AI kan artsen mogelijk ondersteunen bij het sneller en nauwkeuriger herkennen van schizofrenie. Onderzoekers van de James Cook University (JCU) in Australië ontwikkelden nieuwe AI-modellen die hersengolfpatronen analyseren en daarbij onderscheid kunnen maken tussen gezonde personen, mensen die stress ervaren en patiënten met schizofrenie. Opvallend is dat de onderzoekers daarbij expliciet inzetten op ‘uitlegbare AI’, zodat zorgprofessionals kunnen begrijpen hoe een algoritme tot een bepaalde conclusie komt.
De resultaten laten zien dat AI een waardevolle aanvulling kan zijn op diagnostische processen in de geestelijke gezondheidszorg. Tegelijkertijd onderstrepen ze een bredere uitdaging: hoe kan AI verantwoord worden ingezet in een vakgebied waarin diagnoses vaak complex zijn en de gevolgen van fouten groot kunnen zijn? Schizofrenie treft naar schatting ongeveer één procent van de wereldbevolking. Omdat veel patiënten al symptomen ontwikkelen voordat een psychose optreedt, is vroege herkenning van groot belang. Juist daar zou AI in de toekomst een ondersteunende rol kunnen spelen.
Hersenactiviteit analyseren met AI
Voor het onderzoek maakten de wetenschappers gebruik van elektro-encefalografie (EEG), een techniek waarmee elektrische activiteit in de hersenen wordt gemeten. EEG-onderzoek wordt vaak uitgevoerd in een gecontroleerde laboratoriumomgeving, waarbij elektroden op het hoofd van de patiënt worden geplaatst. Volgens promovendus Gideon Vos, die het onderzoek leidde, vormt stress daarbij een belangrijke complicerende factor. Mensen met schizofrenie reageren namelijk anders op stressvolle situaties dan gezonde personen. Tegelijkertijd overlappen veel symptomen van acute stress met kenmerken die ook bij schizofrenie voorkomen.
Om dat probleem te ondervangen ontwikkelde het onderzoeksteam machinelearning-algoritmen die rekening houden met de invloed van stress op hersengolfpatronen. De modellen werden getraind met open toegankelijke EEG-datasets en bleken patronen te herkennen die overeenkomen met bestaande medische kennis over schizofrenie. Daarmee ontstaat volgens de onderzoekers een betrouwbaarder diagnostisch hulpmiddel, dat niet alleen kijkt naar afwijkende hersenactiviteit, maar ook begrijpt welke invloed externe factoren zoals stress op de meetresultaten hebben.
Belofte én risico's van AI
De studie verschijnt op een moment waarop AI steeds vaker zijn weg vindt naar de geestelijke gezondheidszorg. Eerder bleek uit onderzoek dat veel psychologen positief staan tegenover het gebruik van AI als ondersteuning bij diagnostiek, verslaglegging en behandeling. Tegelijkertijd nemen de zorgen over betrouwbaarheid, veiligheid en ethische risico’s toe.
Ook generatieve AI-systemen worden inmiddels ingezet voor het analyseren van patiëntgegevens en het ondersteunen van gepersonaliseerde behandeltrajecten. Toch hebben diverse onderzoeken de afgelopen jaren aangetoond dat bestaande AI-tools in de psychologie niet altijd consistent of betrouwbaar zijn. Sommige systemen trekken onjuiste conclusies, vertonen vooroordelen die in trainingsdata aanwezig zijn of geven adviezen die onvoldoende aansluiten bij de klinische realiteit.
Daarnaast bestaat het risico dat patiënten zelf AI-chatbots gebruiken voor zelfdiagnose of mentale ondersteuning, terwijl de kwaliteit en veiligheid van dergelijke toepassingen sterk uiteenloopt. Experts benadrukken daarom dat AI geen vervanging mag worden van professionele diagnostiek en menselijke beoordeling.
Uitlegbare AI als voorwaarde voor vertrouwen
Juist daarom zetten de Australische onderzoekers in op explainable AI, oftewel uitlegbare kunstmatige intelligentie. Het doel is niet dat een algoritme zelfstandig een diagnose stelt, maar dat het inzichtelijk maakt welke patronen en factoren aan een voorspelling ten grondslag liggen. Volgens Vos is dat essentieel voor acceptatie binnen de medische praktijk. Een model dat alleen een uitkomst presenteert zonder onderbouwing, biedt artsen onvoldoende houvast om de resultaten klinisch te beoordelen.
Op termijn zou dergelijke uitlegbare AI vooral van waarde kunnen zijn in afgelegen gebieden waar specialistische ggz-zorg beperkt beschikbaar is. Een AI-toepassing op een smartphone zou dan kunnen signaleren dat nader onderzoek wenselijk is, waarna een arts de bevindingen kan meenemen in het diagnostische proces.
De onderzoekers benadrukken dat AI daarmee geen vervanger van de psycholoog of psychiater wordt, maar een extra hulpmiddel. De uitdaging voor de komende jaren ligt vooral in het ontwikkelen van systemen die niet alleen slim zijn, maar ook transparant, betrouwbaar en veilig genoeg voor toepassing in de dagelijkse geestelijke gezondheidszorg.
Referenties
Biomedical Signal Processing and Control (onderzoek)
