De 3 van Kiki: Kom maar op met AI in de geneeskunde

Gaan medische opleidingen slaapwandelend de toekomst tegemoet?

Over de betekenis van AI zeggen de deskundigen dat deze revolutionairder is dan de komst van het internet. Is dat iets om naar uit te kijken, of eerder te vrezen? In ieder geval reden genoeg om me beter te informeren. Mijn nieuwjaarsduik was daarom niet in de koude Noordzee, maar in de gamechanger die artificial intelligence heet. Naar goed Nederlands gebruik spreken we ‘natuurlijk’ niet van kunstmatige intelligentie. Het zij zo.

Kom maar op met AI in de zorg!

Zeggen dat AI de toekomst is, is je ogen sluiten voor de alomtegenwoordigheid ervan in het heden. Sinds de lancering van ChatGPT in 2022 is AI meer dan ooit in our face. Ook in de zorg. Waar we nu gewend zijn aan (doctor) Google die een lijst met – meer of minder relevante – websites produceert als ‘antwoord’ op een ingevoerde vraag, spuugt de nieuwe slimme chatbot direct het antwoord uit, in klare taal en vaak al heel accuraat. Amerikaanse onderzoekers (J.W. Ayers e.a.) gaven ons in een veelbesproken artikel in JAMA Internal Medicine (2023) een voorproefje van de mogelijke toepassing en betekenis hiervan in de medische praktijkvoering. Ze vergeleken de antwoorden van artsen en een AI chatbot op (online) gestelde vragen van patiënten, en concludeerden dat de respons van de chatbot in alle gevallen superieur was aan die van de ‘echte dokters’. De chatbot gaf significant vaker een ‘beter antwoord’, verstrekte vaker ‘informatie van (zeer) hoge kwaliteit’ en de antwoorden waren bovendien empathischer geformuleerd. Uiteraard manen de auteurs tot voorzichtigheid – ‘meer onderzoek is nodig naar gebruik van chatbots in de klinische setting’ – maar de resultaten schetsen een (nabije) toekomst van verbeterde communicatie, efficiëntiewinst, werkdrukverlichting, verminderde burnout en productiviteitsverhoging.

Communicatieondersteuning is slechts een voorbeeld van de AI belofte in de geneeskunde. Wetenschappelijke tijdschriften worden overspoeld met artikelen over het gebruik van AI voor, bijvoorbeeld, het interpreteren van ECG’s, MRI beelden, lab uitslagen of genetisch materiaal, de ontwikkeling van nieuwe geneesmiddelen of de verbetering van de precisie geneeskunde, de robotchirurgie of de IC zorg. Studies rapporteren de indrukwekkende prestaties van AI toepassingen in de geneeskunde, die vaak sneller, accurater, en met kleinere foutmarges resultaten bereiken dan ervaren professionals dit tot op heden kunnen. The sky is the limit kun je denken als je louter met een naïeve bril de wetenschappelijke literatuur leest.
Maar naast alle potentie van AI kent het – zeker in deze fase van ontwikkeling en gebruik  – ook gevaren, risico’s en uitdagingen. Denk aan de informatie die een AI gestuurde toepassing kan verzinnen (in het AI jargon ‘hallucinatie’ genoemd), de rol van commerciële partijen in de geneeskunde, het toenemende risico op privacy schendingen en aan alle bias die ongewild en ongemerkt in de brondata sluipt. Voor die bias – ingebakken in de historische data waarop de AI algoritmen gebaseerd zijn – geldt dat resultaten uit het verleden helaas wel garantie bieden voor de toekomst.

Een ding is heel duidelijk. Alle medische disciplines worden door AI beïnvloed en, veel waarschijnlijker nog, er op niet al te lange termijn volledig door getransformeerd. Dat betekent dat artsen ‘aan de bak moeten’: de clinicus zal moeten leren de menselijke en artificiële intelligenties te combineren in de beoefening van de geneeskunde. Dat klinkt misschien als een ‘implementatie-opgave’ maar dat zou een grove onderschatting zijn van het werk dat er voor ligt. Het is veel meer dan een AI-app installeren of een AI-beoordeling van een MRI-scan als extra datapunt ‘meenemen in de diagnostiek’. Toen ik de bijdrage van K. Goodman e.a. in de NEJM las viel bij mij pas echt een kwartje. De auteurs maken duidelijk dat de ‘klassiek’ opgeleide arts en de AI-ondersteunde applicaties fundamenteel anders te werk gaan. Waar de arts-van-nu de pathofysiologie als basis gebruikt voor diagnosestelling en klinisch redeneren – zij probeert te begrijpen waar de normale fysieke processen verstoord raken door ziekte – werkt AI met algoritmen die op basis van kansberekening voorspellen wat de meest waarschijnlijke diagnose  is voor de patiënt. Statistiek dus in plaats van fysiologie en anatomie.
Het leren discussiëren over waarschijnlijkheden wordt daarmee een nieuwe competentie van artsen die AI-ondersteuning gaan gebruiken (lees: alle artsen). En dan hebben we het nog niet eens over de ethische, technische en menselijke uitdagingen die op de rug van AI ook hun entree maken in de klinische praktijk.
Voor de medische opleidingen is het alle hens aan dek. Hoe maken we onze CanMEDS competenties AI-proof? Een vraag waar wereldwijd over wordt nagedacht. Gelukkig maar. Wij kunnen zo ons voordeel doen met de eerste pogingen om nieuwe AI-competenties te definiëren. In Academic Medicine is aan het begin van 2024 een studie van M-Y Lee e.a. gepubliceerd (e-ahead of print); zij geven met de beschrijving van 36 AI-competenties (in 6 domeinen) een indruk van de nieuwe professionele competenties voor (aanstaande) dokters. Willen we niet slaapwandelend de toekomst tegemoet treden, dan kunnen we beter nog vandaag dan morgen samen de AI-handschoen oppakken. “De beste allereerste stap om AI te introduceren in medische opleidingen is om bewustwording te creëren over de potentiële toepassingen en voordelen van AI in de gezondheidszorg”. Tenminste, dat vertelt ChatGPT ons. Ik denk dat we ook de schaduwkanten van meet af aan serieus moeten nemen. En vooral dat we haast moeten maken.

1. Ayers JW, Poliak A, Dredze M, Leas EC, Zhu Z, Kelley JB, et al. Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA internal medicine. 2023;183(6):589-96.

2. Goodman KE, Rodman AM, Morgan DJ. Preparing Physicians for the Clinical Algorithm Era. NEJM. 2023;10;389(6):483-487

3. Lee YM, Kim S, Lee YH, Kim HS, Seo SW, Kim H, Kim KJ. Defining Medical AI Competencies for Medical School Graduates: Outcomes of a Delphi Survey and Medical Student/Educator Questionnaire of South Korean Medical Schools. Acad Med. 2024. DOI: 10.1097/ACM.0000000000005618

Kiki Lombarts
Amsterdam, 16 januari 2024