Bij ‘digitale begeleider’ denken we eerst aan het equivalent van een schaakcomputer of een spraakassistent (zoals Alexa, Siri, Google Now), aan een begeleider die ons helpt te rekenen, te denken, repetitief werk te doen, fouten te vermijden et cetera. Of robots die assisteren om een bepaalde activiteit uit te voeren, bijvoorbeeld een last tillen, gevaarlijk werk uit te voeren... In tweede instantie denken we aan gezelschap compagnons in de vorm van speelgoed (Tamagotchi, robots zoals de Sony Aibo) of in de vorm van virtueel gezelschap (zoals Care Coach, het vroegere Gerijoy).
Sommige van zulke begeleiders zijn nuttig, maar we kunnen moeilijk spreken van intelligent gepersonaliseerd advies. Misschien is dat wel mogelijk als onze begeleider meer van ons weet? Een digitale biologische kopie van ons lichaam die niet alleen helpt onszelf te begrijpen maar die een medische professional ook veel meer inzicht geeft. Zo’n digitale tweeling laat toe om verschillende experimenten op onze digitale zelf uit te voeren en te kijken wat de effecten zijn op korte en lange termijn.
Hoe bouwen we zo’n digitale tweeling? Door enorm veel contextuele informatie te verzamelen: waar je woont, wat je beroep is, waar je geweest bent (via je telefoon), welke activiteiten je uitvoert (sociale media), reactiesnelheid tijdens gamen, je stemmingen (analyse van sms, email, sociale media …), je interesses (via online aankopen, kijk- en surfgedrag …). Dit wordt gecombineerd met je medisch dossier, allerhande biometrische data (via wearables), eventuele medicatie, analyse van bloed, urine, DNA …
Op basis van deze gigantische hoop synthetische data (‘RWD’, Real World Data) wordt dan je digitale tweeling opgebouwd. Deze tweeling zou ook uniek moeten zijn, het zou ons moeten onderscheiden van anderen zoals wij als mens uniek zijn.
Ingrijpende verandering
Inzichten in de gelijkenis van onderdelen van de synthetische data tussen mensen zullen de zorg op ingrijpende wijze veranderen. Het geeft immers véél meer inzichten in een ziekteproces, waardoor we sneller oorzaken kunnen vinden, beter kunnen behandelen en hopelijk ook preventief kunnen handelen.
Om deze enorme kwantiteiten data te verwerken en correlaties tussen schijnbaar losse stukjes informatie te analyseren, schieten de huidige computers en supercomputers te kort. Maar met kwantum computing kan dit wel.
Vergelijk computers en kwantum computers met hoe ze de uitweg van een doolhof zoeken: een ‘traditionele’ pc probeert één route en als die niet werkt een andere, tweede route, et cetera. Kwantum computing doorloopt alle mogelijke routes in één keer en vindt de uitweg zo goed als meteen. Een doolhof heeft misschien 10 mogelijke paden (waarvan er 9 doodlopen). U begrijpt dat wanneer er miljoenen of miljarden mogelijkheden zijn (zoals in een digitale tweeling), kwantum computing veel beter geschikt is om inzichten te verkrijgen.
Welk nut kunnen die inzichten hebben? Het laat toe om je te coachen:
• “Neem vandaag nog 4x de trap en leef één jaar langer in goede gezondheid.”
• “Je bent nu bij de bakker, als je dat groot aardbeiengebak koop, stijgt je verzekeringspolis maandelijks met 2 EUR. Alternatief bij honger is het volkoren-notengebak.”
Het laat ook de arts (of zorgbeoefenaar in het algemeen) toe een ingreep beter in te schatten, of de gevolgen voor levensstijl beter te illustreren aan een patiënt. Bijvoorbeeld door er op wijzen dat het niet gebruiken van steunzolen zal resulteren in een knie- of heupprothese.
Experimenten op digitale tweeling
Verder laat het de farma-industrie toe om bepaalde experimenten uit te voeren op jouw digitale tweeling, om te kijken wat werkt en wat niet. Maar ook om betere medicijnen te ontwikkelen, of sneller medicijnen op de markt te krijgen. Door grote hoeveelheden data kunnen we ook een hele bevolking opvolgen, of de toename en verspreiding van een ziektebeeld ergens ter wereld.
Is dat verre toekomstmuziek? Helemaal niet! Grote bedrijven zijn met een enorme appetijt op zoek naar data om in te zetten in deze evolutie. Er wordt soms geopperd dat data de nieuwe olie is. Niet olie als beeldspraak voor het geld dat verdiend wordt met olie uit de grond te pompen, maar data als smeerolie, dienstig om algoritmes gesmeerd te laten lopen.
Apple tracht bijvoorbeeld al langer data te aggregeren via haar health- en researchkit en recent heeft ze de eigen Apple gezondheidsdossiers ter beschikking gesteld aan het Departement van (oorlogs-)veteranen. De regering van Singapore heeft voor al haar burgers Fitbits aangekocht. Vervolgens wordt Fitbit (of moeten we zeggen ‘Fitbit-data’?) opgekocht door Google.
Ook de farma heeft buitengewone interesse in zulke data, bijvoorbeeld door het ondersteunen van de Atlas van Elektralabs, een evidence-based catalogus van verbonden technologieën die kan geraadpleegd worden om hulpmiddelen te vinden voor klinische proeven en monitoring op afstand.
Allemaal voor de data… die ooit aangewend zullen worden om onze digitale tweeling te bouwen. En uiteraard zijn er knappe startups actief in dit veld.
