Psychiater Violet van Dee heeft in haar promotieonderzoek onderzocht of AI kan voorspellen of iemand met een psychose goed zal herstellen. Ze ontdekte dat kunstmatige intelligentie (AI) inmiddels ongeveer net zo goed voorspellingen kan doen als psychiaters. Er zijn zelfs gevallen waarin de ‘digitale psychiaters’ betere voorspellingen konden doen. Met haar onderzoek bij het UMC Utrecht, waarop Van Dee op 16 juli promoveerde, laat ze zien dat AI in de toekomst een waardevol klankbord kan zijn voor psychiaters.
Voor de GGZ is de uitkomst van het onderzoek positief, want deze sector zoekt al langer manieren van gepersonaliseerde zorg. Dankzij AI is het mogelijk om patronen te ontdekken in grote hoeveelheden patiëntgegevens. Violet van Dee deed onderzoek aan de hand van data mensen die een eerste psychose meemaakten. Ze vergeleek de voorspellingen van een speciaal getraind AI-model met die van 24 psychiaters.
Wisselende resultaten
Tijdens het onderzoek waren de voorspellingen van zowel de AI als de psychiaters wisselend als het ging om het herstel op psychisch én sociaal vlak. Bij iets meer dan de helft van de patiënten konden beiden goed voorspellen of de klachten zouden afnemen. Voor functioneren, zoals zelfstandig wonen of werken, lag dat hoger: drie op de vier voorspellingen klopten.
Opvallend was wel dat er een specifieke groep patiënten was waarbij minder dan de helft van de psychiaters de uitkomst goed inschatte. Het AI-model deed in dit geval wel allemaal goede voorspellingen.
Inzicht in werking AI
Een feit waaruit volgens Van Dee blijkt dat juist bij de complexe gevallen AI een waardevolle aanvulling kan zijn. Wel blijkt dat psychiaters in de praktijk moeite hebben om te herkennen wanneer ze beter kunnen vertrouwen op het oordeel van het model.
Voor klinisch gebruik is het belangrijk dat psychiaters begrijpen hoe het model tot een voorspelling komt. “Het moet geen black box zijn. Als arts wil je weten: waarom zegt dit model dat deze patiënt een grote kans heeft op herstel, of juist niet?”, zegt Van Dee. Daarom is ook onderzocht hoe het AI-model transparanter kan worden.
Dat model doet niet alleen een voorspelling, maar geeft ook aan hoe zeker het is van de uitkomst. Een geavanceerdere versie van het model, getraind op de gegevens van honderden patiënten op meerdere momenten, gaf voor ongeveer de helft van de patiënten aan zeker te zijn van zijn voorspelling; het model haalde in deze gevallen een nauwkeurigheid van ruim 80 procent.
Factoren veranderen
Hoewel het model ook schattingen kan geven voor de effecten van individuele factoren op het herstel, blijft het lastig de vertaling naar de klinische praktijk te doen. Daarvoor zijn verschillende redenen. Zo kan het model adviseren om een bepaalde factor aan te passen om de kans op herstel te vergroten, maar dat blijkt in de werkelijkheid soms moeilijk of niet haalbaar voor de patiënt.
En sommige factoren, zoals leeftijd of geslacht, zijn nou eenmaal niet te veranderen. Andere factoren hangen weer zo sterk met elkaar samen, waardoor het lastig is om één factor los te veranderen. Door deze en andere complexiteiten, kunnen de effecten die het model voorspelt in de praktijk anders uitpakken.
Het onderzoek van Van Dee en collega's benadrukt dat AI geen vervanger is van de psychiater, maar eerder een hulpmiddel. “Zie het als een snelle second opinion,” zegt hoofdonderzoeker en promotor Wiepke Cahn. “Bij patiënten waarbij je twijfelt, kan het model net een ander perspectief bieden.” Tijdens het onderzoekstraject dacht ook een panel van ervaringsdeskundigen, bestaande uit patiënten en familieleden mee met de onderzoekers. In de praktijk is het belangrijk dat de patiënt zelf bepaalt wat belangrijke uitkomsten zijn. Wat iemand belangrijk vindt in het herstel, verschilt namelijk van persoon tot persoon.
Brede toepassing AI
Ook in andere zorgsectoren wordt de hulp ingeroepen van getrainde AI-modellen. Zo heeft een groep onderzoekers van de Johns Hopkins University recent een geavanceerd AI-model ontwikkeld dat het risico op plotselinge hartstilstand bij patiënten met het model MAARS (Multimodal AI for Arrhythmia Risk Stratification), maakt gebruik van deep learning om informatie te extraheren uit contrastversterkte MRI-beelden en combineert die informatie met de medische dossiergegevens.
