AI verandert opleiding en toepassing medische informatica

Prof. dr. Enkelejda Miho, teamleider Digital Life Sciences aan de University of Applied Sciences Northwestern Switzerland (FHNW), legt uit waarom medische informatica de traditionele grenzen tussen geneeskunde en informatica moet overstijgen en hoe het onderwijs verandert nu AI vrijwel alle kennis direct beschikbaar maakt.

AI heeft universiteiten gedwongen opnieuw na te denken over onderwijs. Als chatbots alle kennis met één klik kunnen leveren, hoe moet het hoger onderwijs er dan uitzien?

Onderwijs moet het leerproces en kritisch denken begeleiden, wijzen op valkuilen en anticiperen op uitdagingen. Het is nooit simpelweg een kwestie geweest van kennis reproduceren, iets waar AI juist heel goed in is. Kennis reproduceren, samenvatten en boeken beschikbaar stellen, maakt deel uit van het onderwijsproces, maar vormt niet de kern ervan.

Het hoger onderwijs moet actieve participatie bieden en studenten confronteren met de uitdagingen die nodig zijn om daadwerkelijk te leren. Daarnaast moet het een fysieke ruimte zijn waar mensen en ideeën samenkomen. Het stimuleren en inspireren van denkprocessen, creativiteit die verder gaat dan het simpelweg combineren van bestaande ideeën, en het ontdekken van nieuwe wegen die wetenschap, bedrijfsleven en samenleving vooruit kunnen helpen: dát is de rol die het hoger onderwijs niet uit handen moet geven.

Wat moeten jonge mensen dan daadwerkelijk leren aan de universiteit om klaar te zijn voor de toekomst?

Jonge – en minder jonge – mensen moeten vooral leren hóé ze moeten leren. Vervolgens moeten ze hun tijd gebruiken om de ‘unknown unknowns’, de nog onbekende onbekenden, te ontdekken. Dat begint met het begrijpen van het onderwerp waarin ze geïnteresseerd zijn zoals het nu is, inclusief de huidige stand van de wetenschap. Daarna moeten ze zich afvragen of ze daar iets aan zouden willen veranderen en hoe.

Studenten moeten klaar zijn om hun ideeën uit te voeren of verder te ontwikkelen, omdat AI de cycli van ‘wat nu?’-vragen aanzienlijk heeft verkort. In plaats van zich uitsluitend op één discipline te richten, zouden studenten zich moeten concentreren op de ‘adisciplinaire’ aspecten van hun interesses. Adisciplinariteit is een belangrijke weg vooruit in een tijd waarin disciplines steeds vloeiender in elkaar overlopen en met elkaar verweven raken.

Het heeft bijvoorbeeld tientallen jaren geduurd voordat biologie en chemie samen biochemie vormden, of biologie en informatica zich ontwikkelden tot bio-informatica. Tegenwoordig zijn met slechts enkele klikken begrijpelijke verbindingen te leggen waaruit nieuwe disciplines kunnen ontstaan. Het vervagen van de grenzen tussen afzonderlijke vakgebieden, waarbij concepten belangrijker worden dan disciplinaire processen, sluit aan bij de noodzaak studenten kritischer te leren denken en flexibeler om te gaan met de indeling van kennis.

Merkt u bij FHNW dat studenten steeds vaker kiezen voor vakgebieden zoals medische informatica of life sciences omdat zij deze zien als veilige havens, toekomstige banen die AI niet zal overnemen?

Studenten maken hun keuze om uiteenlopende redenen. Toch is er de laatste tijd onmiskenbaar meer belangstelling voor informaticagerelateerde vakgebieden, zoals medische informatica en digitale life sciences. Die keuzes weerspiegelen ook de ontwikkelingen op de arbeidsmarkt.

Medische informatica combineert traditioneel informatica, informatietechnologie en gezondheidszorg om medische gegevens te beheren en patiëntenzorg te verbeteren. Hoe heeft dit vakgebied zich ontwikkeld door de opkomst van LLM's?

Het is nog te vroeg om vast te stellen hoe medische informatica precies is veranderd door de ontwikkeling van LLM's. Trends laten zien dat het technische deel toegankelijker is geworden, terwijl de menselijke aspecten van producten en diensten juist complexer zijn geworden.

Het is gemakkelijker om resultaten te bereiken, maar minder eenvoudig om te begrijpen wat er daadwerkelijk nodig is. Medische informatica is daarom de taal van zowel de geneeskunde als de informatica gaan spreken. Maar we moeten meer aandacht besteden aan de vertaling tussen die twee – en die vertaling is niet altijd letterlijk.

Wat zullen studenten die nu beginnen met medische informatica over vijf jaar in ziekenhuizen doen?

Dat varieert van het ontwikkelen van nieuwe proof-of-concept medische software om bedrijfs- en ziektecasussen te testen en nieuwe algoritmen voor de analyse van grote hoeveelheden data, tot advisering over de strategie voor nieuwe ziekenhuisconcepten of hospital-at-home-scenario's.

Basel kent een van 's werelds sterkste concentraties van farmaceutische bedrijven, biotech en academisch onderzoek. Hoe past dit ecosysteem zich aan AI aan? Is het ecosysteem volgens u op de AI-trein gesprongen?

