Hieronder een aantal stellingen met betrekking tot AI, en hoe ETZ en Aigency daar naar kijken in het kader van Technologie en Innovatie.
Mijn zorgorganisatie moet geen eigen AI toepassingen ontwikkelen
Uitleg
Het ontwikkelen van AI modellen als basis voor AI toepassingen kan soms jaren duren en vergt enorme hoeveelheden data, tijd, en technologie. Veel AI modellen en de toepassingen er omheen komen nooit uit de onderzoeks- en ontwikkelfase, en het vergt significante investeringen met name op onderzoeksgebied om potentieel bruikbare toepassingen de overstap te laten maken naar de praktijk. Deze stelling gaat over die balans en stelt ter discussie of een zorgorganisatie zelf AI toepassingen zou moeten ontwikkelen.
ETZ: Eens
In het ETZ kiezen we er als onderdeel van de AI-strategie voor om de nadruk te leggen op de implementatie van bestaande AI-toepassingen in plaats van zelf nieuwe toepassingen en modellen te ontwikkelen. Deze keuze is gebaseerd op het feit dat het na ontwikkeling van een AI-toepassing of model nog vele stappen vergt om deze daadwerkelijk te implementeren aan het bed. Wanneer de focus op ontwikkeling ligt, blijven er minder middelen over voor het doorlopen van de implementatiestappen. De implementatiefase brengt bovendien diverse uitdagingen met zich mee die om veel tijd, aandacht en financiële middelen vragen, zoals scholing van medewerkers, integratie in de workflow van zorgverleners, naleving van wet- en regelgeving, en waarborging van privacy.
Om die reden hebben wij als perifeer ziekenhuis de vuistregel dat de ontwikkeling van AI-toepassingen primair bij bedrijven, onderzoeksinstellingen en academische ziekenhuizen plaatsvindt, en dat onze organisatie zich voornamelijk richt op de implementatie van reeds bestaande toepassingen.
Daarentegen valt het wel binnen onze aanpak om in samenwerking met de industrie en academie te werken aan het klaarstomen van toepassingen in de laatste fasen van ontwikkeling. We zien groot belang in het borgen dat nieuwe toepassingen goed in het zorgproces passen en naadloos geïntegreerd kunnen worden in de werkprocessen. Zonder investering vanuit zorgorganisaties tijdens het ontwikkelproces zullen toepassingen minder goed aansluiten en daarom minder rendement opleveren.
Aigency: Oneens
Hoewel we het principe aanhouden van eerst inkopen, dan collectief ontwikkelen en pas als laatste zelf bouwen, sluiten we eigen ontwikkeling niet uit. In specifieke gevallen waarin de markt tekortschiet, of wanneer maatwerk nodig is, kan eigen ontwikkeling gerechtvaardigd zijn, mits goed onderbouwd, duurzaam en schaalbaar.
Er moet meer geïnvesteerd worden in implementatie van bestaande AI dan in ontwikkeling van AI
Uitleg
Uit recent onderzoek blijkt dat slechts 2% van de ontwikkelde AI-modellen in de zorg daadwerkelijk worden geïmplementeerd. Dit betekent dat 98% van deze modellen niet wordt ingezet aan het bed of gebruikt wordt in de praktijk.
ETZ: Eens
Er zijn uiteenlopende oorzaken aan te wijzen voor het feit dat slechts 2% van de ontwikkelde AI-modellen aan het bed komt, maar dit leidt in feite tot inefficiënt gebruik van middelen. Er gaat immers veel onderzoeksgeld naar de ontwikkeling van nieuwe AI-modellen, terwijl slechts een klein deel daarvan in de praktijk toegepast wordt. Daarom pleiten wij ervoor om meer te investeren in de implementatie van bestaande AI-oplossingen, in plaats van grotendeels te focussen op de ontwikkeling van nieuwe modellen.
