Vertrouwen, samenwerking en een zorgvuldige implementatie: dat zijn volgens Léon Kempeneers, Managing Director van Philips in de Benelux, de succesfactoren om technologische innovaties zoals AI in de zorg te laten werken. "Uiteindelijk draait het erom dat zorgverleners en patiënten vertrouwen hebben in de technologie en betrokken zijn bij de ontwikkeling, anders slaagt het niet", zegt hij. We spreken hem over kansen en uitdagingen rondom AI, maar ook over oplossingen voor bredere digitalisering van de zorg, zoals het Radiology Operations Command Center.
Om het gebruik van AI in de zorg goed tot zijn recht te laten komen, is volgens jullie vertrouwen nodig, dat door betere samenwerking kan ontstaan. Hoe ziet die samenwerking eruit?
“Als je wilt dat technologie echt werkt in de praktijk, moet je vanaf dag één alle betrokkenen meenemen: zorgprofessionals, technologiebedrijven, beleidsmakers én patiënten. Anders bouw je iets moois dat in de praktijk gewoon niet aansluit. Uit ons Future Health Index-rapport1 blijkt dat 93 procent van de zorgverleners betrokken is bij de ontwikkeling van gezondheidstechnologie, maar slechts 43 procent van de zorgverleners vindt dat die technologie daadwerkelijk aansluit op hun behoeften. Dat is een duidelijk signaal. Innoveren is belangrijk, maar het is minstens zo essentieel om technologie op de juiste manier te implementeren en te ontwikkelen met onze partners uit de zorg.”
En behalve samenwerking, wat is er nog meer nodig zodat zorgverleners en patiënten vertrouwen krijgen in AI?
“Natuurlijk zijn er naast samenwerking nog andere randvoorwaarden om de implementatie en het gebruik van AI te laten slagen. Ons onderzoek laat zien dat 92 procent van de zorgverleners aangeeft meer vertrouwen te hebben in het gebruik van AI-tools die zijn ontwikkeld in samenwerking met een bedrijf dat zij vertrouwen. Maar daar stopt het niet. Om echt vertrouwen te krijgen, willen ze bijvoorbeeld ook continue monitoring en evaluatie van AI-systemen, heldere richtlijnen over gebruik en beperkingen, en duidelijkheid over juridische aansprakelijkheid.”
“En vergeet de patiënt niet: die vertrouwt vooral op de uitleg van zijn of haar eigen arts of verpleegkundige. Dit alles laat zien dat vertrouwen in AI een two-way-street is. Zorgprofessionals hebben vertrouwen nodig in de technologie om patiënten goed te kunnen voorlichten. Juist door die voorlichting ontstaat bij patiënten het vertrouwen om AI te omarmen. Wij hebben daarom specialistische teams bij Philips die eraan werken om die randvoorwaarden te waarborgen in ons innovatieproces.”
Vertrouwen is belangrijk, maar valide data voor AI minstens zo. Hoe waarborg je dat?
“De dataset moet inderdaad de diversiteit van de doelgroep weerspiegelen, anders krijg je uitkomsten die niet representatief zijn. Daarom moet AI altijd worden gevalideerd voor de doelgroep waarop je het wilt toepassen, en soms zelfs opnieuw worden getraind. Een goed voorbeeld van hoe je AI op een eerlijke manier in kunt zetten, is dat je probeert te voorkomen dat er vooroordelen in data sluipen – bias dus.”
“Philips heeft hiervoor een Bias Risk Assessment ontwikkeld. Die helpt om risico's op bias te identificeren in de dataset en algoritmes en geeft ook een overzicht van de mogelijke preventie- en mitigatiemethoden. Het omvat het gehele AI-ontwikkelingsproces: van het verzamelen en verwerken van data tot het ontwikkelen en toepassen van het model. Zo kunnen zorgverleners met vertrouwen onze technologie waar AI in zit gebruiken en kunnen patiënten op hun beurt vertrouwen hebben in de behandeling.”
Hoe staat het met de adoptie van AI door zorgverleners?
