Succesvolle AI: hoe maak je dat meetbaar?
Artificial Intelligence (AI) wordt ook binnen de zorg steeds meer toegepast. Maar wanneer kunnen we spreken van een succes? En hoe meten we dat? Tijdens een gezamenlijke bijeenkomst van het Netwerk AI en het Netwerk Innovatie op 27 maart wisselden ruim 120 geïnteresseerden met elkaar van gedachten over methoden om de waarde van AI-toepassingen in verschillende zorgdomeinen te evalueren.
Richard Dasselaar, expert digitale transformatie en strategie bij de Erasmus Universiteit, deelde zijn ervaringen over het opstellen van een business case voor AI. Hij nam de aanwezigen mee in een casus over AI bij hartfalen vanuit het perspectief van waardegedreven zorg. Dasselaar: ‘Jaarlijks overlijden ongeveer 17 miljoen mensen wereldwijd aan ongediagnosticeerd hartfalen. Het zou goed zijn om risicogroepen vroegtijdig in beeld te brengen met behulp van AI.’ Maar wanneer is zo’n AI-model goed genoeg? Dasselaar ging in op verschillende factoren om AI mee te evalueren, zoals de voorspellende waarde, de patiëntwaarde en monetaire waarde.
Tijd besparen met AI in de ggz
Annette Zoete, expert ggz, vertelde hoe Digizo zich inzet om bewezen effectieve werkprocessen breder op te schalen zodat ze landelijk toegepast kunnen worden. ‘Lokale implementatie van nieuwe technologie in een paar ziekenhuizen lukt vaak nog wel, maar landelijk toepassen geeft de nodige uitdagingen. Digizo ondersteunt daarbij. Evaluatie van AI-toepassingen is daarbij een belangrijke eerste stap.’ Zoete nam de deelnemers mee in een casus ove spraakgestuurde rapportage in de ggz. ‘Binnen de ggz kan AI helpen de administratielast te verlichten en meer tijd te hebben voor onze cliënten. Digizo heeft hiervoor een aantal AI-toepassingen getoetst op veiligheid en opschaalbaarheid en adviezen gegeven over effectieve implementatie. Momenteel zijn we bezig met een subsidietraject om meer data over de meerwaarde te kunnen verzamelen.’
AI binnen de radiologie
Jan-Jaap Visser, radioloog bij het Erasmus MC en Marieke Zimmerman, directeur van de Nederlandse Vereniging voor Radiologie, sloten af met een toelichting op het AIFI-project binnen de radiologie. Visser: ‘Er is een toenemende vraag naar radiologische diagnostiek, waardoor de werkdruk onder radiologen hoog is en de wachttijd voor patiënten toeneemt. AI kan hierbij helpen, maar de huidige initiatieven zijn nog lokaal en erg versnipperd. Met het AIFI-project werken we aan toetsing en inkoop van AI-toepassingen voor de radiologie met het doel deze landelijk uit te rollen. Het gaat dan bijvoorbeeld om automatisering van berekeningen en metingen, ondersteuning bij beeldanalyse en eerste snelle triage.’
Met een pilot in vijf ziekenhuizen is een haalbaarheidsonderzoek gedaan voor drie AI-toepassingen waarbij beelden via de landelijke Twiin-infrastructuur worden gedeeld voor AI-analyse. Onder meer is er bij elk van de AI-toepassingen gekeken naar klinisch toegevoegde waarde, technische invulling, financiële uitwerking, mogelijkheden voor centrale inkoop, business modellen en inpassing binnen het zorgproces. Zimmerman: ‘De resultaten zijn veelbelovend en de eerste reacties vanuit de ziekenhuizen zijn positief. Wel blijft een belangrijk aandachtspunt bij het gebruik van AI: let erop dat je zelf blijft nadenken. Als je dat doet, kan AI van grote waarde zijn.’
Wil je meer weten over de activiteiten en speerpunten van de commissie AI of verslagen lezen van eerdere bijeenkomsten? Kijk dan op onze themapagina AI.