Met een totale investering van 112,6 miljoen euro gaat het nieuwe nationale programma AI4Health de ontwikkeling en implementatie van kunstmatige intelligentie in de Nederlandse gezondheidszorg versnellen. Het tienjarige initiatief brengt meer dan 35 publieke en private partijen samen, waaronder zorginstellingen, onderzoeksorganisaties, overheden en technologiebedrijven. Siemens Healthineers levert een in-kind bijdrage van circa 6 miljoen euro aan het programma.
AI4Health behoort daarmee tot de grootste gecoördineerde AI-initiatieven in de Nederlandse zorg. Het programma wordt mede gefinancierd door de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) en staat onder leiding van prof. Carl Moons van het UMC Utrecht. Opvallend is dat alle Nederlandse ziekenhuizen bij het initiatief betrokken zijn. Het consortium richt zich op de volledige innovatieketen rond AI, van databeschikbaarheid en modelontwikkeling tot validatie, implementatie en opschaling in de dagelijkse zorgpraktijk. Daarmee moet de kloof tussen veelbelovende AI-ontwikkelingen en daadwerkelijke toepassing in de zorg worden verkleind.
Veilige en schaalbare AI
Een belangrijk onderdeel van AI4Health is de ontwikkeling van een landelijke infrastructuur voor het veilig ontsluiten en gebruiken van zorgdata. Volgens de initiatiefnemers is dergelijke infrastructuur noodzakelijk om AI-systemen verantwoord te kunnen trainen, testen en inzetten.
Siemens Healthineers draagt onder meer bij met technologie en expertise voor AI-validatie en AI-orkestratie. Daarbij gaat het om het betrouwbaar integreren van verschillende AI-toepassingen binnen bestaande klinische processen. Ook wordt het Digi X-Lab-platform ingezet in vijftien Nederlandse ziekenhuizen om veilige toegang tot klinische data mogelijk te maken.
Volgens Paul Riswick, algemeen directeur van Siemens Healthineers Nederland, kan AI een belangrijke rol spelen bij het aanpakken van de toenemende druk op de zorg. “AI kan daarin een belangrijke rol spelen, maar alleen als we technologie veilig, betrouwbaar en op schaal weten toe te passen in de dagelijkse praktijk. Juist daarom is samenwerking essentieel.”
Toepassingen in oncologie en neurologie
Naast de ontwikkeling van de data-infrastructuur omvat AI4Health diverse klinische projecten. Binnen de oncologie werkt de Varian-divisie van Siemens Healthineers aan AI-ondersteunde radiotherapieplanning. Door behandelplannen deels te automatiseren, hopen de betrokken partijen de efficiëntie en consistentie van radiotherapie te verbeteren.
Daarnaast worden AI-modellen ontwikkeld die artsen ondersteunen bij patiëntspecifieke risicobeoordelingen, met als doel behandelingen verder te personaliseren. Ook neurologische aandoeningen vormen een belangrijk aandachtsgebied. Binnen het programma wordt gewerkt aan de verdere validatie van AI-oplossingen die veranderingen in hersenaandoeningen over langere tijd kunnen monitoren. Dergelijke toepassingen kunnen zorgverleners helpen om ziekteprogressie beter te volgen en behandelbeslissingen te ondersteunen.
De initiatiefnemers verwachten dat AI4Health niet alleen de ontwikkeling van nieuwe AI-toepassingen versnelt, maar ook een bijdrage levert aan het verminderen van personeelstekorten en het beheersbaar houden van de toenemende zorgvraag. Door de nadruk te leggen op zowel databeschikbaarheid als implementatie, moet het programma ervoor zorgen dat AI-oplossingen sneller hun weg vinden naar de dagelijkse zorgpraktijk.
Forse investeringen
In mei schreven we al over een andere forse investering in AI4Health en Trinitas Horizon, onder andere door de NWO. Beide initiatieven richten zich op een betere toepassing van AI in de dagelijkse zorgpraktijk, waarbij onder meer het UMCG een belangrijke rol speelt. AI4Health, onder leiding van het UMC Utrecht, richt zich op de volledige AI-keten: van dataverzameling en infrastructuur tot ontwikkeling, validatie en implementatie van algoritmen.
Het UMCG draagt onder andere bij op het gebied van oncologie, cardiovasculaire zorg en verantwoorde AI. Trinitas Horizon focust op de huisartsenzorg en ondersteunt diagnostiek met AI-gestuurde analyses van patiëntgegevens. Het doel is snellere en nauwkeurigere diagnoses, minder onnodige verwijzingen en een lagere werkdruk voor zorgprofessionals.
