Artikel bewaren

U heeft een account nodig om artikelen in uw profiel op te slaan

Login of Maak een account aan
Reacties0

Young Professional Award winnaar: ‘Te lang hebben we gedacht vanuit de technologie’

Zorgvisie-redacteur met als specialisme tech en innovatie in de zorg. Tevens stem van de podcast Voorzorg.
Tijdens een gala-avond van Women in AI Netherlands mocht Marieke van Buchem de Young Professional Award in ontvangst nemen. Reden hiervoor is haar grote inzet voor en brede bijdrage aan de implementatie van artificial intelligence (AI) in de gezondheidszorg.
Marieke van Buchem (foto: Roos Koole)

Je bent in de prijzen gevallen bij Women in AI, een organisatie die vrouwen een podium wil geven. Merk je zelf ook dat vrouwen binnen jouw vakgebied ondervertegenwoordigd zijn? ‘In de zorg heb ik een andere ervaring. Ik heb in een team gewerkt van acht personen, van wie zeven vrouwen waren. Maar in andere sectoren speelt dat wel. Ik heb onderzoek gedaan in de Verenigde Staten, aan Stanford, en daar had ik wel het gevoel dat AI vooral een mannenwereld is.’

Waarom is het een probleem als mannen oververtegenwoordigd zijn in de wereld van AI? ‘Het gaat niet alleen om oververtegenwoordiging van mannen, diversiteit gaat over veel verschillende assen. Gezien de schaal waarop de technologie momenteel wordt ingezet, is het belangrijk dat ieders perspectief wordt meegenomen. Met een divers team heb je een grotere kans dat je een bepaalde bias eerder opmerkt. Ik denk dat je door oog te hebben voor diversiteit beter onderbouwde keuzes maakt, bijvoorbeeld welke data je gebruikt en wat je daar precies mee doet.’

Wat is de toegevoegde waarde van jonge mensen binnen zo’n team? ‘Ik zie veel jongeren om me heen met een frisse blik en veel energie om iets te veranderen. Ik denk dat zo’n optimistische houding helpt om iets voor elkaar te krijgen. Daar komt bij dat de jongere generatie is opgegroeid met technologie en vaak een goed beeld heeft van wat er allemaal kan.’

Denk je dat er op dat vlak genoeg diversiteit in de bestuurskamers zit? ‘We zijn er nog niet qua diversiteit in de bestuurskamer. Daarmee wil ik de huidige niet diskwalificeren, hoor. In het LUMC merk ik dat wij als jong team serieus worden genomen en dat onze mening mee wordt genomen in de visie en strategie van het ziekenhuis. Dat ervaar ik als heel fijn.’

Je bent medeoprichter van Health Innovaitors, waarmee jullie studenten inzetten om problemen van zorgorganisaties op te lossen. Waar is dat idee vandaan gekomen? ‘Dat hebben we echt opgezet vanuit enthousiasme en motivatie. We stellen multidisciplinaire teams van studenten samen om met datagedreven uitdagingen binnen zorgorganisaties aan de slag te gaan. Dat is ook nodig, want toen ik geneeskunde studeerde heb ik bijvoorbeeld helemaal niks geleerd over AI. Omgekeerd komen bijvoorbeeld studenten computer science nauwelijks in aanraking met de zorg. Het idee is dat we samenwerken aan vragen vanuit de zorg. We zijn momenteel de eerste opdracht aan het afronden en hebben al vier nieuwe in het vooruitzicht.’

Wat heeft dat opgeleverd? ‘We hebben gewerkt aan het protocolleren van de aanvragen op de afdeling radiologie van het LUMC. Radiologen zijn heel veel tijd kwijt om de juiste beeldvorming te kiezen op basis van de aanvraag. Zij moeten door de aanvraag van een andere arts heen en zich afvragen: is hier een scan voor nodig en zo ja wat voor scan? Dat kost heel veel tijd en er worden steeds meer scans aangevraagd waardoor de werkdruk ontzettend hoog is. Het team heeft interviews gehouden en op basis daarvan een workflow-analyse van het hele proces gemaakt. Het doel was om de meest tijdrovende delen met een datagedreven oplossing te verbeteren.’

Werken jullie alleen voor ziekenhuizen? ‘Nee, we staan zeker open voor opdrachten van bijvoorbeeld huisartsen of verpleeghuizen. Het is in de zorg vaak oneerlijk verdeeld; nieuwe toepassingen beginnen meestal in de umc’s. Maar wij willen juist graag allerlei organisaties kennis laten maken met technologie die problemen kan oplossen. Een studententeam inzetten is wat laagdrempeliger dan de inhuur van een consultancybureau.’

Je bent aan het promoveren op technologie voor natuurlijke taalverwerking in de zorg. In hoeverre benut de zorg die al? ‘De technologie ontwikkelt zich ontzettend snel, daar kan al heel veel mee. Die ook toepassen in de zorg is nog lastig. Dat komt voor een deel doordat er veel vanuit de technologie is gedacht. Plat gezegd: we hebben coole technologie, hoe zullen we die eens toepassen? Terwijl de echte vragen zijn: waar hebben we een probleem en wat is de beste oplossing? En vervolgens: hoe kunnen we die oplossing laten aansluiten bij de workflow van de zorgverlener?’

