen zoals BERT en GPT. Deze technieken maken het mogelijk om vrije tekst in EPD’s – waar artsen symptomen, diagnosen en behandelplannen beschrijven – systematisch te analyseren.
Met technieken als named entity recognition kunnen AI-systemen medische begrippen herkennen en koppelen aan gestandaardiseerde kennisbanken. Dit maakt het mogelijk om kennisgrafen op te bouwen, waarmee behandelingen vergeleken kunnen worden of bijwerkingen opgespoord.
Een uitdaging blijft ambiguïteit: dezelfde term kan iets anders betekenen afhankelijk van de context. Door modellen te verfijnen met domeinspecifieke data en meerdere modellen te combineren, neemt de nauwkeurigheid toe. Daarnaast kan synthetische data helpen om privacyproblemen te omzeilen en toch robuuste AI-modellen te trainen.
NLP kan niet alleen artsen ondersteunen, maar ook patiënten. Complexe rapporten kunnen worden samengevat in begrijpelijke taal, en vertaaltools helpen anderstaligen hun dossiers beter te begrijpen.
Van onderzoek naar toepassingen bij TNO
TNO richtte twee jaar geleden een AI Lab voor Gezondheid & Werk op, met als doel onderzoeksresultaten sneller om te zetten in bruikbare producten of spin-offs. Eén van de meest ambitieuze projecten is een AI-model dat vroege tekenen van Duchenne-spierdystrofie en andere bewegingsstoornissen bij kinderen kan opsporen. Door korte videoclips te analyseren, kan het model afwijkende bewegingspatronen herkennen. Het project stuit wel op uitdagingen rond privacy en ethiek bij kinderdata.
Ook op het gebied van mentale gezondheid loopt onderzoek. In een studie rapporteerden deelnemers dagelijks via WhatsApp hun stress- en energieniveau. AI-modellen analyseerden de antwoorden en maakten snelle, bruikbare inzichten mogelijk. Dit laat zien hoe laagdrempelig dataverzameling kan zijn.
Daarnaast werkt TNO aan tools die patiëntgegevens koppelen aan relevante zorgprotocollen, zodat artsen sneller de juiste stappen kunnen zetten. Een ander onderzoek richt zich op het veilig inzetten van grote taalmodellen in de zorgpraktijk, waar juridische en ethische vraagstukken nog vaak de rem erop zetten.
Robots in het ziekenhuis
Ook robotica maakt deel uit van TNO’s agenda. Binnen het CareBus-project ontwikkelt TNO veiligheidskaders voor een logistieke robot die medicijnen en materialen tussen afdelingen vervoert. Met behulp van AI en digitale tweelingen wordt de fysieke veiligheid van de robot getest voordat deze daadwerkelijk in het ziekenhuis wordt ingezet.
TNO ziet grote kansen voor AI in vroege ziektedetectie, werkplekgezondheid, klinische besluitvorming, veilige toepassing van taalmodellen en robotica. Toch benadrukte Shahmohammadi dat succes niet alleen afhangt van de techniek, maar vooral van goedkeuring door toezichthouders, inkoopprocessen en de manier waarop AI in de werkprocessen van artsen wordt geïntegreerd.
Zie ook
