5 belangrijkste vormen van AI in de zorg

1. Machine learning & deep learning

Bij machine learning en deep learning (een specifieke gelaagde vorm van machine learning) leert een computerprogramma patronen herkennen in grote hoeveelheden gegevens. Die gegevens kunnen uit allerlei bronnen komen, bijvoorbeeld sensoren in huis, sensoren in sokken, of beeldmateriaal zoals röntgenfoto’s of foto’s van wonden. Het programma wordt eerst getraind met voorbeelden. Daarbij leert het welke signalen of beelden horen bij een bepaalde situatie of uitkomst, bijvoorbeeld welke meetwaarden samengaan met gezondheidsproblemen. Op basis van deze training kan het AI-systeem ook in nieuwe situaties inschattingen maken. In sommige toepassingen blijft het systeem ook leren tijdens gebruik, bijvoorbeeld door feedback van gebruikers.

Voorbeelden uit de zorg zijn:

• Een inschatting maken of er nu of binnenkort iets alarmerends aan de hand is. Dit kan bijvoorbeeld via zorgalarmeringssystemen of leefpatroonmonitoring.
• Beoordelen van een wond aan de hand van een foto bij wondzorg op afstand.

Kansen

• AI-systemen kunnen snel grote hoeveelheden gedetailleerde informatie verwerken. Dit kan helpen situaties beter of eerder in te schatten.
• AI-systemen kunnen continu meekijken en zo signalen meenemen die anders niet gezien worden.

Risico’s

• Professionals verleren mogelijk om zelf situaties in te schatten wanneer ze veel vertrouwen op de techniek.
• Er kan een vals gevoel van veiligheid optreden als gebruikers het idee hebben dat alles wordt gemonitord, maar dat in werkelijkheid niet zo is.
• Als de trainingsdata niet goed aansluiten bij de praktijk, kloppen de uitkomsten soms ook niet. Het is bij machine learning, en vooral deep learning, vaak lastig om te begrijpen en uit te leggen hoe het systeem bij een uitkomst gekomen is.

2. Zorgrobots

AI speelt ook een rol bij ontwikkelingen op het gebied van zorgrobots. Net als AI is het woord ‘robot’ een breed begrip. In de zorg zie je voornamelijk twee typen robots: sociale robots die contact maken met mensen, en ondersteunende robots die helpen bij praktische taken. Sociale robots bieden gezelschap, plezier en kunnen een cliënt motiveren om bepaalde (dagelijkse) activiteiten te ondernemen. Ondersteunende zorgrobots helpen bij fysieke handelingen. Denk bijvoorbeeld aan een elektrisch eetapparaat dat een lepel of vork naar de mond kan brengen, of een actief exoskelet. De AI is hier vooral de software en rekenkracht die ervoor zorgt dat de robot goed reageert op de verschillende omstandigheden die de sensoren doorgegeven.

Kansen

• Robots die taken kunnen overnemen of bijdragen aan de dagelijkse structuur, maken minder afhankelijk van menselijke zorg.
• Robots die fysiek ondersteunen kunnen bijdragen aan het voorkomen van lichamelijke klachten en uitval onder zorgmedewerkers.

Uitdagingen & risico’s

• Het kan gebeuren dat menselijke zorg wordt verminderd of vervangen, terwijl die vorm van zorg eigenlijk belangrijk is voor iemands welzijn, zingeving en sociaal contact.
• Niet iedereen voelt zich prettig bij zorgrobots. Angst, wantrouwen of ongemak bij cliënten en zorgverleners kunnen acceptatie tegenwerken.
• Voor ons eenvoudige fysieke taken, zoals het oppakken of passeren van objecten, zijn vaak technisch complex. Zorgrobots reageren vaak slecht op afwijkende situaties of subtiele menselijke signalen.

3. Geautomatiseerde planning

AI kan ook helpen bij geautomatiseerde planningen, bijvoorbeeld voor het roosteren van personeel en het koppelen van zorgverleners aan cliënten. Om deze puzzel te leggen, bekijkt AI in korte tijd een groot aantal mogelijke combinaties. Op basis van vooraf ingestelde eisen, zoals beschikbaarheid, kwalificaties, wet- en regelgeving en reistijd, selecteert AI één of meerdere optimale oplossingen.

Kansen

• AI kan in korte tijd veel verschillende oplossingen doorrekenen. Dit maakt het mogelijk om ook bij complexe roosters en wisselende omstandigheden tot efficiënte oplossingen te komen.
• De AI houdt zich aan de opgegeven input en vastgelegde spelregels. Als deze goed zijn ingericht, kan dit bijdragen aan transparantie en gelijke behandeling.
• AI kan helpen om personeel, tijd en deskundigheid efficiënter in te zetten, bijvoorbeeld door reistijd te beperken of kwalificaties beter te matchen met zorgvragen.

Uitdagingen & risico’s

• Hoewel de software geen voorkeuren heeft, zijn de ingevoerde regels en data nooit volledig neutraal. Dit werkt door in de uitkomsten.
• Het kan zijn dat de AI-software bepaalde voorkeuren, wensen of informele afspraken (nog) niet meeneemt, terwijl deze voor medewerkers of cliënten wel belangrijk zijn.
• Datakwaliteit is belangrijk voor een goede planning. Onvolledige, verouderde of verkeerde informatie werken door in de uitkomsten.

