Omdat hij in slechts zeven dagen een door AI aangestuurde medische app voor na het consult had gebouwd, behaalde hij de derde plaats in een prestigieuze hackathon georganiseerd door Anthropic, waarbij hij het opnam tegen 13.000 deelnemers. Michał Nedoszytko, cardioloog bij Cliniques de l’Europe in België en al jarenlang ontwikkelaar, gelooft dat de meest directe impact van AI op de gezondheidszorg wellicht voortkomt uit het optimaliseren van de werkprocessen die artsen van hun patiënten afhouden.
Hoe bent u, als cardioloog, AI-ontwikkelaar geworden?
Ik werk al meer dan 20 jaar in de informatica. In die tijd heb ik een zoekmachine voor geneesmiddelen, systemen voor elektronische medische dossiers en platforms voor het beheer van wachtroosters gebouwd. Maar ongeacht het project kwam steeds hetzelfde probleem naar voren: administratie. Documentatie en zogenaamd papierwerk nemen veel te veel tijd van een arts in beslag.
Ongeveer vier jaar geleden raakte ik intensief betrokken bij kunstmatige intelligentie. In de invasieve cardiologie, mijn specialisme, ben ik begonnen met het trainen van neurale netwerken om specifieke veranderingen in coronaire angiografiebeelden te herkennen. Destijds was dat nog relatief nieuw. In de geneeskunde bleef AI grotendeels beperkt tot radiologie en beeldanalyse.
Toen ChatGPT op de markt kwam, zag ik meteen het potentieel ervan voor een heel ander deel van de gezondheidszorg: de administratieve laag. AI kon eindelijk helpen bij de ‘grijze zone’ van het klinische werk, de taken die essentieel zijn maar artsen weghouden van hun patiënten.
Dat was het uitgangspunt voor mijn ‘previsit’-project, een systeem dat is ontworpen om de medische geschiedenis van een patiënt vóór de afspraak te verzamelen. Het idee was simpel: een deel van het anamnese-proces stroomlijnen nog voordat het bezoek begint. Het bleek heel goed te werken.
Er gebeurt momenteel zoveel op het gebied van AI en de gezondheidszorg dat het moeilijk is om bij te blijven. Wat zijn de belangrijkste ontwikkelingen?
Ik zou het vakgebied in twee hoofdgebieden verdelen. Het eerste is administratieve AI, dat wil zeggen alles wat te maken heeft met het afnemen van de anamnese, documentatie en het verzamelen van patiëntinformatie. Dit is het deel dat direct verband houdt met het doktersbezoek. De duidelijkste trend van dit moment is de opkomst van zogenaamde AI-scribes: systemen die luisteren naar het gesprek tussen arts en patiënt en automatisch klinische aantekeningen genereren.
De meeste van deze tools zijn ontwikkeld om de arts te ondersteunen. Ze vatten het consult samen en verminderen de tijd die nodig is voor documentatie. Maar er is ook een derde, steeds belangrijker wordende laag: ondersteuning voor de patiënt na het bezoek. Dat was de focus van een project dat ik presenteerde tijdens een Anthropic-hackathon. In dat geval helpt AI patiënten te begrijpen wat de arts heeft aanbevolen, wat de volgende stappen zijn en wat ze moeten doen zodra ze de kliniek verlaten.
Het tweede gebied is klinische AI. Dit krijgt minder media-aandacht, maar in sommige gevallen lijkt het bijna sciencefiction. In de cardiologie zijn er bijvoorbeeld al systemen die ECG's analyseren en signalen detecteren die onzichtbaar zijn voor het menselijk oog.
Een ECG gaat niet langer alleen over klassieke parameters. AI-modellen kunnen nu zaken voorspellen als hartfalen, schildklierdisfunctie en, in sommige gevallen, zelfs het geslacht van een patiënt. In de radiologie kunnen systemen metabole ziekten, zoals diabetes, detecteren op basis van beeldgegevens. Dit zijn opmerkelijke ontwikkelingen. Slechts een klein deel van deze oplossingen is echter volledig klinisch gevalideerd. Er is veel potentieel, maar veel daarvan ligt nog ver voor de dagelijkse praktijk.
Een voorbeeld dat ik bijzonder interessant vind, is een op ECG gebaseerd systeem dat coronaire arteriële occlusie kan detecteren met behulp van logica die totaal verschilt van de standaardcriteria die in de cardiologie worden gebruikt. In sommige gevallen presteert het beter dan de arts.
Tegelijkertijd is er ook een enorme groei in AI gericht op patiënten. In de Verenigde Staten zien we al producten zoals ChatGPT Health van OpenAI, Claude for Healthcare van Anthropic en Copilot Health van Microsoft. En ik verwacht dat Apple vroeg of laat serieus werk gaat maken van deze markt.
Ik was onlangs voor het eerst in acht jaar in San Francisco, en wat ik daar zag, voelde eerlijk gezegd een beetje als sciencefiction.
