Spotmatik Ltd / Shutterstock
De huidige NHS heeft te maken met ernstige tijdsbeperkingen, met het risico van korte consulten en zorgen over het risico van verkeerde diagnoses of vertraagde zorg. Deze uitdagingen worden nog verergerd door beperkte middelen en overbelast personeel, wat resulteert in lange wachttijden voor patiënten en generieke behandelingsstrategieën.
Medewerkers kunnen werken met een oppervlakkig overzicht van patiëntgegevens, waarbij ze vertrouwen op de basis anamnese en recente testresultaten. Dit gebrek aan uitgebreide gegevens belemmert hun vermogen om de behoeften van de patiënt volledig te begrijpen en brengt de nauwkeurigheid en individualisering van diagnoses en behandelingen in gevaar. Een dergelijke benadering van de gezondheidszorg, die wordt gekenmerkt door deze beperkingen en verbintenissen, kan treffend “oppervlakkige geneeskunde” worden genoemd.
De Amerikaanse cardioloog en wetenschapper Eric Topol introduceerde het concept van “deep medicine” in zijn boek Deep Medicine uit 2019: How Artificial Intelligence Can Make Healthcare Human Again. Hij bekritiseert het oppervlakkige medicijnmodel van de VS en biedt inzichten uit zijn klinische en persoonlijke ervaringen.
Diepe geneeskunde heeft het potentieel om een revolutie teweeg te brengen in de medische diagnostiek, de effectiviteit van behandelingen en operationele overwegingen. Topol presenteert kunstmatige intelligentie (AI) als de transformatieve oplossing voor deze systemische ondiepe problemen. Hij schetst wat hij het raamwerk voor diepe geneeskunde noemt als een allesomvattende strategie voor de integratie van AI in verschillende aspecten van de gezondheidszorg.
Het raamwerk van deep medicine is gebouwd op drie kernpijlers: deep phenotyping, deep learning en deep empathy. Deze pijlers zijn allemaal met elkaar verbonden en de toepassing van dit raamwerk zou de patiëntenzorg kunnen verbeteren, het personeel in de gezondheidszorg kunnen ondersteunen en het hele NHS-systeem kunnen versterken.
Diepe fenotypering
Deep phenotyping verwijst naar een uitgebreid beeld van de gezondheidsgegevens van een individu, gedurende een heel leven. Een diep fenotype gaat veel verder dan de beperkte gegevens die worden verzameld tijdens een standaard medische afspraak of gezondheidsaflevering. Het omvat zaken zoals iemands genetische code, het volledige DNA van een individu en informatie over de microben of het microbioom van het lichaam.
Het omvat wat bekend staat als het “exposoom”, de dingen in de omgeving waaraan iemand tijdens zijn leven wordt blootgesteld, zoals luchtvervuiling. Het omvat markers die details onthullen van de metabole processen die plaatsvinden in het lichaam van een persoon en de eiwitten die hun lichaam tot expressie brengt, evenals andere biologische metingen en metriek. Het omvat het elektronisch medisch dossier van een persoon, inclusief zijn medische geschiedenis, diagnoses, behandelingen en labresultaten.
Diep leren
De filosofie die ten grondslag ligt aan deep phenotyping is het combineren van deze diverse gegevens om nauwkeurigere en snellere diagnoses en precieze en effectieve behandelingen mogelijk te maken en om voorspellende en preventieve geneeskunde strategieën te bevorderen. Alleen al het volume en de complexiteit van de verzamelde gegevens stellen ons echter voor grote uitdagingen bij het analyseren van al deze gegevens. Dit is waar deep learning – een gebied van AI dat de beslissingskracht van het menselijk brein probeert te simuleren – zo waardevol is. Diep leren maakt gebruik van een algoritme dat een neuraal netwerk wordt genoemd en dat computers gebruikt die met elkaar verbonden zijn om informatie te delen, een beetje zoals zenuwcellen, of neuronen, in de hersenen.
AI kan mogelijk het gebruik van diagnostische hulpmiddelen verbeteren.
Elif Bayraktar / Shutterstock
Dankzij de vooruitgang in neurale netwerkalgoritmen, technologie en beschikbaarheid van digitale gegevens kunnen neurale netwerken indrukwekkende prestaties laten zien. Ze hebben het bijvoorbeeld mogelijk gemaakt om medische beelden, zoals röntgenfoto’s en MRI’s, snel en nauwkeurig te analyseren. Ze kunnen rapporten genereren en het ziekteverloop en de resultaten voor de patiënt voorspellen.
AI blijkt waardevol te zijn bij het ontdekken van medicijnen en het identificeren van chemische markers in het lichaam, zoals markers die de aanwezigheid van kanker kunnen aangeven. Ze kunnen instrumenten aansturen die worden gebruikt bij robotchirurgie. Daarnaast kan AI-technologie zoals die achter ChatGPT medische literatuur en patiëntendossiers verwerken om complexe diagnoses te helpen stellen. Ze kunnen schrijftaken automatiseren, zoals het maken van aantekeningen en het invoeren van gegevens.
Diepe empathie
Het integreren van AI-systemen zou kunnen helpen bij het stroomlijnen van operationele taken in gezondheidsdiensten zoals de NHS. Denk hierbij aan bedbeheer en ziekenhuisworkflows. De ontwikkeling van AI-technologieën mag echter niet lukraak gebeuren, maar moet gericht zijn op echte klinische behoeften en ontworpen zijn om betere relaties tussen patiënten en personeel te bevorderen. Dit is de pijler van diepe geneeskunde die bekend staat als diepe empathie.
De gezondheidszorg is steeds meer een discipline geworden waar de menselijke maat, ooit de hoeksteen, overschaduwd wordt door een meedogenloos streven naar efficiëntie. Medewerkers in de gezondheidszorg worden geconfronteerd met een toenemende last van administratieve taken. Dit kan de tijd die ze aan elke patiënt besteden verminderen, waardoor de essentie en de potentiële voordelen van meelevende zorg worden uitgehold.
Medewerkers hebben de gevoeligheid en tijd nodig om te reageren op de emotionele en psychologische behoeften van patiënten en hun familie. Dit bevordert een ondersteunende en meelevende zorgomgeving en versterkt de menselijke band in het hart van de gezondheidszorg.
AI-oplossingen kunnen worden ontworpen om de administratieve lasten voor het personeel te verminderen, waardoor er meer mogelijkheden ontstaan voor zinvolle interactie met patiënten. Door deze barrières weg te nemen, kunnen we ons meer richten op directe patiëntenzorg, waardoor de kwaliteit van de dienstverlening en hopelijk ook de patiënttevredenheid verbetert.
Er is ook een transformerende kans om efficiëntie te heroverwegen, waarbij relaties tussen patiënten en personeel centraal staan. Er wordt een toekomst voorzien waarin zorgpersoneel uitblinkt in zowel technische vaardigheden als emotionele intelligentie, waardoor ze in staat zijn om met oprecht begrip en mededogen tegemoet te komen aan de psychologische behoeften van patiënten.
Will Jones werkt niet voor, voert geen advies uit over, bezit geen aandelen in en ontvangt geen financiering van bedrijven of organisaties die baat hebben bij dit artikel en heeft geen relevante banden bekendgemaakt buiten zijn academische aanstelling.