AI opent de deur naar meer preventieve gezondheidszorg

AI kan in de gezondheidszorg een veel grotere rol krijgen dan alleen het ondersteunen van diagnostiek. Onderzoekers van Imperial College London stellen dat AI kan bijdragen aan een verschuiving van het behandelen van ziekte naar het eerder voorspellen en mogelijk voorkomen ervan. Daarvoor moeten technologische vooruitgang, patiëntveiligheid en verantwoorde implementatie wel zorgvuldig met elkaar in balans worden gebracht.

In een analyse brengen de onderzoekers de huidige en toekomstige toepassingen van medische AI in kaart. Naast beschrijvende, diagnostische, voorspellende en voorschrijvende toepassingen onderscheiden zij twee nieuwe domeinen: 'Critique' en 'Creative'. Daarmee willen ze inzichtelijk maken waar toekomstige mogelijkheden van AI liggen en hoe de technologie de zorg kan veranderen.

Van adviseur naar navigator

De onderzoekers beschrijven ook verschillende niveaus van zelfstandigheid van medische AI. Aan het ene uiteinde staan adviserende systemen die informatie toevoegen aan het klinische oordeel, zonder onderdeel te zijn van het werkproces. Een volgende stap zijn 'copilots', waarbij AI taken deelt met een zorgprofessional die de controle behoudt. Aan de andere zijde staan zogenoemde 'navigators': systemen die met minimale menselijke supervisie kunnen functioneren. Vrijwel alle AI die momenteel klinisch wordt gebruikt, valt nog in de eerste twee categorieën. Naarmate modellen meerdere databronnen tegelijkertijd kunnen verwerken, verwachten de onderzoekers dat meer autonome toepassingen mogelijk worden.

Dergelijke systemen zouden bijvoorbeeld een rol kunnen spelen bij gepersonaliseerde behandelingen, monitoring op afstand, klinische beslisondersteuning, robotchirurgie en ziekenhuisprocessen. Vooral het combineren en voortdurend analyseren van verschillende gegevensstromen kan mogelijkheden creëren om gezondheidsrisico's eerder te herkennen. Daarmee kan AI volgens de onderzoekers uiteindelijk bijdragen aan een zorgmodel waarin niet alleen wordt gereageerd op bestaande ziekte, maar ook wordt geprobeerd ziekte eerder te voorspellen en de ziektelast te verminderen.

Klinische meerwaarde?

De praktijk loopt echter achter op de technologische ontwikkeling. De meeste door toezichthouders goedgekeurde AI-toepassingen richten zich momenteel op diagnostiek en beslisondersteuning. Bovendien worden systemen vooral beoordeeld op technische nauwkeurigheid en veel minder op de vraag of patiënten er daadwerkelijk betere gezondheidsuitkomsten door hebben. Ook zijn nog maar weinig toepassingen na implementatie prospectief onderzocht.

Volgens de auteurs zijn er verschillende obstakels. Klinische validatie, integratie in bestaande werkprocessen, datakwaliteit, interoperabiliteit, energiegebruik en regelgeving kunnen grootschalige invoering bemoeilijken. Als voorbeeld noemen zij AI voor baarmoederhalskankerscreening. Hoewel dergelijke technologie steeds vaker wordt toegepast, verloopt de implementatie niet overal gelijk. Beperkte klinische validatie, verschillen tussen zorgpraktijken en regelgeving spelen daarbij een rol.

Volgens hoofdauteur Ahmad Guni kan AI uiteindelijk helpen ziekten eerder te detecteren en behandelingen nauwkeuriger af te stemmen. De stap van technologische mogelijkheden naar aantoonbare klinische meerwaarde blijkt echter complexer dan aanvankelijk werd verwacht.

Meer dan alleen regelgeving

Regelgeving alleen is volgens de onderzoekers onvoldoende om AI verantwoord in de zorg te integreren. Ook financierings- en vergoedingsmodellen, inkoopprocedures, bestuurlijke verantwoordelijkheid en voortdurende monitoring nadat een systeem in gebruik is genomen, moeten worden geregeld. Naarmate AI zelfstandiger wordt, wordt bovendien duidelijkheid over verantwoordelijkheid belangrijker. Er moeten afspraken komen over de verdeling van aansprakelijkheid tussen zorgprofessionals, ziekenhuizen en ontwikkelaars wanneer AI een steeds grotere rol krijgt bij klinische beslissingen.

Senior auteur Hutan Ashrafian benadrukt dat AI niet alleen kansen biedt om de klinische zorg te verbeteren, maar mogelijk ook fouten en inefficiënties kan verminderen en de druk op zorgorganisaties kan verlichten. De uitdaging is volgens hem niet om simpelweg steeds krachtigere AI te ontwikkelen, maar ervoor te zorgen dat deze technologie aantoonbaar bijdraagt aan betere zorg.

Daarvoor zijn volgens de onderzoekers blijvende investeringen nodig in infrastructuur, governance, duurzaamheid, klinische validatie en vertrouwen. Met sterk bewijs, zorgvuldig toezicht en samenwerking tussen zorgprofessionals, onderzoekers, toezichthouders en technologieontwikkelaars kan AI uiteindelijk bijdragen aan een meer preventieve, efficiënte en toegankelijke gezondheidszorg.

Eerder onderzoek

Al in 2024 werd in de VS al een praktijkonderzoek uitgevoerd naar de meerwaarde van AI voor preventieve zorg. Daarin werd aangetoond at AI-ondersteunde ECG-analyse kan helpen om een verminderde pompfunctie van het hart eerder op te sporen, nog voordat patiënten duidelijke symptomen ontwikkelen. Een lage ejectiefractie is behandelbaar, maar wordt zonder klachten vaak niet ontdekt omdat aanvullend onderzoek, zoals een echocardiogram, dan niet standaard wordt uitgevoerd.

Het onderzoek richtte zich daarom op de vraag of preventieve screening met AI-ECG tijdens bijvoorbeeld een routinecontrole ook kosteneffectief kan zijn. Hiervoor gebruikten zij gegevens van 22.000 deelnemers aan de EAGLE-studie. Vervolgens simuleerden ze verschillende ziekteverlopen, zorgpaden, kosten en gezondheidsuitkomsten. Patiënten met een positieve AI-ECG-uitslag zouden aanvullend onderzoek krijgen, terwijl dat bij een negatieve uitslag niet nodig zou zijn. Volgens de onderzoekers kan deze aanpak hartfalen eerder aan het licht brengen, waardoor behandeling eerder kan starten en ziekteprogressie en mogelijk ook toekomstige zorgkosten kunnen worden beperkt.