- Nauwkeurigere en tijdige detectie van ziekten
- Zeer realistische medische training en simulaties
- Snellere medicijnontwikkeling
- Synthetische medische data verandert medisch onderzoek
Uit een onderzoek van PWC blijkt dat de kosten voor de gezondheidszorg in 2024 naar verwachting met 7 procent zullen stijgen, waardoor de zorgsector voor belangrijke strategische keuzes komt te staan. Er zijn verschillende redenen voor deze stijging. Zo komen steeds meer zorgmedewerkers in een burn-out terecht, wat leidt tot personeelstekorten. Ook de aanhoudende wrijving tussen verzekeraars en zorgaanbieders en de meedogenloze inflatie spelen een belangrijke rol. In een tijd waarin uitdagingen in de gezondheidszorg toenemen, groeit de interesse in innovatieve, kosteneffectieve oplossingen voor patiëntenzorg. Met name generatieve AI springt eruit als een veelbelovende potentiële oplossing die niet alleen de zorg zelf belooft te veranderen, maar ook hoop biedt voor het overbelaste zorgsysteem; door efficiënte zorg te realiseren zonder torenhoge kosten. Deze baanbrekende technologie maakt gebruik van machine learning-algoritmen om enorme hoeveelheden ongestructureerde gegevens te doorzoeken en te begrijpen. Denk aan medische patiëntendossiers, medisch beeldmateriaal en audio van consulten. Op basis van wat de technologie leert kan het vervolgens nieuwe inzichten en oplossingen genereren. Uit onderzoek van Accenture blijkt dat AI de efficiëntie van zorgaanbieders met maar liefst 40 procent zou kunnen verhogen en volgens schattingen van Forbes kan de adoptie van AI de kosten van de Amerikaanse zorgsector zelfs met ruim $200 miljard per jaar verlagen.
Een groot aantal leidinggevenden in de gezondheidszorg is zeer enthousiast over de mogelijkheden van generatieve AI. Een onderzoek van Bain & Company laat bijvoorbeeld zien dat 75 procent gelooft dat deze technologie een gamechanger zou kunnen zijn. Toch heeft opvallend genoeg slechts 6 procent daadwerkelijk plannen gemaakt om deze technologie te implementeren. Generatieve AI kan op verschillende manieren worden toegepast om de gezondheidszorg te verbeteren. Zo kan het repetitieve taken automatiseren, medische beeldanalyse versnellen, ziekteprogressie voorspellen en behandelingen op basis van individuele patiëntgegevens steeds meer personaliseren. Maar de ware belofte van generatieve AI ligt in de toekomst. Voortdurende technologische ontwikkelingen zullen ons in staat stellen om patiëntenrisico’s nog nauwkeuriger te voorspellen, artsen efficiënter te ondersteunen bij besluitvorming en zelfs diagnostische en behandeladviezen steeds meer op maat te bieden. De weg naar adoptie van generatieve AI in de zorg kent echter ook de nodige obstakels. Velen wijzen bijvoorbeeld op een gebrek aan middelen en expertise. Ook is er in deze sector een veelvoud aan regelgevingskwesties en andere struikelblokken die de implementatie van deze technologie in de weg staan. In dit artikel gaan we dieper in op wat generatieve AI voor de zorg kan betekenen. We laten zien hoe deze technologie al voor verandering zorgt, wat de ontwikkelingen zijn en wat er moet gebeuren om niet alleen de genoemde maar ook andere obstakels te overwinnen.
“Door AI en spraaktechnologie aan onze EPD’s toe te voegen, maken we het werk voor zorgverleners makkelijker en helpen we burn-outs voorkomen. Dit leidt bovendien tot betere interacties met patiënten, wat een betere vertrouwensband mogelijk maakt en de zorg verbetert”.
