“De werkelijke impact van AI in de gezondheidszorg ligt nog voor ons, maar als we daar veilig willen komen, moeten we nu beginnen met leren”, aldus Eva Deckers, hoofd van het AI Centre of Excellence in het Catharina Ziekenhuis in Eindhoven. In een interview met ICT&health legt ze uit waarom het opbouwen van datafundament, het stellen van realistische verwachtingen en het bevorderen van regionale samenwerking belangrijker zijn dan het jagen op een volgend algoritme of AI-model.
Wat doet het AI Centre of Excellence precies, waarom is het opgericht en wat is uw rol als hoofd van het centrum?
Het ziekenhuis begreep al vroeg dat je een sterke basisinfrastructuur moet opzetten om AI veilig en effectief te kunnen ontwikkelen en implementeren, met een echt rendement op de investering – of dat nu in ervaring, efficiëntie of kwaliteit van de zorg is. Het AI Centre of Excellence bracht mensen uit de hele organisatie samen, waaronder systeemingenieurs, software-ingenieurs, data-ingenieurs, datawetenschappers en algemene AI-ontwikkelaars, om te werken aan datapijplijnen en de bredere architecturale backbone die nodig is om AI mogelijk te maken.
Wat echt bepalend was voor de beslissing om het centrum op te richten, was de cultuur en het DNA van het ziekenhuis. We zijn gevestigd in de Brainport regio, vlakbij de Technische Universiteit Eindhoven, en we beschouwen onszelf als een technisch georiënteerd ziekenhuis. We hebben ongeveer 20 professoren, van wie velen banden hebben met de technische universiteit, wat ongebruikelijk is voor een topklinisch (niet-academisch) ziekenhuis. Die academisch-technische oriëntatie betekent dat we van nature langetermijn- en strategisch denken over technologie.
We richten ons sterk op wat ik ‘leidingen’ noem. Het opzetten van datapijplijnen houdt in dat er een infrastructuur moet worden opgezet om betrouwbaar, schaalbaar en veilig gebruik van AI mogelijk te maken. Onder mijn leiding hebben we onze projectportfolio ook uitgebreid met interne ontwikkelingsprojecten, samenwerkingen met start-ups, operationele AI-toepassingen, spraak-naar-tekst-oplossingen en partnerschappen met grotere leveranciers. Mijn rol is om deze portfolio te beheren, af te stemmen op onze digitale infrastructuur en ervoor te zorgen dat AI juridisch, technisch en klinisch in de hele organisatie is geïntegreerd.
Vindt u dat ziekenhuizen nu moeten beginnen met investeren in AI en soortgelijke centra moeten opzetten om de AI-transformatie te coördineren?
Ik denk dat de daadwerkelijke impact van AI in de gezondheidszorg nog voor ons ligt. Als ziekenhuizen AI veilig en duurzaam willen inzetten, moeten ze omgevingen creëren die leren en experimenteren ondersteunen. Dat betekent niet noodzakelijkerwijs dat elk ziekenhuis een Centre of Excellence zoals het onze nodig heeft. In plaats daarvan moet elk ziekenhuis zijn eigen rol en strategie op het gebied van AI bepalen.
Sommige ziekenhuizen moeten zich misschien richten op het implementeren van oplossingen van externe leveranciers. Andere, zoals het onze, kunnen investeren in het opzetten van hun eigen datapijplijnen en platforms. Het belangrijkste punt is: leren moet doelgericht en gestructureerd zijn. AI mag niet versnipperd zijn over verschillende afdelingen. Coördinatie is nodig, maar deze moet diep verankerd zijn in bestaande structuren: inkoop, privacy, juridische zaken en IT. AI-transformatie kan niet geïsoleerd worden in een aparte “AI-club”.
Hoe bent u begonnen met het vormgeven van het centrum toen u de leiding op zich nam?
Mijn eerste doel was het creëren van ‘handelingsvermogen’. Ik bedoel een centraal zwaartepunt dat projecten kon sturen en deze rechtstreeks kon koppelen aan platformontwikkeling. We hadden uitstekende mensen, maar ze waren verspreid over verschillende afdelingen en hun werk was niet altijd bewust op elkaar afgestemd. Ik concentreerde me op het strategisch afstemmen van infrastructuurontwikkeling op projectselectie.