4. Informatie vastleggen & logisch denken

Veel AI-systemen gebruiken kansberekening in plaats van logica; ze beoordelen situaties door te kijken naar de kans dat gebeurtenissen of woorden samen voorkomen. Gestructureerde logica vraagt om het inprogrammeren van verbanden en (beslis)regels. Belangrijke zorgtermen en hun verbanden zijn bijvoorbeeld vastgelegd in de Thesaurus Zorg en Welzijn. Daar vind je bijvoorbeeld dat de ziekte van Huntington valt onder dementie en onder bewegingsstoornissen.

Beslisregels kunnen gebaseerd worden op professionele standaarden, zoals de Vilans Protocollen en algemene wetenschappelijke inzichten. Denk aan regels zoals ‘de kans op vallen met letsel is groter na een eerdere val met letsel’ of ‘een goede interventie voor valproblematiek is valpreventieve beweeginterventie’. Een regelgebaseerd systeem kan dan aangeven dat valpreventieve beweeginterventie mogelijk passend is voor Jan, die vorig jaar gevallen is, maar dat niet voorstellen voor Jet, bij wie andere problemen spelen. Het systeem volgt hierbij steeds dezelfde logica.

Kansen

• Een regelgebaseerd systeem kan zorgverleners helpen om belangrijke verbanden en beslisregels systematisch mee te nemen.
• Een regelgebaseerd systeem redeneert altijd volgens dezelfde vastgelegde logica. Het geeft geen willekeurige uitkomsten.
• Een regelgebaseerd systeem kan inzichtelijk maken welke regels zijn toegepast om tot een conclusie te komen. Dit kunnen uitleggen is vaak een belangrijke eis bij medische hulpmiddelen en klinische beslisondersteuning.

Uitdagingen & risico’s

• Het programmeren van alle relevante regels en uitzonderingen kost veel tijd en vraagt doorlopende inspanning om het systeem actueel te houden.
• Het systeem kan alleen redeneren binnen de vastgelegde regels en kan geen nieuwe of onverwachte verbanden leggen.

5. Natural Language Processing & Generatieve AI

Onze taal is complex en sterk afhankelijk van context. Grote taalmodellen worden getraind om onze taal te begrijpen en erop te reageren. In deze taalmodellen leren AI-systemen hoe woorden met elkaar samenhangen. Door de context van een zin in de berekening mee te nemen, kan het systeem bijvoorbeeld het verschil herkennen tussen een bank om op te zitten en een bank waar je geldzaken regelt.

Dankzij sterk toegenomen rekenkracht kunnen taalmodellen niet alleen taal analyseren, maar ook nieuwe teksten genereren (generatieve AI). Dit zie je bijvoorbeeld terug bij spraakgestuurd rapporteren, waar gesproken tekst automatisch wordt omgezet, samengevat en op de juiste plek in een rapportage wordt verwerkt. Een ander bekend voorbeeld zijn de AI-chatbots zoals ChatGPT, Copilot of Google Gemini. Deze systemen berekenen razendsnel welke woorden de grootste kans hebben om te passen bij wat de gebruiker heeft gevraagd.

Kansen

• Generatieve AI kan ondersteunen bij het indelen, herschrijven of verbeteren van teksten, zoals rapportages, e-mails of samenvattingen.
• Generatieve AI kan reageren op een manier die mensen als prettig, behulpzaam en laagdrempelig ervaren.

Uitdagingen & risico’s

• Generatieve AI berekent woorden vanuit het taalmodel en toegevoegde teksten. Doordat AI alleen gebruik maakt van teksten, klopt het soms niet met situaties in de echte wereld, is wat het zegt niet altijd logisch of geeft het oplossingen die wij schadelijk of oneerlijk vinden.
• Omdat generatieve AI overtuigend zinnen kan vormen, kan het lijken alsof het systeem ‘weet waar het over gaat’, terwijl het geen daadwerkelijk begrip of verantwoordelijkheid heeft.
• Als je vaardigheden zoals schrijven, samenvatten of redeneren minder oefent, kunnen ze afnemen. Als je een taak laat ondersteunen of vervangen door AI, is het belangrijk om ook na te denken over wat je misschien verliest.
• Als je met persoonsgegevens en vertrouwelijke gegevens van cliënten werkt, is het belangrijk dat de informatie wordt verwerkt op een manier die past bij de AVG-wetgeving en afspraken van je organisatie.

Gemengde vormen van AI

Het komt voor dat bepaalde zorgtechnologieën een combinatie van vormen van AI gebruiken. Bijvoorbeeld: een planner kan ook een chatfunctie met generatieve AI hebben. Generatieve AI wordt ook steeds vaker ingezet in combinatie met voorgeprogrammeerde regels in software. De voor- en nadelen van beide vormen van AI komen dan bij elkaar.

Tot slot is het goed om te vermelden dat AI- en zorgtechnologie constant in ontwikkeling zijn. De Kennisbank Digitale Zorg geeft meer inzicht in de waarde van verschillende zorgtechnologieën die je kunt inzetten in het zorgproces.