Research priority area
Naar verwachting zullen in bijna alle OESO-landen de uitgaven voor gezondheidszorg de komende 15 jaar sneller stijgen dan het BBP. Met AI kunnen we de efficiëntie in de gezondheidszorg verhogen en de kwaliteit en veiligheid verbeteren. Hoewel AI in de gezondheidszorg nog in de kinderschoenen staat, heeft het gebruik ervan een enorm potentieel: met AI kunnen routinematige en eenvoudige taken worden geautomatiseerd en kan de besluitvorming bij complexe problemen worden ondersteund.
Deze Research Priority Area bevordert interdisciplinair onderzoek naar AI-gestuurde besluitvorming in de gezondheidszorg, waarbij expertise op gebieden als informatica, geneeskunde, recht en ethiek wordt gecombineerd. Het doel is ethische, hoogwaardige AI-oplossingen te ontwikkelen waar patiënten baat bij hebben.
Er is een begin gemaakt met onderzoek naar twee toepassingen voor AI-gestuurde besluitvorming: 1) de ontwikkeling van stollings- en transfusiestrategieën en 2) de vaststelling van het hospitalisatierisico van hartpatiënten.
Wanneer ziekenhuispatiënten een grote operatie ondergaan en een hoog risico op bloedingen hebben, hebben artsen een behandelstrategie voor bloedstolling en bloedtransfusie nodig. Momenteel nemen artsen deze beslissingen door een groot aantal resultaten van diverse laboratoriumtests en klinische waarnemingen te interpreteren. Dit is een complexe taak, die onder hoge tijdsdruk wordt uitgevoerd, en de uitkomst van de beslissing kan per arts verschillen.
Voor deze toepassing zullen wij een van AI afgeleid voorspellend model ontwerpen om de optimale hoeveelheid en het optimale soort stollingsmiddel te bepalen als leidraad voor de anesthesist en intensivist tijdens en na een grote operatie. Het model zal worden gevalideerd door vergelijking van het bloedverlies, de toediening van bloedproducten, het sterftecijfer en de ziekenhuiskosten voor patiënten die een grote operatie ondergaan, wanneer dit model wordt gebruikt in vergelijking met de standaardzorg.
Hartpatiënten die niet in het ziekenhuis worden opgenomen, kunnen in een polikliniek en thuis worden gemonitord. Als hun toestand verslechtert, moeten ze in het ziekenhuis worden opgenomen. Helaas kent verslechtering een subtiel verloop. Om verslechtering te herkennen moet informatie uit verschillende bronnen worden geïnterpreteerd, waaronder medische beelden, ECG-signalen en diverse klinische parameters.
Voor deze toepassing ontwikkelen wij een op AI gebaseerde risicostratificatiemethode. We zullen onderzoeken of dit vroegtijdige interventie in de hoogrisicogroep mogelijk maakt, wat ziekenhuisopname zou kunnen voorkomen, de kosten zou kunnen drukken en de levenskwaliteit zou kunnen verbeteren.
Medische besluitvorming die wordt ondersteund door machines en data gaat ten koste van de autonomie van gezondheidswerkers en hun patiënten. De rechtsverhouding tussen patiënten en medische beroepsbeoefenaren is gebaseerd op deze autonomie. We zullen onderzoeken hoe deze juridisch-ethische relatie door de invoering van AI-ondersteunde besluitvorming in de gezondheidszorg wordt beïnvloed. Ethisch en juridisch onderzoek zal in elke fase in deze Research Priority Area worden geïntegreerd.