Suhas Uliyar, senior vice-president productmanagement bij Oracle Health
Nauwkeurigere en tijdige detectie van ziekten
Eén gebied waar generatieve AI bijzonder waardevol kan zijn, is de vroege detectie en management van complexe gezondheidsproblemen. Met behulp van geavanceerde algoritmen kunnen deze systemen gedetailleerd medisch beeldmateriaal genereren, waardoor artsen ziekten in de vroegste stadia kunnen detecteren en sneller op maat gemaakte behandelplannen kunnen ontwikkelen. Zo heeft Oracle onlangs de Oracle Clinical Digital Assistant gelanceerd — een innovatieve tool waarmee zorgverleners het aantal handmatige taken kunnen minimaliseren en de patiëntenzorg kunnen verbeteren. Door de naadloze integratie met de bestaande elektronische patiëntendossiers (EPD’s) van Oracle hebben ook patiënten hier baat bij. Zo kunnen ze door middel van eenvoudige spraakopdrachten afspraken inplannen, rekeningen betalen en toegang krijgen tot hun medische gegevens.
Het doel van de Oracle Clinical Digital Assistant is vooral om het gevoel van afstandelijkheid te verminderen dat patiënten tijdens consulten vaak ervaren, wanneer zorgverleners meer aandacht lijken te hebben voor hun computerschermen dan voor de patiënt zelf. De assistent automatiseert het maken van aantekeningen en stelt contextgevoelige acties voor, waardoor artsen hun patiënten onverdeelde aandacht kunnen geven. De administratieve taken worden op de achtergrond efficiënt afgehandeld. De assistent reageert bovendien op de spraakopdrachten van de arts, waardoor EPD-informatie naadloos in de klinische workflow wordt geïntegreerd. “Zorgverleners moeten het EPD zien als een bondgenoot bij het leveren van persoonlijke zorg”, zegt Suhas Uliyar van Oracle Health. “Door AI en spraaktechnologie aan onze EPD’s toe te voegen, maken we het werk voor zorgverleners makkelijker en helpen we burn-outs voorkomen. Dit leidt bovendien tot betere interacties met patiënten, wat een betere vertrouwensband mogelijk maakt en de zorg verbetert”.
In Spanje heeft de Digitaliseringsafdeling van de Gemeenschap van Madrid, in samenwerking met Microsoft en de non-profitorganisatie Fundación 29, onlangs een innovatief proefproject opgestart. Dit project voorziet medische professionals in de eerstelijnszorg van een geavanceerde app, aangedreven door AI-technologie, waarmee ze zeldzame ziekten nauwkeuriger en sneller kunnen diagnosticeren. Patiënten met deze ziekten moeten vaak een lang en ingewikkeld traject naar een juiste diagnose doorlopen. Dit proces duurt vaak meer dan vijf jaar en omvat bezoeken aan en onderzoeken door meerdere specialisten. Zelfs na deze uitgebreide inspanningen krijgt meer dan de helft van deze patiënten geen definitieve diagnose of, in sommige gevallen, een onjuiste diagnose. Dit leidt regelmatig tot verkeerde en soms zelfs schadelijke behandelingen. De introductie van DxGPT, zoals de nieuwe app heet, belooft dit proces echter volledig te transformeren. De app is gebaseerd op het GPT-4-model van OpenAI, functioneert als gespreksassistent en is ontwikkeld om artsen te ondersteunen. Wanneer een arts de klinische informatie van een patiënt invoert, stelt DxGPT snel een lijst met mogelijke diagnoses voor. De arts kan deze lijst vervolgens verfijnen door meer details toe te voegen, zoals de uitgebreide medische geschiedenis van de patiënt of onderzoeksresultaten. Deze iteratieve aanpak maakt een genuanceerder en beter geïnformeerd diagnostisch proces mogelijk, waardoor artsen nauwkeurigere beslissingen kunnen nemen en patiënten sneller naar de juiste specialisten kunnen verwijzen.
