In het UMC Utrecht wordt al jaren gewerkt aan kunstmatige intelligentie in de zorg. Maar voor Associate Professor en Chief Science Information Officer Teus Kappen draait de echte vooruitgang niet alleen om nieuwe algoritmen, maar vooral om de manier waarop data en processen worden georganiseerd. “We willen AI en data echt in de workflow krijgen,” zegt hij. “En juist daar liepen we steeds tegen de grenzen van de technologie aan.”
Daarom werkt UMC Utrecht nu aan een nieuw dataplatform in de cloud, gebaseerd op technologie van Databricks. Geen klassieke datawarehouse-logica meer die vastzit in code, maar een eventgedreven kennis- en datalaag die systemen en apparaten op een flexibele manier laat samenwerken. In een gesprek met Rocking Robots schetst Kappen hoe dat platform eruitziet, waarom het nodig is, en wat dit betekent voor de inzet van AI in de zorg.
Van on-premise naar cloud-native
De basis voor het huidige project ligt in een on-premise data platform dat UMC Utrecht samen met Rotterdam en Leiden heeft opgebouwd. Technisch gezien was dat een indrukwekkende constructie, vertelt Kappen: “Feitelijk is daar een soort fabric gebouwd op een on-premise SQL-server, een volledig eventgedreven model op een SQL-server. Ontzettend knap, maar ook complex en met heel veel beheer.”
Die omgeving bewees dat de ontwerpprincipes klopten: je kunt zorgdata zo modelleren dat je AI en beslisregels dicht op de klinische praktijk kunt toepassen. Maar de schaalbaarheid en flexibiliteit van een on-premise oplossing bleven een beperkende factor. “We wisten eigenlijk gaandeweg dat we dit een keer moesten herbouwen in de cloud met betere technologie,” zegt hij. “Niet alleen om hetzelfde te doen, maar ook om dingen op te lossen die on-premise technisch gewoon niet haalbaar waren.”
Dat werd het startpunt voor een samenwerking met Databricks. Tijdens een Databricks-event in de Verenigde Staten kreeg Kappen de kans om het ontwerp te presenteren. “Toen ik vertelde waar we heen wilden, een platform dat ervoor zorgt dat systemen en apparaten makkelijk met elkaar kunnen samenwerken, zonder hard gekoppeld te zijn, werden ze daar heel enthousiast van,” zegt hij. Dat leidde tot een gezamenlijke verkenning: welke componenten bestaan al, en wat moet er nog ontwikkeld worden om dit model echt werkend te krijgen?
Dataplatform
Technisch bouwt UMC Utrecht met Databricks aan een eventgedreven model. De onderliggende opslag gebruikt standaardcomponenten van Databricks, zoals Delta-bestanden en relationele toegang, maar daarbovenop komt een interpretatie-engine die sterk leunt op een kennisplatform dat het UMC Utrecht ontwikkelt met de technologie van Open Terminology Server.
“Er komt een observatie binnen, en daar moet kennis bijgevoegd worden om er informatie van te maken,” legt Kappen uit. “Die kennis leggen we vast in een systeem dat onafhankelijk is van de uiteindelijke applicatie.” Dat kan dicht bij de binnenkomst van de data gebeuren, maar ook op het moment dat er een vraag wordt gesteld.
Handen zonder API
Om uit te leggen hoe hij naar dataplatformen kijkt, gebruikt Kappen graag een neurobiologische analogie. “In mijn brein wordt mijn hand aangestuurd, maar niet zo dat het brein precies voorschrijft welke spier welke beweging moet maken,” zegt hij. “Het brein geeft intentie: wat er ongeveer moet gebeuren. De handen weten niet eens dat ze van elkaar bestaan, er is geen API tussen mijn linker- en rechterhand. De coördinatie ontstaat op een ander niveau.”
Diezelfde gedachte past hij toe op IT-systemen in de zorg. Applicaties hoeven niet onderling hard gekoppeld te zijn via complexe API’s die alle logica bevatten. In plaats daarvan zorg je voor een gedeelde, eventgedreven datalaag met een kenniscomponent die de interpretatie regelt. Applicaties kunnen dan hun eigen datamodel kiezen; het platform vertaalt en verrijkt.
Kappen noemt als concreet voorbeeld een nieuw order management-systeem en een planningsoplossing voor poliklinieken. Een klassiek probleem: patiënten hebben meerdere afspraken nodig, soms na elkaar, soms parallel, met verschillende afhankelijkheden tussen specialismen, apparatuur en beschikbare tijdsloten.
“In de praktijk zijn doktersassistenten soms uren bezig om in alle roosters de juiste combinatie te vinden,” vertelt hij. In de nieuwe aanpak worden alle afhankelijkheden vastgelegd in het kennisplatform: welke onderzoeken horen bij elkaar, welke volgorde is medisch nodig, welke combinaties zijn mogelijk, welke beperkingen gelden voor artsen, patiënten en ruimtes.
Omdat die logica expliciet in data staat, kan het systeem vanuit elk startpunt rekenen: vanaf een nieuwe aanvraag, een wijziging in de agenda of een annulering door de patiënt. Binnen seconden ontstaat een set plausibele optiecombinaties. “Het lijkt erg op filters in een webwinkel die je kunt bewaren,” zegt Kappen. “Je kunt terug naar de situatie waarin je zocht en daar varianten op laten doorrekenen.”
In januari moet een eerste versie van deze planningsoplossing als pilot gaan draaien. Tot nu toe is er vooral een werkende demo, maar de onderliggende ontwerpprincipes blijken ook in de medicatiemodule en andere onderdelen bruikbaar. Dat modulariteit belangrijk is, staat voor Kappen vast: “Als je dit als een big bang-uitrol zou willen doen, wordt het nooit wat. Doordat het modulair is, kan het ook modulair groeien.”
Potentieel
Het Databricks-project staat niet op zichzelf. Binnen UMC Utrecht lopen meerdere initiatieven die draaien om de volledige AI-lifecycle: van data-inwinning en -deling tot modelontwikkeling, validatie en implementatie. Onder meer via AI4 Health, een grote meerjarige aanvraag bij NWO, en de Health Data Space Utrecht wordt gewerkt aan gezamenlijke data-infrastructuur voor de regio en daarbuiten.
Kappens rol daarin is vooral het platformmatig denken: hoe zorg je dat al die AI-resultaten niet in losse pilots blijven hangen, maar systematisch in processen kunnen landen? “Wij bouwen aan de technologie voor die AI,” zegt hij. “De algoritmen zelf worden op verschillende plekken ontwikkeld. Onze taak is om de cyclus te sluiten, zodat we niet alleen beter kunnen trainen, maar ook makkelijker kunnen toepassen.”
Dat er potentieel is buiten de zorg, erkent ook Databricks, vertelt Kappen. Veel sectoren lopen vast op inhoudelijke interoperabiliteit: verschillende systemen die dezelfde concepten anders definiëren en interpreteren. “Wij hebben in januari niet iets dat overal ter wereld uitrolbaar is,” nuanceert hij. “Maar we kunnen wel laten zien hoe professionals en techneuten beter kunnen samenwerken. Technologie op schaal uitrollen, dat is dan weer de kracht van een partij als Databricks.”