De gezondheidszorg is nog steeds een conservatieve sector, grotendeels vanwege de patiëntveiligheid. Daardoor vinden nieuwe technologieën vaak maar langzaam hun weg naar het systeem, terwijl patiënten zelf al tools zoals ChatGPT gebruiken. Is dat een goede of een slechte ontwikkeling?
Het is zowel een kans als een risico. Natuurlijk kunnen AI-systemen fouten maken, en daarom is een passend wettelijk kader essentieel. Maar we moeten ook de juiste balans vinden. Persoonlijk vind ik het eigenlijk wel prettig als patiënten naar mij toe komen nadat ze ChatGPT hebben geraadpleegd. Jaren geleden kwamen ze binnen met ‘Dr. Google’, en toen moest ik vaak veel informatie van slechte kwaliteit van willekeurige websites eruit filteren.
Met AI is het gesprek vaak gestructureerder. Natuurlijk zijn de huidige modellen probabilistisch en kunnen de antwoorden variëren. Er doen zich wel degelijk hallucinaties voor. Maar in de klinische praktijk maken mensen ook fouten. Als ik een patiënt vraag welke medicijnen hij of zij gebruikt, moet het antwoord vaak toch worden geverifieerd.
De geneeskunde ontwikkelt zich langzamer dan de informatica, omdat het om de gezondheid en het leven van mensen gaat. We kunnen het ons niet veroorloven om te experimenteren zonder validatie. We werken volgens de principes van evidence-based medicine. Maar AI maakt het ook mogelijk om ongelooflijk snel prototypes van ideeën te bouwen.
Artsen hebben altijd al goede ideeën gehad. In het verleden konden ze daar meestal alleen over schrijven in artikelen. Tegenwoordig kunnen ze met tools als Claude of Codex binnen enkele dagen een werkend prototype bouwen. Natuurlijk moet dat prototype nog steeds worden beoordeeld door professionele ingenieurs op veiligheid, codekwaliteit en naleving van regelgeving.
Dat was een van de meest opvallende dingen die ik zag tijdens de Anthropic-hackathon. Veel van de winnaars waren helemaal geen computerwetenschappers. Een advocaat uit Californië bouwde een systeem ter ondersteuning van administratieve vergunningverlening. Een wegeninspecteur uit Oeganda creëerde een tool die dashcambeelden analyseert om de kosten van wegherstel te voorspellen. Iemand anders bouwde een systeem om zwermen drones te coördineren voor het zoeken naar vermiste personen.
De les was duidelijk: domeinexperts kunnen nu veel sneller dan voorheen zinvolle technologie creëren. Maar in de gezondheidszorg moeten we nog steeds de hype scheiden van wat daadwerkelijk klaar is voor klinisch gebruik. Mijn systeem voor na het bezoek werkt erg goed, maar het is nog steeds een hackathon-prototype, nog geen klinisch inzetbaar product. Toch zijn de kosten en de tijd die nodig zijn om iets nuttigs te bouwen vandaag de dag drastisch lager dan zelfs een jaar geleden.
Wat wil je veranderen als je AI-oplossingen bouwt?
Mijn doel is heel eenvoudig: de klinische workflow verbeteren en de zorg efficiënter maken. Ik richt me al jaren op het verbeteren van processen. En heel vaak, als je het proces verbetert, verbeteren ook de resultaten voor de patiënt.
Het pre-visit-systeem werd oorspronkelijk gebouwd om tijd te besparen en een deel van het proces van het afnemen van de medische anamnese te automatiseren. In België breng ik nu veel minder tijd door in het interventiecardiologielaboratorium en veel meer tijd in de polikliniek. In die omgeving merk je al snel hoe repetitief veel onderdelen van het bezoek zijn. Op een gegeven moment besefte ik hoe nuttig het zou zijn om een assistent te hebben die kon helpen bij het organiseren en structureren van deze informatie.
Maar de voordelen gingen verder dan tijdwinst. Ik merkte dat wanneer patiënten de medische anamnese thuis invullen vóór het bezoek, ze veel beter voorbereid binnenkomen. Ze hebben al een idee welke vragen er kunnen komen en welke richting het consult opgaat. Dat verbetert de kwaliteit van de interactie.
Neem bijvoorbeeld medicatielijsten. In de kliniek kan de vraag “Welke medicijnen gebruikt u?” verrassend veel tijd in beslag nemen. Thuis kan de patiënt de vakjes aanvinken, zijn partner vragen, zijn recepten bekijken en zorgvuldiger antwoorden.
Daardoor kan het consult sneller tot de kern van de zaak komen. We kunnen ons richten op diagnose en behandeling in plaats van op het verzamelen van basisinformatie. In die zin kan het stroomlijnen van het proces de kwaliteit van de zorg en de diagnostische effectiviteit direct verbeteren. Natuurlijk heb je in de geneeskunde bewijs nodig om dat aan te tonen, en daarom werk ik momenteel aan een onderzoek.
Hier wordt ook het verschil tussen Europa en de Verenigde Staten zichtbaar, nietwaar?
