Het programma ‘Waardevolle AI voor gezondheid’ van het ministerie van VWS wil het potentieel van AI binnen de gezondheidszorg benutten en de randvoorwaarden daarvoor helpen creëren. Voor het ontwikkelen van opschaalbare en breed-inzetbare AI-toepassingen moet er veel worden geïnvesteerd, onder meer in het opzetten van grote datasets, de technologie, de ontwikkel- en implementatietrajecten en de nodige juridische en beleidsmatige voorzieningen.
AI-toepassingen in gezondheid en zorg kunnen helpen de juiste zorg op de juist plek te realiseren en de zorg kwalitatief beter, goedkoper en efficienter te maken. Daarom richtte het Nederlandse ministerie van Volksgezondheid, Welzijn en Sport (VWS) twee jaar geleden het programma ‘Waardevolle AI voor gezondheid’ op, om zorgpartijen op weg te helpen en te ondersteunen waar mogelijk.
Onlangs publiceerde VWS een rapport met een zogeheten maatschappelijke kosten-batenanalyse (MKBA). Centrale vraag: wat kosten AI-toepassingen, en wat leveren ze op? Het onderzoek, dat tussen juni en december 2021 plaatsvond, richtte zich op drie vragen. Blijven er mogelijkheden voor (rendabele) AI tot op heden on(der)benut? En zo ja, welke mogelijkheden blijven onderbenut en wat is de potentiële opbrengst van deze AI toepassingen? En indien deze mogelijkheden onderbenut blijven, waardoor komt dat (marktfalen of overheidsfalen)?
Drie casussen onderzocht
Centraal in het rapport staan drie al bestaande zorgtoepassingen met een AI-component. Die drie toepassingen vormen volgens de auteurs een goede afspiegeling van de huidige en verwachte toekomstige mogelijkheden van de inzet van AI in de gezondheidszorg. MonitAir is een zelftest ontworpen om de impact van longaanvallen te verminderen, ondersteund door AI. De software van Quantib helpt om sneller en accurater een diagnose stellen, door beeldherkenning. En zorgrobot Tessa gebruikt ook AI om zelfstandig ‘betekenisvolle’ interactie met mensen aan te gaan. Voor elk van deze casus werd een verkennende maatschappelijke kosten-batenanalyse (MKBA) opgesteld.
Maatschappelijke kosten en baten van toepassing van AI in de zorg
Potentiële opbrengsten van kunstmatige intelligentie in de zorg zijn betere gezondheid voor patiënten, vermindering of beheersing van zorgkosten en verbetering van de inzet van de zorgcapaciteit. Volgens de auteurs is er een rode draad in de onderzochte casussen. Voor patiënten zijn in bijna alle onderzochte gevallen de gezondheidsbaten hoger dan de kosten (aangenomen dat hun bijdrage aan de zorgkosten niet verandert). Alle drie de casussen laten (in potentie) een positieve verhouding van maatschappelijke baten en kosten zien: de innovaties leveren - maatschappelijk - meer op dan ze kosten. De grootste baten zijn verbetering van de kwaliteit van leven van patiënten, vermindering van de zorgkosten en een efficiënt gebruik van de zorgcapaciteit.
De balans van baten en kosten voor zorgaanbieders en zorgverzekeraars verschilt per casus en per sector waarin de AI-toepassing wordt gebruikt, blijkt uit het rapport. Eén casus laat zien dat de AI-toepassing (potentieel) voordelig is voor zowel zorgaanbieder als zorgverzekeraar. In dit geval is er niet alleen sprake van een maatschappelijke rendabele investering, maar ook van een financiële business case voor deze partijen.
In de andere twee casussen is er sprake van een positief saldo voor de zorgverzekeraar, maar een negatief saldo voor de zorgaanbieder. Hier staat wel een (niet in geld uitgedrukte) baat in de vorm van betere allocatie van de inzet van zorgverleners tegenover.
Organisatie, financiering en technologie
Eigenlijk, concluderen de onderzoekers, zie je dezelfde mechanismen als bij andere innovaties in de zorg. Ze zien belemmeringen op het gebied van organisatie en cultuur, financiering en op het gebied van technologie. Er zijn een aantal concrete aanbevelingen voor zorgprofessionals en bestuurders die met toepassingen van kunstmatige intelligentie te maken krijgen.