Aigency: Eens
In de zorg is sprake van een wirwar aan experimenten met AI. Helaas komt maar een klein deel van die experimenten verder dan de pilotfase, ondanks dat experimenten vaak wel succesvol zijn. Wij pleiten voor meer aandacht, middelen en structuur voor het implementeren van bewezen toepassingen. Dat is nodig om AI echt impactvol te maken in het werkveld, een geslaagd experiment is namelijk evengoed zonder waarde als een gefaald experiment, zolang het niet in het zorgveld geïmplementeerd kan worden.
AI heeft de meeste waarde voor de zorg als klinische beslisondersteuning
Uitleg
Klinische beslisondersteuning doelt op hulp bij diagnostiek, therapie, monitoring, prognose en preventie; in feite bij alles wat onderdeel is van het zorgproces van een individuele patiënt, waarbij AI direct bijdraagt aan betere besluitvorming.
ETZ: Oneens
AI biedt op diverse manieren waarde voor de zorgsector. Over het algemeen kan AI worden ingezet voor administratieve ondersteuning, logistieke ondersteuning of klinische beslisondersteuning. Klinische beslisondersteuning als AI-ondersteuning is uitermate waardevol. Toch mogen de andere vormen niet worden onderschat. Administratieve AI, zoals systemen die een medisch dossier samenvatten of automatisch een ontslagbrief genereren, kunnen eveneens een grote rol spelen. Logistieke AI zorgt voor efficiëntere planningen, bijvoorbeeld van operaties en de inzet van verpleegkundigen op afdelingen. Deze toepassingen leveren waarde op een andere manier: vooral aan de kant van zorgverleners (tijdsbesparing) en zorginstellingen (financieel). Echter, hierdoor profiteren indirect uiteindelijk ook individuele patiënten. Betere logistiek en meer beschikbare tijd zorgt immers voor efficiëntere, kwalitatief hoogwaardige zorg. Daarom is het ETZ het oneens met de stelling dat AI het meest waardevol zou zijn voor klinische beslisondersteuning. Ook administratieve en logistieke AI leveren namelijk veel waarde, zowel aan de zorgverlener en instelling als indirect aan de patiënt.
Aigency: Oneens
AI is breed toepasbaar in de zorg. AI kan artsen en verpleegkundigen helpen bij het interpreteren van complexe informatie, zoals medische beelden of laboratoriumuitslagen, en kan via beslisbomen en risicovoorspellingen bijdragen aan meer consistente en nauwkeurige besluitvorming. Bovenstaande zijn voorbeelden van klinische beslisondersteuning, echter kan AI op veel meer vlakken waarde leveren binnen de zorg. Denk aan verlichting van administratie, hulp bij zoeken naar informatie of andere delen van het zorgproces. Ook op andere vlakken is AI heel waardevol voor de zorg, waardoor wij niet vinden dat gesteld kan worden dat het meeste waarde te vinden is in klinische beslisondersteuning.
Implementatie van AI in de zorg vereist gespecialiseerde expertise in de zorginstelling
Uitleg
Het implementeren van AI toepassingen vereist specialistische kennis op het gebied van ICT, AI, én implementatietrajecten in het algemeen.
ETZ: Eens
Voor een goede implementatie van AI in de zorg heb je een multidisciplinair team nodig van technici en medici die samenwerken. Je hebt mensen nodig die het zorgdomein heel goed begrijpen, het werk van de zorgverlener goed begrijpen en een oog hebben voor de patiënt. Maar je hebt ook die techneuten nodig die weten wat ze met bepaalde technologie zoals AI kunnen en vooral ook wat ze er niet mee kunnen. En daartussen heb je mensen nodig die beide talen spreken, zowel de taal van de zorgverlener als van de technicus. Overstijgend heb je ook ondersteuning van management nodig. Je hebt op bestuursniveau een visie en strategie nodig en je hebt aansturing nodig waarop AI goed wordt ingebed in de hele organisatie. Hoe je het wendt of keert, al die mensen moeten tot op zekere hoogte iets van AI weten om zowel de kansen te zien als de beperkingen. En daarom heb je gespecialiseerde kennis nodig van zowel AI als de organisatie, als je AI goed wil implementeren in de zorg.