Zeer realistische medische training en simulaties
Generatieve AI kan ook uitstekend worden ingezet voor medische training en simulaties. Een treffend voorbeeld hiervan is het door de Universiteit van Michigan ontwikkelde AI-model dat gericht is op de behandeling van sepsis. Dit model biedt medische stagiairs de mogelijkheid om te oefenen met zeer gedetailleerde en dynamische simulaties die in realtime op hun klinische besluitvorming reageren. Deze technologie vormt een belangrijke stap voorwaarts vergeleken met de traditionele statische modellen. Het biedt een praktische, risicovrije manier om te leren en simuleert de interactie met echte patiënten opvallend goed. Deze geavanceerde simulaties zijn specifiek ontwikkeld om verschillende stadia van sepsis te herkennen en hierop te reageren. Hierdoor kunnen zorgprofessionals waardevolle ervaring opdoen en op cruciale momenten de juiste beslissingen nemen. De mogelijkheid om het toedienen van antibiotica, het inbrengen van intraveneuze vloeistoffen en de behandeling van septische shock te simuleren, is enorm waardevol voor het trainen van medisch personeel in de complexe zorg voor patiënten.
Ook het in Manchester gevestigde Re:course AI houdt zich bezig met het ingrijpend vernieuwen van medische training. Het bedrijf doet dit door met behulp van generatieve AI zeer realistische simulaties met digitale menselijke avatars te creëren. Hierdoor kunnen artsen, verpleegkundigen en andere medische professionals authentieke patiëntinteracties in een virtuele omgeving ervaren en oefenen. Het platform is ontwikkeld in samenwerking met klinische experts en biedt een uitgebreide reeks avatars. Elk van deze avatars vertegenwoordigt verschillende gezondheidsproblemen en demografische kenmerken, wat zorgt voor een veelzijdige en onbevooroordeelde trainingservaring. Het systeem fungeert als een virtuele tutor die gebruikers door verschillende medische scenario’s begeleidt en hun diagnostische en besluitvormingsvaardigheden verbetert. De eerste bevindingen wijzen erop dat Re:course AI een waardevolle partner zou kunnen zijn voor medische professionals. Uit de resultaten blijkt onder andere dat deelnemers tijdens gesimuleerde consulten aanzienlijke verbeteringen laten zien in het nauwkeurig diagnosticeren en behandelen van een breed scala aan aandoeningen, variërend van zeldzame kankers tot psychische problemen.
Volgens het Congressional Budget Office ligt het gemiddelde prijskaartje voor de ontwikkeling van een nieuw medicijn ergens tussen de $1 en $2 miljard.
Snellere medicijnontwikkeling
De farmaceutische industrie staat al geruime tijd voor aanzienlijke uitdagingen, waaronder buitensporige kosten en langdurige ontwikkelingstijd en marktintroductie van nieuwe medicijnen. Het Congressional Budget Office heeft onlangs vastgesteld dat de gemiddelde kosten voor het ontwikkelen van een nieuw geneesmiddel, inclusief de verloren investeringen in mislukte medicijnen, ergens tussen de $1 en $2 miljard liggen. Dit benadrukt de dringende behoefte aan meer efficiëntie in de zoektocht naar oplossingen. De opkomst van generatieve AI-technologie is dan ook op dit gebied een hoopvolle ontwikkeling, omdat het de mogelijkheid biedt om zowel de tijd als de kosten voor het ontwikkelen van nieuwe medicijnen aanzienlijk terug te dringen. Volgens schattingen kan AI jaarlijks tot wel $26 miljard besparen op de uitgaven voor de ontwikkeling en screening van nieuwe geneesmiddelen.