Een van de vragen in de praktijk is de effectiviteit van software die zelf 'leert leren'. Bij AI-technologie is de uitdaging om doelmatigheid aan te tonen groter omdat de technologie ‘leert’ tijdens het gebruik. Zo zou onderzocht kunnen worden of het mogelijk is om ook de implementatie en ‘leerperiode’ van AI toepassingen anders te financieren, bijvoorbeeld op basis van voorwaardelijke financiering, of het gebruik van meerjarencontracten of andere afspraken met de verzekeraar. De eerder in 2021 gepubliceerde Leidraad kwaliteit AI in de zorg biedt handvatten om de doelmatigheid van AI van te voren beter in te schatten.
Gebrek aan data
Met name de behoefte aan data en gebrek aan informatie-uitwisseling is een belemmering die voor veel meer zorginnovatie geldt. Toch is er bij AI wel iets speciaals aan de hand: AI-toepassingen kenmerken zich door de behoefte aan data die de gebruikte algoritmes kunnen aanscherpen en daarmee gaandeweg de toepassing verbeteren. Probleem is dat zorgorganisaties vanuit privacyoverwegingen vaak huiverig zijn om grote hoeveelheden data te delen.
Het is lastig om hiervoor snelle oplossingen te formuleren, aldus het rapport, maar er zijn wel een aantal te begane paden te identificeren. Voor wat betreft het verkrijgen van toestemming van patiënten voor het gebruik van hun gegevens is uit onderzoek gebleken dat slim uitvragen of het goed inbedden van de vraag in het proces (of bijvoorbeeld in de app als dat van toepassing is) de kans hierop kan vergroten. Om de belangrijkste belemmeringen voor databeschikbaarheid weg te nemen, werd er gelijktijdig met het rapport ook een Nationale routekaart voor databeschikbaarheid ten behoeve van secundair gebruik (AI) gepubliceerd. Ook bij het Informatieberaad Zorg staat het onderwerp op de agenda, als onderdeel van standaardisatie van informatie.
Door samen te werken met zorginstellingen en zorgverleners bij de ontwikkeling van AI-toepassingen kunnen ontwikkelaars ervoor zorgen dat data eerder en eenvoudiger toegankelijk zijn voor partijen.
Beperkte kennis bij bestuurders
Volgens het rapport is er ook nog maar beperkte kennis bij bestuurders en zorgprofessionals over AI. Zij zien het vaak als risico in plaats van een kans. De grootste zorgen van chief medical information officers (CMIO’s) met betrekking tot AI in de zorg zijn het gebrek aan kennis en ervaring van zorgprofessionals. Bij zorgverzekeraars geldt over het algemeen dat beperkt inzicht in baten van AI toepassingen voor zorgverzekeraars, niet overtuigt van meerwaarde.
De grote marktmacht van softwareleveranciers kan er direct en indirect voor zorgen dat instellingen niet optimaal gebruik maken van de beschikbare AI-toepassingen op de markt. Een voorbeeld hiervan is het beperkt meewerken van de grote softwareleveranciers om de benodigde koppelingen met de AI toepassing van een andere leverancier mogelijk te maken, bijvoorbeeld doordat updates niet automatisch worden meegenomen. Hierdoor is het onaantrekkelijk voor een instelling om een samenwerking gaan te gaan met een (kleinere) leverancier van een AI-toepassing.
Vier samenwerkende algemene ziekenhuizen en één topklinisch (STZ-)ziekenhuis zijn daarom sinds 2020 al gezamenlijk aan de slag met voorspellingsmodellen op basis van eigen patiëntendata. Daar moet volgens hun snel meer vaart in komen, anders raken ziekenhuizen de regie over AI-toepassingen kwijt en krijgen de softwareleveranciers een nieuwe cashcow in handen.
masterclass kunstmatige intelligentie in de zorg
Ook in 2022 organiseert Smarthealth de twee-daagse masterclass Kunstmatige intelligentie in de zorg. Met topsprekers uit de wetenschap, het bedrijfsleven, de kliniek en startups, die gastlessen voor hun rekening nemen. De masterclass vindt plaats op 31 maart & 1 april 2022 (Brussel, België) en in mei 2022 (Houten, Nederland).
Plaats een Reactie
Meepraten?Draag gerust bij!