Aigency: Eens
Implementatie van AI in de zorg zonder de juiste expertise is vergelijkbaar met een vliegtuig laten vliegen zonder piloot. AI raakt aan medische veiligheid, ethiek, wetgeving en databeheer. Zorgprofessionals moeten begrijpen hoe ze AI-resultaten moeten interpreteren, wanneer ze moeten ingrijpen, en wat de beperkingen zijn. Daarnaast is er nood aan technische expertise binnen instellingen om de juiste AI-tools te selecteren, configureren en evalueren. Daarom pleiten wij voor het aanwezig zijn van specialistische kennis vanuit meerdere invalshoeken binnen zorginstellingen.
Mijn zorginstelling loopt achter op het gebied van AI
Uitleg
Deze stelling is bedoeld om zelfreflectie toe te passen binnen de context van diens eigen instelling. Wees hierbij kritisch maar focus ook op wat er goed gaat. Het gaat binnen de zorg niet om als eerste bij de nieuwe trend zijn, maar op een verstandige en duurzame wijze met oog op privacy en wetgeving, de nieuwe technologie te omarmen, passend bij de mogelijkheden van de eigen organisatie.
ETZ: Oneens
Ondanks dat het soms voelt alsof je enorm achterloopt op het gebied van AI, omdat de ontwikkelingen zo snel gaan en de hype groot is, leert de realiteit dat breedschalige implementatie van technologieën in de zorg gewoonweg traag gaat. Vergeet daarbij niet dat als je een van de koplopers bent op het gebied van AI, je waarschijnlijk ook veel meer experimentele routes hebt moeten bewandelen, die tot nieuwe inzichten en bijsturing hebben geleidt. Met andere woorden, als je als zorginstelling een meer afwachtende houding aanneemt, betekent dat helemaal niet dat je ook achterloopt! Omdat je dan juist kan meedoen wanneer de kinderziektes er grotendeels uit zijn. Wat belangrijk is om te voorkomen dat er op een gegeven moment wel een achterstand ontstaat, is dat je start met de randvoorwaarden in je zorginstelling op orde te krijgen: door een visie en strategie op het gebied van AI in je zorginstelling te definiëren, door de AI geletterdheid van de zorgmedewerkers te bevorderen en door een governance structuur in te richten om AI processen te beoordelen en monitoren. Dit kan ook betekenen dat je de visie & strategie van een andere organisatie volledig overneemt, of dit samen inricht en de taken verdeelt.
Aigency: Joker
De mate van ‘achterstand’ is afhankelijk van het referentiekader en het type zorginstelling. Sommige instellingen lopen voorop in pilotprojecten, terwijl andere juist inzetten op stabiele implementatie. Innoveren gaat niet alleen om technologie, maar ook om cultuur, mensen en verandervermogen. Wij als Aigency zijn zelf geen zorginstelling en hebben daarom de joker in moeten zetten.
Iedere zorginstelling moet een centraal AI team hebben
Uitleg
Deze stelling impliceert dat om verstandig met AI om te gaan, het nodig is om een centraal AI team binnen de zorgintstelling aangesteld te hebben. Let hierbij op dat het ook kan gaan om een rol binnen bestaande functies.
ETZ: Oneens
Ieder ziekenhuis is anders: groot, klein, academisch, perifeer. Niet ieder ziekenhuis zou een centraal AI team hoeven hebben, maar wél moet ieder ziekenhuis een visie, strategie en governancestructuur op het gebied van AI hebben. Een governancestructuur is een raamwerk van regels, rollen, verantwoordelijkheden en besluitvormingsprocessen waarmee verantwoorde inzet van AI gewaarborgd wordt. Niet ieder ziekenhuis zal zelf AI ontwikkelen; sommigen zullen er vol op inzetten, terwijl anderen slechts een paar applicaties zullen gebruiken. Of een centraal AI team nodig is, zal dus van veel factoren afhangen en per ziekenhuis verschillen. Het allerbelangrijkste is dat er doelmatig wordt gewerkt en weloverwogen keuzes worden gemaakt. Dat kan betekenen dat er een centraal AI team nodig is om de ambities van de organisatie waar te maken, maar ook juist dat dit op een andere manier intern geborgd wordt of door middel van (regionale) samenwerkingsverbanden wordt gecoördineerd.