Daarnaast kan er jaarlijks nog eens $28 miljard worden bespaard op de kosten van klinische onderzoeken. De potentiële toepassingen van generatieve AI in de gezondheidszorg zijn dus breed en transformatief. Deze technologie verandert de manier waarop we de ontwikkeling van medicijnen benaderen en stelt ons in staat om op maat gemaakte moleculen te creëren voor laboratoriumtests en het gedrag van nieuwe kandidaat-geneesmiddelen en eiwitten te voorspellen. AI kan moleculaire verbindingen genereren die er in computersimulaties veelbelovend uitzien. Hierdoor kunnen we potentiële medicijnen ontdekken zonder dat daar dure fysieke tests voor nodig zijn. Bovendien kan AI potentiële bijwerkingen van nieuwe medicijnen voorspellen door hun moleculaire samenstelling te analyseren, wat de veiligheid voor patiënten aanmerkelijk verbetert.
De farmaceutische industrie ondergaat een belangrijke transformatie door de opkomst van strategische samenwerkingen tussen biotechbedrijven en AI-startups. Een treffend voorbeeld hiervan is Recursion Pharmaceuticals, dat onlangs twee Canadese AI-startups voor $88 miljoen overnam. Deze stap onderstreept het toenemende vertrouwen in AI binnen de sector en maakt de weg vrij voor innovatieve geneesmiddelenontdekking. Vooral de integratie van generatieve AI-technologieën, die complexe data kunnen analyseren, belooft baanbrekende doorbraken. Op academisch gebied hebben de onderzoekers van de Universiteit van Toronto aanzienlijke vooruitgang geboekt door een AI-systeem te ontwikkelen dat geheel nieuwe eiwitten kan ontwerpen met behulp van technologie die vergelijkbaar is met tools als Midjourney en DALL-E. Het systeem heet ProteinSGM en belooft de wereld van de biotechnologie op zijn kop te zetten. Het neemt afbeeldingen van bestaande eiwitten, analyseert hun structuren en gebruikt een geavanceerd generatief model om volledig nieuwe eiwitten te creëren. Deze eiwitten, die niet in de natuur voorkomen, zijn al met succes in het laboratorium gecreëerd, wat wijst op hun enorme potentieel voor medische behandelingen. “Ons model leert van beeldrepresentaties om in een zeer hoog tempo volledig nieuwe eiwitten te genereren”, zegt Philip M. Kim, professor aan het Donnelly Centre for Cellular and Biomolecular Research aan de Temerty Faculteit der Geneeskunde van de Universiteit van Toronto. “Al onze eiwitten lijken biofysisch echt te zijn, wat betekent dat ze zich in configuraties vouwen waarmee ze specifieke functies in cellen kunnen uitvoeren”.
Het ware potentieel van generatieve AI in de gezondheidszorg wordt misschien het best geïllustreerd door de recente doorbraak van het in Hongkong gevestigde Insilico Medicine. Het bedrijf heeft een belangrijke mijlpaal bereikt met zijn door AI-ontwikkelde medicijn, INS018_055, dat bedoeld is voor de behandeling van idiopathische longfibrose (IPF). Dit medicijn is nu in de klinische fase II-onderzoeken, een doorbraak in de wereld van AI-gestuurde geneesmiddelenontdekking. “Voor zover we weten is dit het eerste medicijn dat met behulp van generatieve AI is ontdekt en ontwikkeld en dit klinische ontwikkelingsstadium heeft bereikt”, zegt Sujata Rao, Chief Medical Officer bij Insilico. Het is verbazingwekkend hoe snel de overgang van ontdekking naar de start van de proeven verliep: in slechts 18 maanden. In de traditionele wereld van geneesmiddelenontwikkeling is dit een opmerkelijk tempo. Insilico’s revolutionaire Pharma.AI-suite bestaat uit drie platforms: PandaOmics, Chemistry42 en inClinico. PandaOmics identificeert ziektedoelen, Chemistry42 richt zich op voorspellend onderzoek, en inClinico maakt voorspellingen voor klinische studies. De succesvolle resultaten van de fase I-studie van INS018_055 benadrukken de kracht van AI. Ze bevestigen bovendien de nauwkeurigheid van Insilico’s preklinische modellen en tonen een veelbelovend veiligheidsprofiel. Het medicijn begint nu aan een cruciale fase II-studie van twaalf weken. In deze fase ligt de focus op het grondig testen van de veiligheid, hoe goed patiënten het verdragen en een eerste beoordeling van de effectiviteit.