Absoluut. Ik had dit idee drie jaar geleden, en toen ik het domein voor het project registreerde, was mijn eerste gedachte dat het uiteindelijk rechtstreeks beschikbaar moest zijn voor patiënten. Maar ik heb in eerste instantie niet eens geprobeerd om het in Europa te lanceren, omdat ik wist hoe moeilijk dat zou zijn vanuit regelgevend oogpunt.
Wij waren het eerste ziekenhuis in Brussel dat ChatGPT als pilot in de klinische praktijk introduceerde. En vrijwel onmiddellijk kwam de functionaris voor gegevensbescherming vragen wat we precies aan het doen waren. Gelukkig was alles vanuit juridisch oogpunt zorgvuldig voorbereid, dus waren er geen gevolgen. Maar het illustreert wel de omgeving waarin we opereren.
In Europa denken we vaak, nog voordat we ergens aan beginnen, al na over alle redenen waarom het zou kunnen mislukken. Ik sta volledig achter de Europese waarden. Privacy en gegevensbescherming zijn absoluut essentieel. Maar we hebben ook evenwicht nodig. Als we te voorzichtig worden, loopt Europa het risico achterop te raken op het gebied van innovatie.
Technologie verandert ook de rollen van artsen en patiënten. Zou deze culturele verschuiving wel eens moeilijker kunnen zijn dan het bouwen van de juiste technologische oplossing?
We hebben deze oplossing in verschillende specialismen getest en de reacties van artsen liepen sterk uiteen. Sommigen zeiden meteen: “Nee, ik neem liever zelf de anamnese af en houd de volledige controle over het gesprek.”
Er zijn ook specialismen waar de anamnese slechts een onderdeel van het consult is en het grootste deel van de tijd wordt besteed aan technische procedures. Dat geldt bijvoorbeeld voor cardiologie, gynaecologie of oogheelkunde. In die specialismen verliep de acceptatie soepeler.
Maar het is belangrijk om te begrijpen dat de waarde van een dergelijk hulpmiddel niet alleen in tijdwinst ligt. Het bereidt de patiënt ook voor op het consult. Het doel is niet om het medisch interview te vervangen. Het doel is om de arts een gestructureerd uitgangspunt te bieden.
De arts moet de informatie nog steeds verifiëren. Dit is geen systeem dat automatisch en zonder controle rechtstreeks in het medisch dossier schrijft. Ik vergelijk het vaak met een verpleegkundige of secretaresse die een patiënt belt vóór een geplande ingreep om voorlopige informatie te verzamelen. Tegen de tijd dat de anesthesist de patiënt ziet, zijn de basisgegevens al aanwezig.
Dus nee, ik geloof niet dat AI artsen zal vervangen. Maar ik geloof wel dat het hun manier van werken aanzienlijk kan verbeteren. Zoals bij elke nieuwe technologie kost de invoering tijd. Dat gezegd hebbende, tonen studies al aan dat artsen die AI-scribes gebruiken een hogere werktevredenheid rapporteren.
In de Verenigde Staten verloopt de acceptatie ook sneller omdat er sterkere financiële prikkels zijn gekoppeld aan de kwaliteit van de documentatie. Dat verandert de situatie.
In de VS betreden grote techbedrijven zoals Amazon en Apple ook de gezondheidszorgsector…
Ja, maar de meeste van die oplossingen zijn in de eerste plaats gericht op eindgebruikers, dat wil zeggen patiënten.
In Europa zullen we waarschijnlijk enige vertraging zien, simpelweg omdat we nog geen toegang hebben tot al deze tools. Maar in de VS kan de betrokkenheid van grote techbedrijven het vertrouwen van het publiek in AI voor de gezondheidszorg juist vergroten. En de gezondheidszorg is goed voor ongeveer 20 procent van het Amerikaanse bbp, wat het een enorme markt maakt.
Er is een paradox in AI voor de gezondheidszorg. We weten dat er een ernstig tekort aan artsen is dat nog jaren zal aanhouden, maar innovators blijven zeggen dat technologie artsen niet zal vervangen. Waarom? Is het omdat de gezondheidszorg zo gevoelig ligt en de arts-patiëntrelatie zo belangrijk is?
Ik denk dat er twee redenen zijn. De eerste is menselijk. In de geneeskunde zijn er momenten waarop menselijke aanwezigheid onvervangbaar is. Ik kan me niet voorstellen dat een AI-systeem een patiënt vertelt dat hij kanker heeft. De tweede reden is structureel. Een groot deel van het werk van een arts is administratief en vereist eigenlijk geen medische expertise.
Toen de gezondheidszorg werd gedigitaliseerd, werd ons beloofd dat het werk gemakkelijker zou worden. In werkelijkheid kregen we vaak nog meer formulieren, meer velden en meer vakjes om aan te vinken. Artsen besteden nu een enorm deel van hun tijd aan administratief werk.
En dat is voor mij de echte kans van AI. De gezondheidszorg is een van de minst geoptimaliseerde sectoren van de economie. AI biedt een kans om daar verandering in te brengen. Het kan artsen eindelijk in staat stellen terug te keren naar hun kerntaak: de zorg voor patiënten.
