Datagedreven diagnostiek vraagt meer dan slimme AI

De groeiende hoeveelheid medische gegevens en diagnostische mogelijkheden biedt kansen om ziekten sneller en nauwkeuriger vast te stellen. Tegelijkertijd wordt het voor artsen steeds ingewikkelder om de juiste onderzoeken te kiezen en resultaten in samenhang te beoordelen. Volgens Saskia Haitjema, hoogleraar Data-gedreven geïntegreerde diagnostiek bij het UMC Utrecht, ligt de oplossing niet uitsluitend in technologie, maar vooral in betere samenwerking tussen diagnostische specialismen. Daarbij moet ook de menselijke kant van de zorg behouden blijven.

Medische diagnostiek is de afgelopen decennia sterk veranderd. Naast laboratoriumonderzoek beschikken artsen over steeds geavanceerdere beeldvorming, genetische analyses en andere onderzoeksmethoden. Die uitbreiding maakt het mogelijk om aandoeningen gedetailleerder te onderzoeken, maar leidt ook tot meer informatie die moet worden geïnterpreteerd.

Tegelijkertijd neemt de complexiteit van de zorgvraag toe. Door de vergrijzing hebben patiënten vaker meerdere aandoeningen, waardoor diagnostische bevindingen niet altijd afzonderlijk kunnen worden beoordeeld. Volgens Haitjema vraagt dat om een andere organisatie van diagnostiek, waarin specialismen gezamenlijk verantwoordelijkheid nemen voor het beantwoorden van klinische vragen.

Diagnostiek over afdelingsgrenzen heen

In ziekenhuizen zijn diagnostische disciplines vaak afzonderlijk georganiseerd. Laboratoria, radiologie en andere specialismen leveren ieder hun eigen onderzoeksresultaten, terwijl de behandelend arts deze informatie moet samenbrengen. Haitjema pleit voor een geïntegreerde benadering. In haar ideale situatie kunnen artsen met een diagnostische vraag terecht bij één gezamenlijk aanspreekpunt, waarna verschillende specialismen bepalen welke onderzoeken en gegevens het meest relevant zijn.

Als voorbeeld noemt zij het beoordelen van de nierfunctie. Die wordt doorgaans geschat aan de hand van bloedwaarden, maar dergelijke berekeningen houden niet altijd voldoende rekening met verschillen in spiermassa. In sommige situaties kan informatie uit een CT-scan aanvullende inzichten bieden, omdat daarmee de spiermassa kan worden beoordeeld. Dit illustreert hoe gegevens die oorspronkelijk voor een ander diagnostisch doel zijn verzameld, mogelijk ook bij andere medische vraagstukken kunnen worden benut.

AI kan verborgen verbanden zichtbaar maken

Een belangrijk onderdeel van geïntegreerde diagnostiek is het beter benutten van bestaande medische gegevens. Kunstmatige intelligentie kan daarbij ondersteunen door patronen te herkennen in grote hoeveelheden informatie. Haitjema ziet onder meer mogelijkheden bij patiënten met zeldzame aandoeningen. Zij doorlopen soms langdurige diagnostische trajecten, waarbij verschillende zorgverleners afzonderlijke klachten onderzoeken zonder dat direct een samenhangend ziektebeeld wordt herkend.

Door gegevens uit meerdere zorgcontacten gezamenlijk te analyseren, zouden AI-systemen verbanden kunnen signaleren die bij een afzonderlijke beoordeling minder snel opvallen. Een arts kan vervolgens worden gewezen op de mogelijkheid dat aanvullend onderzoek nodig is. Dat zou kunnen bijdragen aan eerdere herkenning van aandoeningen en het voorkomen van overbodige diagnostiek. Of dergelijke toepassingen deze voordelen daadwerkelijk opleveren, moet echter blijken uit onderzoek en evaluatie in de klinische praktijk.

De waarde van AI hangt bovendien af van de kwaliteit, volledigheid en toegankelijkheid van medische gegevens. Ook moeten zorgprofessionals kunnen beoordelen hoe een systeem tot een aanbeveling komt en wanneer deze betrouwbaar genoeg is om mee te nemen in de besluitvorming.

Van dataverzameling naar betere zorg

Dat samenwerking en systematische data-analyse kunnen bijdragen aan betere zorg, blijkt uit ervaringen van het Catharina Hart- en Vaatcentrum in Eindhoven. Zoals wij vorig jaar al schreven, analyseert een multidisciplinair kwaliteitsteam daar structureel gegevens over behandelingen en patiëntuitkomsten. De aanpak heeft volgens het ziekenhuis onder meer bijgedragen aan kortere opnameduren, minder complicaties en verbeteringen in de behandelplanning. Een voorbeeld betreft patiënten die een bypassoperatie nodig hebben. Door medicatiegebruik en de timing van de ingreep anders te organiseren, kon de gemiddelde wachttijd voorafgaand aan de operatie worden teruggebracht van ongeveer een week naar één dag.

Het kwaliteitsteam, bestaande uit artsen, onderzoekers, managers en data-analisten, bespreekt iedere twee weken de verzamelde gegevens en vertaalt de inzichten naar verbeteracties. De kern van deze werkwijze ligt niet uitsluitend in de beschikbaarheid van data, maar vooral in het gezamenlijk interpreteren en toepassen ervan. Hoewel het Catharina Ziekenhuis zich richt op datagedreven kwaliteitsverbetering en Haitjema op geïntegreerde diagnostiek, benadrukken beide benaderingen het belang van samenwerking tussen disciplines.

Ook Haitjema richt zich nadrukkelijk op de toepassing van wetenschappelijke inzichten in de patiëntenzorg. Vanuit haar achtergrond als arts en onderzoeker probeert zij verschillende specialismen met elkaar te verbinden, zodat nieuwe inzichten daadwerkelijk hun weg vinden naar de dagelijkse zorgpraktijk.

Menselijk contact blijft essentieel

Naast de mogelijkheden van data en AI waarschuwt Haitjema voor het verlies van waardevolle menselijke interacties door digitalisering. Als voorbeeld noemt zij het zelfstandig meten van de bloeddruk door patiënten. Daarmee kunnen zorgorganisaties tijd besparen, maar verdwijnt mogelijk ook het contactmoment met een verpleegkundige. Tijdens zo'n ontmoeting gebeurt immers meer dan alleen het uitvoeren van een meting. Een verpleegkundige kan patiënten geruststellen, aanvullende signalen opmerken of informatie ontvangen die tijdens een formeel consult niet vanzelfsprekend ter sprake komt.

Het voorbeeld maakt duidelijk dat de effecten van digitalisering niet uitsluitend in tijdwinst of efficiëntie kunnen worden uitgedrukt. Ook de gevolgen voor patiëntcontact, vertrouwen en de kwaliteit van zorg moeten worden meegewogen. De uitdaging voor geïntegreerde diagnostiek ligt daarmee op twee niveaus: medische informatie beter combineren én bepalen welke onderdelen van het zorgproces door technologie ondersteund kunnen worden zonder belangrijke menselijke aspecten te verliezen. Zoals Haitjema het samenvat: “De zorg moet nooit draaien om data. De zorg moet draaien om patiënten.”