Aigency: Oneens
Het eisen van een AI-team in iedere zorginstelling is niet uitvoerbaar en zelfs onwenselijk. Je kunt niet verwachten dat ook de huisarts op de hoek of een kleine zorgaanbieder de capaciteit heeft om zo’n team te onderhouden. Wat wél noodzakelijk is, is dat iedere zorginstelling toegang heeft tot gespecialiseerde AI-kennis en ondersteuning. Dit kan via gezamenlijke expertisecentra, regionale samenwerkingen of landelijke organisaties. Daarnaast is het belangrijk dat instellingen hulp krijgen bij het ontwikkelen van richtlijnen voor verantwoord gebruik, en dat zorgverleners voldoende training krijgen om AI op een veilige en effectieve manier in te zetten. Zo wordt AI breed toegankelijk, zonder dat iedere organisatie zelf een team hoeft op te tuigen.
Weerstand tegen AI komt voort uit angst en onwetendheid
Uitleg
Met deze stelling wordt bedoeld dat bezwaren tegen AI vooral voortkomen uit onvoldoende kennis over wat AI is en hoe het werkt, en uit onderliggende zorgen, bijvoorbeeld over het verliezen van hun baan of eigen regie. De stelling suggereert dat bezwaren afnemen zodra mensen meer leren over AI. Bezwaren die mensen ook ná goede uitleg kunnen houden, zoals twijfels over privacy of menselijkheid in de zorg, vallen hier dus niet onder.
ETZ: Eens
Het ETZ is van mening dat deze weerstand inderdaad vaak voortkomt uit angst en onwetendheid.
Ten eerste is er een angst voor hoe AI ingezet gaat worden in de zorg en wat dat betekent voor hun rol. Zorgprofessionals kunnen vrezen dat AI hun rol zal vervangen of dat ze de controle over het zorgproces verliezen. Het is essentieel dat zij begrijpen dat AI bedoeld is als ondersteuning en niet als vervanging van menselijke zorg.
Ten tweede is er een angst voor het onbekende betreffende de onderliggende technologie. Veel zorgprofessionals zijn onvoldoende geïnformeerd over hoe AI werkt. Educatie en communicatie zijn cruciaal om deze onwetendheid te verminderen. Het ETZ benadrukt het belang van kennisbevordering over AI om het vertrouwen in deze technologie te vergroten en de adoptie hiermee te vergroten.
Door openlijk te communiceren over de voordelen en beperkingen van AI, kunnen zorgprofessionals beter begrijpen hoe ze AI effectief kunnen integreren in hun werk. Het ETZ gelooft dat het aanpakken van angst en onwetendheid essentieel is om weerstand tegen AI te overwinnen en een cultuur van acceptatie en vertrouwen te creëren in de zorgpraktijk.
Aigency: Oneens
Hoewel onwetendheid en angst voor technologie zeker een rol spelen bij weerstand, onderschatten we het gesprek als we alle weerstand daarop terugbrengen. Voorzichtigheid kan ook voortkomen uit professionele verantwoordelijkheid, ethische vragen of eerdere negatieve ervaringen. Daarnaast zijn er soms ‘AI cowboys’ die snelheid boven alle ethiek en veiligheid laten gaan, wat juist leidt tot afkeer bij anderen. Bij Aigency vinden we het belangrijk om al deze signalen serieus te nemen en tijd te geven om vertrouwen op te bouwen. Daarom vinden wij het te beperkend om weerstand voor AI alleen af te schrijven op onwetendheid.