Zorgvisie ICT

, Volume 19, Issue 2, pp 15–15 | Cite as

Betere uitkomsten door machine learning en cloud

  • Jan Christiaan Huijsman
Column
  • 38 Downloads

Samenvatting

Deep Blue, het schaakprogramma van IBM, de toenmalige wereldkampioen Gary Kasparov. Het was een hoogtepunt qua kunstmatige intelligentie, na jaren van voorbereidingen door het IBM-team.

Twintig jaar geleden versloeg

Deep Blue, het schaakprogramma van IBM, de toenmalige wereldkampioen Gary Kasparov. Het was een hoogtepunt qua kunstmatige intelligentie, na jaren van voorbereidingen door het IBM-team.

Afgelopen december verpletterde AlphaZero, een programma van Google, het tot dan toe sterkste schaakprogramma ter wereld. AlphaZero had met de ingevoerde schaakregels zichzelf leren schaken en binnen vier uur(!) het niveau van wereldkampioen bereikt door machine learning-technologie.

Dit is een recent voorbeeld van grote doorbraken door de combinatie van computerkracht en zelflerende technieken als machine learning en neurale netwerken.

Eric Schmidt – extopman van Google – sprak hierover in maart op de grootste zorg-ict-conferentie ter wereld in Las Vegas. Hij riep de 9000 toehoorders op om ‘naar de cloud te rennen’ omdat deze veiliger is, makkelijker te beheren en beter voldoet aan regelgeving. Daarbij noemde hij de kracht van machine learning in combinatie met de ongekende schaalvergroting qua datavolume door ontwikkelingen in beeldtechnologie, biogenetica en spraakherkenning. Het commerciële belang van zijn oproep moge duidelijk zijn, maar Schmidt heeft wel een punt. De gezondheidszorg is zeer data-intensief maar voorbij het niveau van registratie gebeurt er niet zoveel. Er wordt veel data aangeleverd aan VWS, IGZ, DICA, RIVM enzovoorts maar daar komt weinig voor terug.

SOFTWARE KAN BETER MRI-BEELDEN ANALYSEREN DAN DE RADIOLOOG

Klinische inzichten en acties moeten nog altijd komen van de hardwerkende artsen en verpleegkundigen die van poli naar seh naar OK en verpleegafdeling rennen, terwijl labuitslagen en vitale functiewaarden binnenstromen en men allerlei orders in- en uitvoert. Nog erger is de tijd die de arts kwijt is met alsmaar groeiende administratie, niet-intelligent werk dat idealiter door de computer wordt uitgevoerd.

Schmidt suggereerde om een tweede ‘clinical datawarehouse-laag’ in de cloud te creëren, bovenop het lokale enterprise datawarehouse. Kenmerkend hierin is de verbinding met geanonimiseerde grote hoeveelheden (big) data waardoor patroonherkenning mogelijk is, nieuwe inzichten ontstaan en voorspellingen gedaan worden. Dankzij deze ‘tweede laag’ houden artsen zich vooral bezig met hoofdzaken; meer met preventie en medicatievoorschrijving in plaats van te reageren op problemen en uitslagen. Ter illustratie: softwareprogramma’s zijn inmiddels beter in staat om MRI-beelden te analyseren dan radiologen, sneller in het interpreteren van ecg’s en in het voorspellen van het risico op plotselinge hartstilstand.

JAN CHRISTIAAN HUIJSMAN is programmamanager vernieuwing zorg-ict

De zorg in Nederland staat op hoog niveau qua toegankelijkheid, organisatie en kwaliteit. Willen we echter meer toegevoegde waarde uit de data halen, dan moeten we twee dilemma’s oplossen. De meeste zorginstellingen hebben onvoldoende expertise in huis over kunstmatige intelligentie en machine learning om echt aan de slag te gaan. En er bestaat nog geen cloudinfrastructuur van medische toepassingen en data op grote schaal voor die zorginstellingen. Een aantal leveranciers als Philips, Cerner en SAP is hiermee bezig, maar de dominante EPD/ZIS/HIS-leveranciers ontbreken. Dat komt wellicht door de ingewikkelde regelgeving waarin privacy- en securitybelangen boven medische kwaliteit lijken te staan. VWS en het Informatieberaad Zorg maken de weg vrij voor gegevensuitwisseling, e-health en patiënt empowerment. Het zou goed zijn als intelligente data daaraan wordt toegevoegd.

Copyright information

© Bohn Stafleu van Loghum, onderdeel van Springer Media B.V. 2018

Authors and Affiliations

  • Jan Christiaan Huijsman
    • 1
  1. 1.

Personalised recommendations