Vervolgens begon ik andere delen van de organisatie te beïnvloeden. Het Centre of Excellence kan niet alles doen. Ik heb bijvoorbeeld samengewerkt met Healthcare Intelligence – ons datacenter – om databeheer tot een prioriteit voor het hele ziekenhuis te maken. Ik heb samengewerkt met HR om ervoor te zorgen dat digitale vaardigheden, waaronder datageletterdheid en AI-kennis, worden opgenomen in de personeelsontwikkeling. Waarom? Omdat AI-gereedheid zowel technisch als organisatorisch moet zijn.
We zien het Centre nu meer als een programma met verschillende belanghebbenden, waarbij we verantwoordelijkheid nemen voor het platform en strategische AI-projecten. Andere teams leiden echter projecten die nauw aansluiten bij hun workflows. Zo worden speech-to-text-projecten nu geleid door procesteams, aangezien deze voorheen experimentele technologie steeds vaker standaardsoftware wordt van meer volwassen leveranciers.
Een van uw prioriteiten is het verbeteren van de AI-gereedheid. Hoe beheert u organisatorische veranderingen om ervoor te zorgen dat iedereen op één lijn zit met de technologische transformatie?
Voor ons geldt dit voor alle digitale innovaties, inclusief hybride zorg, monitoring op afstand en natuurlijk AI. We gebruiken het ontwerp van zorgtrajecten als een gestructureerde aanpak. Eerst brengen we het huidige traject in kaart om de relaties, behoeften en pijnpunten volledig te begrijpen. Vervolgens herontwerpen we het om de waarde, de workflow en de ervaring van de patiënt te verbeteren. AI kan deel uitmaken van de oplossing, maar is vaak niet de eerste stap. Ons uitgangspunt is altijd mens + AI = team. AI is geen toevoeging of vervanging, maar een actieve deelnemer in de processen waarmee we werken.
In de praktijk zien we vaak dat workflows en processen moeten worden verbeterd voordat AI een betekenisvolle impact kan hebben. Daarom richten we ons eerst op waarde en proces, en daarna op technologie. En als we willen dat AI over vijf jaar impact heeft, moeten we vandaag beginnen met het verzamelen, definiëren en opschonen van data. Onze strategie geeft prioriteit aan het ontwerpen van zorgtrajecten, wat de bereidheid tot verandering veel gemakkelijker maakt omdat professionals het doel zien, en niet alleen de nieuwe tool.
Wat is uw langetermijnvisie op AI in de gezondheidszorg?
Over ongeveer 10-15 jaar zullen AI, robotica en data ons in staat stellen om op grote schaal echt gepersonaliseerde, precisiegeneeskunde te leveren. We zullen op een gestandaardiseerde manier kunnen definiëren wat elke individuele patiënt nodig heeft: de juiste behandeling, op het juiste moment, in de juiste context.
Maar AI alleen kan dat niet bereiken. We hebben netwerken nodig binnen regionale zorgecosystemen. Geen enkel ziekenhuis kan in zijn eentje gepersonaliseerde zorg leveren. Ik verwacht dat AI op korte termijn een grotere impact zal hebben op gebieden als zorgcoördinatie, capaciteitsbeheer en vraagvoorspelling. Dit zijn vandaag de dag urgente uitdagingen, vooral in systemen die te maken hebben met schaarste.
Hoe vindt u een evenwicht tussen experimenteren met nieuwe technologie en het zorgpersoneel niet overbelasten?
Interessant genoeg vragen artsen me vaak: “Waarom hebben we niet meer AI?” Tegelijkertijd ben ik ook verantwoordelijk voor hybride zorg, een technologie die al jaren in gebruik is. Daar is de weerstand tegen verandering veel groter.
De verwachtingen ten aanzien van AI zijn dus soms onrealistisch. Mijn rol is het opbouwen van een evenwichtige portefeuille: projecten die het hele ziekenhuis helpen, projecten die ons helpen te leren en strategisch schaalbare projecten. Ik wil innovatieve ideeën niet onderdrukken, maar ik kan ook niet elke start-up of elk experiment ondersteunen. We gebruiken bestaande projectmanagementstructuren om te beoordelen of een idee waardevol, betaalbaar en bruikbaar is.