Synthetische medische data verandert medisch onderzoek
Historisch gezien zijn de hoge kosten en strenge privacywetten vaak een obstakel geweest voor medische vooruitgang. Deze zorgen ervoor dat het gebruik van patiëntinformatie strikt gereguleerd wordt waardoor het lastig is om gegevens te verzamelen. Gelukkig kan generatieve AI ook hier oplossingen bieden, zoals door synthetische datamonsters te creëren. Hiermee kunnen we bestaande gezondheidsdatasets verbeteren, zonder dat de patientenprivacy daardoor in het geding komt. Deze innovatie maakt het ook mogelijk om EPD’s, diagnostische scans en andere soorten gegevens te genereren die niet van echte patiëntinformatie te onderscheiden zijn. Om het potentieel van deze technologie te illustreren, heeft een team van Duitse onderzoekers GANerAid ontwikkeld, een AI-aangedreven tool die gebruikmaakt van een generative adversarial network (GAN)-framework om synthetische patiëntgegevens te produceren voor gebruik in klinische onderzoeken.
Opmerkelijk is dat GANerAid medische gegevens kan creëren die de gewenste kenmerken behouden, zelfs als de brondataset relatief klein is, wat een veel voorkomende uitdaging is in onderzoeken naar zeldzame aandoeningen. Als oplossing voor de strikte dataregels heeft een andere groep wetenschappers het EHR-M-GAN-model ontwikkeld om data-uitwisseling tussen ziekenhuizen te verbeteren. Dit model synthetiseert gemengde patiëntgegevens met zowel continue als discrete waarden. Hierdoor kunnen de complexe gezondheidstrajecten van patiënten nauwkeurig nagebootst worden. Deze generatieve AI-tools garanderen niet alleen de naleving van privacyregels, maar bieden ook een meer democratische toegang tot belangrijke gezondheidsinformatie. Dit maakt onderzoek efficiënter en versnelt mogelijk de ontwikkeling van nieuwe medische behandelingen en therapieën.
Een laatste overweging
Het is overduidelijk dat generatieve AI de gezondheidszorg ingrijpend aan het veranderen is — en op manieren die we nog maar net beginnen te ontdekken. In de ontwikkeling van nieuwe medicijnen zien we al baanbrekende successen die het proces versnellen en verbeteren. Tegelijkertijd zorgt AI voor een enorme vooruitgang in de diagnostiek, wat een wereld van verschil kan betekenen voor mensen met chronische ziektes. Deze ontwikkelingen zijn ware gamechangers; ze beloven snellere, nauwkeurigere diagnoses en behandelingen die levens kunnen veranderen. Hoewel generatieve ook complex is en het gebruik ervan verschillende uitdagingen met zich meebrengt, is de zorgsector hier actief mee aan de slag. Zo wordt er in onderzoek geïnvesteerd om ervoor te zorgen dat AI zich zowel op een nuttige als verantwoorde manier ontwikkelt. Ook moeten we ons afvragen hoe we de juiste balans kunnen vinden tussen het grenzeloze potentieel van deze technologie en de tijdloze waarden van patiëntveiligheid en ethisch handelen. Vooruitkijkend zou generatieve kunstmatige intelligentie wel eens de geschiedenis in kunnen gaan als een van de belangrijkste doorbraken in onze eindeloze zoektocht naar gezondheid en welzijn. Het antwoord op deze vraag zal niet alleen de toekomst van de gezondheidszorg vormgeven, maar ook het voortbestaan van de mensheid bepalen.