Een van jouw modellen is in gebruik bij zeven zorgpaden in het LUMC. Hoe zet je natuurlijke taalverwerkingstechnologie precies in? ‘We zijn steeds meer bezig de zorg om de patiënt heen te regelen. Daarvoor is het belangrijk dat we inzicht hebben in de ervaringen van de patiënt. Dat gebeurde veel met vragenlijsten met gesloten vragen, maar die schieten tekort. De vraag van de artsen was of we patiënten via open vragen meer ruimte kunnen geven hun ervaring te delen, zonder dat het heel veel tijd kost om al die antwoorden door te lezen.’

Hoe heb je dat aangepakt? ‘Ik heb een model gemaakt dat kijkt wat voor woorden en zinnen patiënten gebruiken en dat kan labelen. Op basis daarvan maakt het clusters. Het komt erop neer dat je twee bakken krijgt: eentje met positieve ervaringen en eentje met verbeterpunten. Het AI-model analyseert de antwoorden dus op verbeterpunten en complimenten en maakt inzichtelijk wat speelt onder de patiënten.’

Op welke manier krijgen zorgverleners dat voorgeschoteld? ‘Het liefst wilden we het integreren in het elektronisch patiëntendossier, maar dat was bijna onmogelijk. Zorgprofessionals zien de informatie nu in hetzelfde dashboard als de PROMS (patient reported outcome measures, red.); daar hebben we een extra tabblad aan toegevoegd. Zo faciliteren we de analyse, maar we willen de menselijke maat er ook in houden. Daarom kun je doorklikken naar de antwoorden om te lezen wat de patiënten precies zeggen.’

Wat levert dat op? ‘Bij het eerste zorgpad waar we dit hebben geïmplementeerd kwamen meteen verbeterpunten naar voren waar we ons niet bewust van waren. De patiënten gaven aan dat ze het vervelend vonden dat ze lang moesten wachten op de uitslag van een scan. Daar vroegen we niet naar in de gesloten vragen, waardoor het buiten beeld bleef. Als je als zorgverlener niet weet dat iets een potentieel probleem is, stel je er ook geen vraag over. Nu werd dat helder. Vervolgens konden we kijken waar die wachttijden door kwamen en hoe we dat konden verbeteren, waardoor patiënten nu sneller de uitslag krijgen.’

Wat kan technologie die natuurlijke taal verwerkt in de toekomst nog betekenen in de zorg? ‘Er is ontzettend veel tekst-data in de zorg en daar zit hele waardevolle informatie in. Die krijg je er op dit moment alleen uit door er helemaal doorheen te lezen, maar daar is vaak de tijd niet voor. Natuurlijke taalverwerking is bij uitstek geschikt om inzichten uit al die gegevens te halen. Daardoor kunnen we de administratielast aanpakken, maar ook werkprocessen versnellen en zorgverleners assisteren. Het komt erop neer dat we de zorg veel efficiënter kunnen inrichten waardoor zorgverleners meer tijd aan de patiënt kunnen besteden.’

Hoe kan dat concreet vorm krijgen? ‘Ik werk in een project samen met de start-up Autoscriber. We werken aan een systeem dat het gesprek tussen arts en patiënt opneemt en automatisch een verslag maakt. Als artsen niet meer na elk gesprek tijd kwijt zijn aan uitwerking en vastlegging, besparen ze veel tijd. Als je deze data dan ook nog goed kunt analyseren, gaat er een wereld aan mogelijkheden open. Ik denk dat het op korte termijn al mogelijk is om artsen tijdens een gesprek een seintje te geven als ze iets vergeten te vragen. Of om suggesties te geven voor de diagnose of een medicatie. Dat zie ik in de toekomst een grote vlucht nemen. Qua techniek zou dat nu al kunnen, je moet alleen voldoende data hebben.’

In hoeverre is het voor taalverwerkingstechnologie een nadeel dat het Nederlands een vrij klein taalgebied is? ‘Bijna alles is op het Engels gebaseerd, dus als het gaat om datasets of voorgetrainde modellen is het zeker een nadeel. Aan de andere kant zijn er genoeg modellen die goed in het Nederlands werken. Volgens mij is de juiste use case vinden een grotere uitdaging dan beperkingen in de technologie.’

Marieke van Buchem
studeerde geneeskunde en medische informatica in Amsterdam en is PhD kandidaat Responsible AI in het Leids Universitair Medisch Centrum (LUMC). Zij doet onderzoek naar de ontwikkeling, validatie en implementatie van natuurlijke taalverwerkingstoepassingen in de zorg. Ze is betrokken bij het CAIRELab, het expertisecentrum over artificial intelligence (AI) in het LUMC, waar ze als innovatiemanager werkt. Bovendien is ze medeoprichter van Health Innovaitors, een stichting die studententeams oplossingen laat bedenken voor datagedreven vraagstukken bij zorgorganisaties. Begin dit jaar ontving ze de Young Professional Award van de Nederlandse tak van Women in AI, een non-profit organisatie die vrouwen die met AI werken meer op de voorgrond wil plaatsen.
Masterclass Artificial Intelligence
85 procent van alle AI-projecten komen nooit tot productie, maar blijven eindeloos in de ontwikkelfase hangen. Ontdek in één dag hoe u AI succesvol inzet in uw organisatie. Bekijk het programma van deze masterclass op 22 mei.

Geef uw reactie

Om te kunnen reageren moet u ingelogd zijn. Heeft u nog geen account, maak dan hieronder een account aan. Lees ook de spelregels.