De grootste uitdaging is dat we enerzijds innovatieve maar onvolwassen startups hebben en anderzijds grote leveranciersplatforms die volwassen maar restrictief zijn. Beide uitersten kunnen problematisch zijn. Daarom verkennen we een middenweg: ons platform openstellen als een regionale AI-marktplaats waar derden veilig kunnen experimenteren met onze gegevens in een gecontroleerde omgeving. Zo kunnen we sneller innoveren zonder onze middelen te overbelasten of de veiligheid in gevaar te brengen.
Hoe kunnen ziekenhuizen duurzame AI-bedrijfsmodellen ontwikkelen, gezien het feit dat de gezondheidszorg nog steeds voornamelijk betaalt voor volume in plaats van kwaliteit?
Dit is een van de grootste vragen voor de Europese gezondheidszorg. De meeste ziekenhuizen werken nog steeds volgens op productie gebaseerde betalingsmodellen. Je wordt betaald voor door mensen geleverde zorg, niet voor door technologie geleverde zorg. Er is een systemische mismatch: technologie wordt vaak gecategoriseerd als “kosten”, terwijl het werk van artsen wordt geclassificeerd als “waarde”.
We moeten hierover nadenken, aangezien AI de capaciteit, het capaciteitsbeheer, de coördinatie en de algehele efficiëntie van het systeem aanzienlijk kan verbeteren. Maar het rendement op de investering laat vaak twee of meer jaar op zich wachten en komt mogelijk ten goede aan de bevolking of het systeem, in plaats van direct aan het ziekenhuis.
Ziekenhuizen moeten dus naar bredere waarde kijken. Soms doen we dingen die financieel niet voordelig voor ons zijn, maar wel waardevol voor de samenleving. Idealiter hebben we nieuwe financieringsmodellen nodig die waarde belonen en technologie anders benaderen.
Wat zijn, op basis van uw werk met professionals, de belangrijkste kansen en uitdagingen?
Veel clinici hopen dat AI een oplossing biedt voor gefragmenteerde workflows en de administratieve lasten vermindert, met name op het gebied van documentatie en de bruikbaarheid van EMR. En hoewel we kunnen leren van eerste puntoplossingen, ligt de kans in het herontwerpen van workflows, het definiëren van welke gegevens voor wie en wanneer nodig zijn, en het investeren in infrastructuur. Mijn uitdaging in dit alles is om mensen mee te nemen in de resultaten die we leveren. Deze zijn vaak technisch van aard. We hebben bijvoorbeeld unieke multimodale datasets die gegevens uit meerdere bronnen rond een patiënt integreren en toegankelijk maken. Deze basis stelt ons in staat om succes te boeken, maar de waarde ervan is niet voor iedereen direct tastbaar. Daarnaast kan het betekenen dat je begint met verbeteringen in je zorgprocessen die niets met AI te maken hebben, maar die directe waarde opleveren voor patiënten en personeel, en ervoor zorgen dat we kunnen werken aan een zinvolle implementatie van AI.
Het is geweldig om te zien dat ons management deze lijn volledig ondersteunt en de daad bij het woord voegt door te zorgen voor de juiste en verantwoorde investeringen.
Interessant is dat als ik vandaag zou moeten kiezen tussen het implementeren van vijf AI-toepassingen of het focussen op regionale samenwerking en databetekening, ik de voorkeur zou geven aan het laatste. AI werkt alleen als de basisvoorzieningen aanwezig zijn. Professionals komen hierachter door praktijkervaring. Daarom is het creëren van ruimte om te experimenteren – veilig, op kleine schaal – essentieel. Mensen moeten het voelen, niet alleen erover horen. Je kunt niet zomaar kopiëren wat andere ziekenhuizen doen. Je hebt je eigen ervaring nodig om je capaciteiten en ambities op elkaar af te stemmen, vertrouwen op te bouwen en je voor te bereiden.
