AI kan artsen niet vervangen. Maar het kan ze beter maken.

Kindertekening van een spreekkamer met het kind op de onderzoekstafel en de dokter achter de computer. Tekening door Ag, 7 jaar, copyright Thomas G. Murphy MD 2011

Enkele jaren geleden schreef Vinod Khosla, de investeerder in Silicon Valley, een provocerend artikel met de titel Do We Need Doctors or Algorithms? Khosla voerde aan dat artsen geen partij waren voor kunstmatige intelligentie. Artsen maken grapjes met patiënten, verzamelen een paar symptomen, jagen in het lichaam naar aanwijzingen en sturen de patiënt weg met een recept. Dit leidt soms (per ongeluk, misschien) tot de juiste behandeling, maar artsen handelen op basis van slechts een fractie van de beschikbare informatie. Een algoritme, schreef hij, zou het beter kunnen doen.

Ik ben een kinder- en jeugdarts in de San Francisco Bay Area, waar ondernemers als Khosla al jaren bij artsen aankloppen met hun pilottechnologieën en software en hardware. Ik kan met enige autoriteit zeggen dat Khosla's stem de stem is van een slimme buitenstaander die weet wat hij weet - wat geen gezondheidszorg is.

Dit verhaal maakte deel uit van ons nummer van november 2018

• Zie de rest van het nummer
• Abonneren

Ja, AI kan ons helpen bij het diagnosticeren en behandelen van ziekten. Het kan grote hoeveelheden gegevens op een duidelijke en beknopte manier verzamelen en presenteren, waardoor de onnauwkeurige beoordelingen die artsen maken vanwege de druk en complexiteit van onze praktijken, worden verminderd. Het lijdt geen twijfel dat voor bepaalde artsen, wiens werk sterk gericht is op diagnose (bijvoorbeeld radiologen of pathologen), die doorbraak een existentiële bedreiging kan vormen. Tien jaar geleden toonden onderzoekers bijvoorbeeld aan dat AI net zo goed was als radiologen in het opsporen van borstkanker.

Maar voor artsen zoals ik in de eerste lijn, die 1.500 tot 2.000 patiënten behandelen, biedt AI een kans. Ik ging naar de medische school om contact te maken met mensen en een verschil te maken. Tegenwoordig voel ik me in plaats daarvan vaak een overbetaalde boekhouder, informatie in me opnemen en terugspugen naar patiënten, medicijnen voorschrijven en doseringen aanpassen, tests bestellen. Maar AI in de examenruimte opent de kans om de kunst van de geneeskunde te heroveren. Het zou me in staat kunnen stellen mijn patiënten beter te leren kennen, te leren hoe een ziekte hen op unieke wijze beïnvloedt en me tijd te geven om hen te coachen naar een beter resultaat.

Overweeg wat AI zou kunnen doen voor astma, de meest voorkomende chronische medische ziekte in de kindertijd. Zes miljoen Amerikaanse kinderen hebben er last van. In 2013 hebben ze samen 14 miljoen schooldagen gemist. De kosten van medicijnen, bezoeken aan de dokter en eerste hulp, en ziekenhuisopnames naderen $ 60 miljard per jaar.

Ik diagnosticeer astma via een vuistregel die in de loop van de tijd is doorgegeven: als je drie of meer piepende ademhalingen hebt gehad en de medicijnen voor astma helpen, heb je de ziekte. Als de diagnose eenmaal is gesteld, vraag ik de ouders om zo goed mogelijk te onthouden hoe vaak ze hun kind medicijnen toedienen. Ik vraag: wat lijkt afleveringen te veroorzaken? Wordt het kind blootgesteld aan iemand die thuis rookt? Ik kan ook hun gegevens bekijken om te tellen hoeveel bezoeken aan de eerste hulp ze hebben gehad, of het aantal keren dat ze hun recepten hebben bijgevuld.

Maar zelfs met de meest nauwkeurige terugroepactie door ouders en patiënten en de meest nauwkeurige elektronische gegevens, is het nog steeds slechts kennis achteraf. Er is geen proactieve, voorspellende strategie.

Het is niet dat we de gegevens niet hebben; het is gewoon dat het rommelig is. We besteden een groot deel van onze tijd aan het proberen te begrijpen.