De AI-trein rijdt al door de farmaceutische en biotechsector. De academische wereld probeert nog uit te vinden of er überhaupt een trein is (lacht). Studenten verkennen vrijelijk de mogelijkheden die beschikbaar zijn. Nieuwsgierigheid wint het daarbij vaak: ze gebruiken de nieuwste technologie, of zelfs een experimentele ‘garageversie’ ervan, simpelweg omdat die het beste is en niet noodzakelijk omdat een organisatie heeft besloten die technologie aan te schaffen.

Het hele ecosysteem in Basel is daardoor inmiddels verweven met AI. De compacte omvang van de regio en de nabijheid van het enorme aantal professionals maken informele gesprekken mogelijk die doen denken aan een gedroomde wetenschappelijke en zakelijke gemeenschap.

Bedrijven zoals Anthropic richten zich op geneesmiddelenonderzoek. Wat betekent dit voor farmaceutische bedrijven, universiteiten en het traditionele life-sciences-ecosysteem?

Ervaring en de schijn van ervaring zijn volgens mij nog altijd twee heel verschillende dingen. De farmaceutische industrie heeft recente ontwikkelingen zonder al te veel ophef omarmd, of het nu gaat om de revolutie in eiwitontwerp of om de snel veranderende behoeften op de arbeidsmarkt.

Het lijkt erop dat het hele ecosysteem het erover eens is dat experts mét AI-vaardigheden – zelfs wanneer die AI-vaardigheden ‘alleen’ bestaan uit prompting – degenen zijn die deze periode zullen doorstaan, in tegenstelling tot experts zonder AI-vaardigheden.

In de academische wereld heb ik echter geleerd dat zeer verzorgde en prachtig geschreven rapporten niet automatisch betekenen dat studenten of pas aangestelde ontwerpers van onderwijsprogramma's daadwerkelijk begrijpen wat ze schrijven of voorstellen. Ik vraag me af welke invloed dit op het ecosysteem zal hebben wanneer mensen in de toekomst daadwerkelijk verantwoordelijkheid moeten nemen voor de concepten en strategieën die zij voorstellen. We zullen het zien.

AI – en dan bedoel ik AlphaFold – won de Nobelprijs. Zullen AI-gedreven life sciences het curriculum gaan domineren, of blijven de life sciences de kern?

Bijna tien jaar geleden hebben we al geprobeerd één overkoepelende AI-cursus voor de life sciences te ontwikkelen. Als hoogleraar Digital Life Sciences heb ik de Master of Science-opleiding Medical Informatics opgezet, omdat ik de noodzaak daarvan al inzag voordat die breder duidelijk werd, en die visie vervolgens in de praktijk heb gebracht.

Een nieuw academisch aanbod bedenken was één ding; het daadwerkelijk realiseren was iets anders. In tijden van onzekerheid of snelle ontwikkelingen zien we dat de meeste academische instellingen voor zekerheid kiezen.

Om veranderingen op een verstandige manier bij te houden zonder het risico te lopen curricula te ontwikkelen die niet meer zijn dan een commercieel aanbod – door AI in elke cursus te integreren en van iedere aangeboden AI-lezing een afzonderlijke cursus te maken – is moed nodig en soms een gedurfde stap.

Voor dit soort opleidingen moet het academische aanbod fundamenteler worden heroverwogen en niet alleen aan de bovenkant, op masterniveau. De kern zal daarom moeten veranderen, maar die verandering lijkt vooral te worden aangedreven door het tempo waarin de samenleving verandert, en niet uitsluitend door AI.

Wanneer u studenten ontmoet die nu beginnen met medische informatica of bio-informatica, wat motiveert hen dan vooral?

De arbeidsmarkt is nog altijd een van de belangrijkste motivaties. Tegelijkertijd zie ik studenten van alle leeftijden instromen omdat ze impact willen hebben, willen leren en iets willen doen.

U leidt het Laboratory of Artificial Intelligence for Health, het aiHealth Lab, met als visie ‘integrated intelligence for diagnostics and therapeutics’ te ontwikkelen. Wat betekent dat?

Na al die jaren waarin ik AI voor geneesmiddelenonderzoek heb gepresenteerd – waarbij we ons richten op antilichamen en nanobodies – en AI voor diagnostiek als backend voor medische software die wordt gebruikt bij infecties, auto-immuunziekten of kanker, had niemand mij die vraag ooit gesteld.

Toen ik het AI Health Lab oprichtte, nodigde de directeur van de school mij uit om na te denken over wat ik al lange tijd zou willen realiseren. Ik zag ‘integrated intelligence’ als een mooi project voor de komende twintig jaar. Maar anderen hadden slechts twee of drie jaar nodig om het eerste concept daarvan voor iedereen toegankelijk te maken: LLM's.

Dat gegeven heeft mij geïnspireerd. Ik herinner me nog dat werd ingeschat dat geïntegreerde intelligentie honderd jaar van ons verwijderd was, in plaats van de twintig jaar die ik zelf voor ogen had. Uiteindelijk bleek het slechts twee of drie jaar te duren.

We kunnen de toekomst dus niet voorspellen, maar we kunnen maar beter veel gedurfder zijn in onze verbeelding.