Hoe artificiële intelligentie, digitalisering en big data ons kunnen helpen bij verantwoordbare zorg

Digitalisering en artificiële intelligentie (AI) bieden mogelijkheden om de gezondheidszorg te optimaliseren. Vooral machine learning gebaseerd op neurale netwerktechnologie, waaronder deep learning of gebaseerd op beslisboomtechnologie, worden in die context naar voren geschoven. Succesvolle implementatie van dergelijke algoritmes vooronderstelt inzicht in hun architectuur en werking om ze te kunnen inzetten op de juiste plaats en met realistische verwachtingspatronen. Machine learning algoritmes zijn ideaal voor classificatie en prognosticatie, maar zijn contextgelimiteerd en bezitten geen (klinisch) gezond verstand. De kwaliteit van de datasets is sterk bepalend voor de performantie van de erop getrainde algoritmes. De datasets moeten voldoende representatief zijn om externe validiteit te hebben en mogen bestaande bias, zoals op basis van geslacht, niet versterken. Big data kunnen ook problemen rond privacy, aansprakelijkheid en beroepsgeheim genereren. Men mag ook de klassieke valkuilen niet uit het oog verliezen. Zo zal een lage pre-test probabiliteit aanleiding geven tot een groot aantal fout-positieven, zelfs bij een performant algoritme. Ten slotte zal AI problemen met een ethische dimensie, zoals bv. cut-offs voor triage, nooit kunnen oplossen. Deze paper wil belangrijke basisbegrippen aanreiken die de gebruiker nodig heeft om zinvol te kunnen omgaan met AI in de context van gezondheidszorg.