Het is niet dat we de gegevens niet hebben; het is gewoon dat het rommelig is. Massa's gegevens verstoppen de inbox van de arts. Het komt in vele vormen en uit verschillende richtingen: objectieve informatie zoals laboratoriumresultaten en vitale functies, subjectieve zorgen die komen in de vorm van telefoonberichten of e-mails van patiënten. Het is allemaal gefragmenteerd en we besteden een groot deel van onze tijd als artsen aan het proberen ervan te begrijpen. Technologiebedrijven en beginnende startups willen de data-aansluiting nog verder openen door hun direct-to-consumer-apparaten - telefoon, horloge, bloeddrukmanchet, bloedsuikermeter - continue stroom nummers rechtstreeks naar ons te laten sturen. We hebben moeite om het bij te houden, en de percentages van burn-out onder artsen blijven stijgen.

Hoe kan AI dit oplossen? Laten we beginnen met de diagnose. Hoewel de klinische manifestaties van astma gemakkelijk te herkennen zijn, is de ziekte veel complexer op moleculair en cellulair niveau. De genen, eiwitten, enzymen en andere oorzaken van astma zijn zeer divers, zelfs als hun omgevingstriggers elkaar overlappen. Een aantal experts denkt nu over astma op dezelfde manier als over kanker: een overkoepelende term voor een ziekte die varieert afhankelijk van de locatie van de tumor en cellulaire kenmerken. Ian Adock van het National Heart & Lung Institute aan het Imperial College, Londen, bestudeert het verband tussen astma en het milieu. Hij en zijn team hebben biologische monsters verzameld van bloed, urine en longweefsel van astmapatiënten en hebben de genetische en moleculaire markers die hij vindt geordend in subtypes van astma. De hypothese is dat met dat soort kennis patiënten het medicijn kunnen krijgen dat voor hen het beste werkt.

AI kan ook helpen bij het beheersen van astma-aanvallen. Voor veel patiënten wordt astma erger naarmate de luchtvervuiling stijgt, zoals afgelopen zomer gebeurde toen bosbranden door Noord-Californië raasden. AI zou ons in staat kunnen stellen milieu-informatie te verzamelen en proactief te reageren. In 2015 publiceerden onderzoekers een onderzoek waaruit bleek dat ze het aantal astma-gerelateerde bezoeken aan de eerste hulp aan een ziekenhuis in Dallas-Fort Worth konden voorspellen. Ze haalden gegevens uit patiëntendossiers, samen met luchtvervuilingsgegevens van EPA-sensoren, Google-zoekopdrachten en tweets die termen als piepende ademhaling of astma gebruikten. De gegevens van Google en Twitter waren gekoppeld aan de locatiegegevens van de gebruiker.

Als ik dit soort gegevens had, zou ik kunnen zeggen, Alexa, over welke astmapatiënten ik me vandaag zorgen moet maken. Ik zou de getroffen families kunnen waarschuwen. En als ik ook wat genetische gegevens had, zoals die van Adock, kon ik astma diagnosticeren voordat de patiënt drie keer piepende ademhaling kreeg, door bloedonderzoek te laten doen en de resultaten te vergelijken met die moleculaire markers.

Door dit soort tijdbesparende intelligentie kan ik meer tijd aan mijn patiënten besteden. Eén onderzoek toonde aan dat astmatische kinderen hun inhalatiemedicatie slechts ongeveer de helft van de tijd gebruikten of kregen. AI zou me meer tijd kunnen geven om persoonlijk met die kinderen om te gaan en betere resultaten te krijgen.

Er liggen veel vragen in het verschiet. Zijn patiënten bereid om meer van hun persoonlijke gegevens met ons te delen? Als de AI laat zien dat uw zorg op een bepaalde manier beter is, maar u of uw arts denkt daar anders over, accepteert een verzekeringsmaatschappij het dan? Wat als het algoritme iets mist of verkeerd wordt toegepast? Wie is aansprakelijk, de dokter of de maker van de machine?

Niet lang geleden, in de Tijdschrift van de American Medical Association , zag ik een kleurrijke foto getekend door een kind in krijt. Het beeldde haar kinderarts uit, met haar ogen op de computer gekluisterd, terwijl ze met grote ogen op de onderzoekstafel zat. Ik hoop dat KI me binnenkort in staat zal stellen mijn aandacht weer op dat kleine meisje te richten.

Rahul Parikh is een kinderarts in de San Francisco Bay area.

zich verstoppen