“De intentie is er: 91 procent van de Nederlandse zorgprofessionals denkt dat AI de patiëntenzorg kan verbeteren. In onze producten zijn ook al veel AI-componenten verwerkt en daarvan is niet iedereen op de hoogte. Als voorbeeld: in onze echografie-apparatuur automatiseert AI bepaalde processen waardoor je als gebruiker veel minder vaak hoeft te klikken wanneer je een apparaat bedient. En binnen patiëntmonitoring zorgen algoritmes voor bijvoorbeeld early warning scores. Dat is een hulpmiddel waarmee je als verpleegkundige verslechtering in de toestand van een patiënt vroegtijdig kunt herkennen. Toch is een deel ook perceptie: de adoptie gaat in algemene zin te traag, maar tegelijkertijd passen we AI dus al veel toe in de praktijk in onze producten.”
"Een goed voorbeeld van AI eerlijk inzetten, is het voorkomen van bias"
“Wat ik daarnaast constateer, is dat de huidige diagnose-behandelcombinatie, ofwel DBC-systematiek, innovatie over het algemeen belemmert. Nieuwe technologie wordt niet beloond en soms zelfs financieel afgestraft. Dat is zonde, want zo duurt het langer voordat bewezen AI-oplossingen echt in de dagelijkse zorgpraktijk kunnen landen. Terwijl het juist zo hard nodig is om te innoveren en zo een antwoord te bieden op de tekorten in de zorg.”
Kun je voorbeelden geven van AI-innovaties die nu al impact maken?
“Hoewel er zeker terrein te winnen is met AI, zijn er al veel oplossingen die tastbare voordelen opleveren voor de zorg. Een goed voorbeeld is Philips SmartSpeed, een AI-gestuurde MRI-versnellingstechniek. Door deep learning-algoritmes direct toe te passen op het MR-signaal kunnen scans potentieel tot drie keer sneller worden uitgevoerd en kan de resolutie van de beelden tot 65 procent hoger liggen dan bij conventionele methoden. Door tot drie keer sneller te scannen en de totale onderzoekstijd te verkorten, kan SmartSpeed de productiviteit van een MRI-afdeling verhogen, de kosten per onderzoek verlagen en soms bijvoorbeeld ook ongeplande patiënten inpassen. Voor patiënten betekent dit dat ze sneller geholpen worden, en voor zorgprofessionals dat ze meer mensen kunnen behandelen binnen dezelfde tijd. Dat heeft grote impact en juist daarom ben ik er zo enthousiast over.”
“Of neem de Philips ePatch in combinatie met onze Cardiologs-oplossing, waarmee we onderzoek naar onder andere atriumfibrilleren mogelijk maken. In plaats van aan een holtermonitor vast te zitten, loopt de patiënt met een draagbare sensor gewoon thuis rond terwijl het hartritme continu wordt geregistreerd. De data gaan automatisch naar de cloud, waar AI vervolgens de metingen voorselecteert, verdachte patronen markeert en een overzichtelijk rapport opstelt. De cardioloog kijkt gericht de opvallende scores na en kan sneller beslissen. Dat zorgt voor minder handmatig werk, minder kans op fouten en eerder duidelijkheid voor de patiënt en het zorgteam.”
Zijn er ook innovaties buiten het AI-domein die indruk op je maakten?
“Een innovatie die wat mij betreft veel te bieden heeft voor ziekenhuizen is het Radiology Operations Command Center. Dat is sinds begin dit jaar op de markt. We weten allemaal dat het tekort aan radiologen en gespecialiseerde laboranten groot is. Met deze oplossing kunnen ervaren specialisten op afstand meerdere scanners in verschillende ziekenhuizen bedienen, of collega’s op locatie begeleiden via chat, spraak of video, met directe toegang tot de scannerconsole. In een pilotonderzoek2 bij Imperial College Healthcare NHS Trust in Londen, konden er bijvoorbeeld 9 procent meer scans worden uitgevoerd doordat de scantijden korter waren. Bovendien hoefde er gedurende de onderzoeksperiode daar geen enkele patiënt opnieuw door de scanner. Ook bij grote zorgnetwerken in de VS worden al veel scanners op deze manier beheerd.”
“Kortom: door specialistische capaciteit op afstand in te zetten, kunnen we scanners op meerdere locaties tegelijk ondersteunen. Dat maakt het mogelijk om met minder personeel toch hoogwaardige diagnostiek te bieden, ook in kleinere of afgelegen ziekenhuizen. Zo blijft de zorg toegankelijk én efficiënt, ondanks personeelstekorten – en dat is uiteindelijk waar technologische innovatie om draait.”
