Er was geen data waarmee je met algoritmes aan de slag kon en de algoritmes zelf waren vrij knullig. Maar de gedachte om met hulp van technologie beslissingen te nemen, was geboren. De afgelopen zes jaar heeft data voorspellende waarde gekregen doordat de technologie zich heeft doorontwikkeld. Artificial Intelligence (AI) is volwassen, makkelijk in te zetten en er is veel meer data beschikbaar.
AI kan bijvoorbeeld helpen om de kwaliteit van zorgdossiers te verbeteren. Die laat vaak te wensen over door complexiteit van het ECD, dubbele registraties en tijdgebrek. Als een zorgverlener interventies rapporteert die duiden op eenzaamheid, kan AI nu vragen waarom eenzaamheid niet als aandachtsgebied in het dossier staat vermeld. Om vervolgens te adviseren om het dossier eens tegen het licht te houden. Confronterend? Absoluut. Daarom is het zaak dat de technologie het advies zorgvuldig formuleert, zodat de zorgprofessional zich niet voelt aangevallen.
Dialoog met het systeem
Feit is dat slimme software pas relevant kan assisteren na een training. Geef dus niet ‘nee’ als antwoord, maar beargumenteer het antwoord. Daar leert de software van. Na een tijdje merkt de zorgverlener dat een dialoog voeren met het systeem mogelijk is waardoor het echt bruikbare adviezen genereert. Zo verbetert het zorgdossier wat leidt tot betere kwaliteit van de zorgverlening en vermindering van druk op de zorgprofessional.
Wil je aan de slag met decision support, dan is het belangrijk om klein te beginnen en AI-assistentie onderdeel te maken van een programma. Bijvoorbeeld: ‘verbetering’ kwaliteit van de zorgdossiers. Zo voorkom je dat de computer het imago van betweter krijgt en daardoor niet serieus wordt genomen.
Preventie
Het wordt echt interessant als je AI inzet bij preventie. Bijvoorbeeld valpreventie. Er wordt al een hoop onderzoek naar gedaan via sensoren, maar de belangrijkste voorspeller van een valrisico is als iemand eerder is gevallen. Dat is logisch, zal de eerste reactie van de zorgprofessional zijn. Dit is dunne kennis maar wel de basis. Hoe meer ervaringen de machine heeft, des te beter kan ze helpen om te voorspellen. Data haalt de machine uit systemen in je IT-architectuur en openbare bronnen. Al die data breng je onder in een zogenoemde data lake en de slimme technologie kan daar een correlatie uit halen.
Maar pas op: de meest gemaakte fout bij het toepassen van AI (in dit geval machine learning) is dat mensen een relatie ontdekken maar vergeten dat er niet altijd een causaal verband is. Als het op maandag altijd regent dan is dat geen wetmatigheid, ondanks dat de data het uitwijzen. Dit werd recent duidelijk tijdens de finale van de Australian Open. De AI-modellen voorspelden met 96 procent nauwkeurigheid dat Medvedev het toernooi zou winnen. Toch won Nadal de finale.
Dreigende taal?
Beschouw de hulp van AI dan ook als decision support, niet als decision making. Tastbaar voorbeeld van hulp van AI in de zorg is Babylon van de NHS. Een virtuele arts stelt op basis van data en gezichtsherkenning vragen die de patiënt dan beantwoordt. Vervolgens stelt de computer een diagnose en geeft advies over een behandelingsplan. Uiteraard krijgt Babylon de nodige kritiek. Maar waar het om gaat, is dat AI zich ontwikkelt tot een serieuze virtuele collega van de zorgprofessional. AI gaat de zorgprofessional niet vervangen, maar de zorgprofessional die niet met AI wil werken, die krijgt het lastig.
Dreigende taal? Wellicht, maar goede data samen met de kennis en ervaring van de zorgprofessional leiden tot een betere zorgkwaliteit, verhoging van het welzijn van cliënten en meer waardering voor je zorgorganisatie. De eerste stap? Dat is je openstellen voor de nieuwe technologie en de manier van werken.
Ard Leferink is kartrekker Innovatie bij Ecare