AI krijgt steeds grotere rol datagebruik voor preventie
- PDF / 717,552 Bytes
- 3 Pages / 595.276 x 841.89 pts (A4) Page_size
- 69 Downloads / 150 Views
24
AI krijgt steeds grotere rol
DATAGEBRUIK VOOR PREVENTIE GEZONDHEIDSZORG VAN DE TOEKOMST
Zorgvisie//tech september 2020
Kunstmatige intelligentie kan van nut zijn om ziekten vroeger te ontdekken of zelfs te voorkomen. Dat kan zorgkosten besparen en dus een verdienmodel opleveren. tekst Tea Keijl beeld ipopba/Getty Images/iStock
DE GEZONDHEIDSZORG PRODUCEERT EEN ENORME HOEVEELHEID DATA. Zowel zorgaanbieders als individuele burgers produceren die. Denk bij die tweede categorie aan smartwatches en fitness trackers die gegevens als hartslag, bloeddruk en slaappatronen registreren. Ook hoe mensen zich gedragen op sociale media levert een schat aan data op. ‘Door veel verschillende databronnen over een langere tijd te analyseren kunnen computers patronen herkennen en daardoor dingen leren: dat is wat AI in de kern is’, legt Daan Dohmen uit. Machine learning, ofwel functionele intelligentie buiten het menselijk brein om, is een veel voorkomende vorm van AI. ‘Maar’, benadrukt de oprichter en eigenaar van gezondheidstechbedrijf Luscii meteen, ‘het zijn altijd mensen die dienen te bepalen wat er vervolgens met de signalen van AI gebeurt.’ Als voorbeeld noemt hij de Apple Watch, die in staat is een verdenking van een hartritmestoornis te detecteren. ‘Dat woord verdenking is cruciaal. Want het is aan de arts om te valideren of de signalen kloppen en vervolgens of er wel of geen behandeling nodig is.’
Het vroege opsporen van hartritmestoornissen en andere afwijkingen of ziekten valt onder de secundaire preventie. Maar er zijn ook toepassingen in de primaire preventie mogelijk, zoals het voorkomen van leefstijlgerelateerde ziekten als diabetes type 2. Het is bekend dat overgewicht het risico daarop sterk vergroot. PwC (Strategy&) becijferde dat AI in Europa een besparing van maar liefst 90 miljoen euro kan opleveren in de preventie van obesitas bij kinderen. Met data van heel jonge kinderen valt nauwkeurig te voorspellen wie wel en wie niet obesitas zal ontwikkelen. Kunstmatige intelligentie kan bovendien relaties verduidelijken tussen obesitas en factoren als genetische aanleg, metabolisme en omgeving. Daarmee ontstaat kennis over waarom de een wel diabetes ontwikkelt en de ander niet. AI kan vervolgens ook nog de effecten van interventies in kaart brengen, en deze verbeteren en persoonlijker maken. Tel uit je winst, zou je kunnen zeggen. Maar zo eenvoudig ligt het niet. Met name de laatste stap, het effectiever maken van interventies, is nog geen gelopen race. ‘De interactie tussen mens en machine heeft nog veel aandacht nodig’, weet Carla Rombouts van TNO. Zij werkt daar als business development manager healthy living. ‘Hoe kunnen we die interactie optimalise-
ren? Hoe kunnen de gepersonaliseerde adviezen van AI daadwerkelijk tot gezondere keuzes leiden? TNO doet onderzoek op dat vlak, ook bij diabetes type 2. We onderzochten de wisselwerking tussen kinderen en de robot die hen leefstijladviezen geeft. Welke adviezen worden wel opgevolgd, welke niet? Het algoritme in de robot leert gaandeweg steeds beter te reager
Data Loading...
