Enkele jaren geleden had bijna niemand het er over: artificial intelligence (AI). Tegenwoordig kunnen we er niet meer omheen. Ook in de zorg wordt AI al volop ontwikkeld en in toenemende mate toegepast. Welke kansen biedt AI in de oogheelkunde? Bijvoorbeeld bij het verminderen van de werkdruk. Welke mogelijke obstakels zijn er voor het inzetten van AI?

 

Sietske Rozie, voorheen radioloog en nu onder andere een veelgevraagd spreker op het gebied van AI, vertelt. “Zie AI niet als een losse gadget. Door deze ontwikkeling in te passen in het grote geheel van de oogheelkundige zorg, kan AI voor het hele team van meerwaarde zijn.”

 

AI heeft de wereld inmiddels flink veranderd. Ook binnen oogheelkunde gaan de ontwikkelingen rond AI razendsnel. Zo blijkt AI menselijke oogartsen al te evenaren of zelfs te overtreffen bij het diagnosticeren van glaucoom en netvliesaandoeningen. In de praktijk worden dergelijke toepassingen nog niet veel gebruikt, zegt Sietske Rozie. Maar dit betekent volgens haar zeker niet dat AI voor oogartsen een ver-van-hun-bed-show is. Ziekenhuizen maken al veel gebruik van AI. Ook in de richtlijnen wordt gesproken over AI, bijvoorbeeld in de richtlijn voor diabetische retinopathie. Maar ook voor andere dingen wordt AI ingezet. Rozie: "Denk aan de systemen voor het plannen van afspraken. Daar zit AI achter. Ook maakt AI het mogelijk informatie in het EPD te sorteren en te ordenen. Verder maken veel ziekenhuizen gebruik van de 'no-showvoorspeller' van de patiënten op de polikliniek. Op dit moment wordt ontwikkeld dat wanneer je als oogarts in het EPD aangeeft dat een patiënt een scan nodig heeft, er automatisch een order aangemaakt wordt bij de juiste afdeling."

 

Herkennen van afwijkingen op beelden

Naast deze algemene en ziekenhuisbrede AI-toepassingen, ziet Rozie ook specifiek voor de oogheelkunde duidelijke kansen voor AI. "We kunnen AI grofweg opdelen in twee vormen. Allereerst de discriminatieve of classificerende AI. Deze kennen we al langer van het herkennen en classificeren van patronen en afwijkingen op beeldvorming", legt Rozie uit. Deze vorm van AI wordt in de zorg vooral toegepast bij het beoordelen van röntgen-, CT- en MRI-scans. "De discriminatieve AI is ook uitermate geschikt voor toepassingen binnen de oogheelkunde. Denk aan het beoordelen van fundusfoto's op diabetische retinopathie, zoals beschreven in het verhaal van dr. Janna Minderhoud in dit magazine. Deze vorm van AI kan zo een bijdrage leveren aan het verminderen van de werkdruk bij oogartsen."

 

“Binnenkort kunnen ze zelfs informatie over andere ziekten uit een fundusfoto halen.”

 

Minder administratie

De tweede vorm is de generatieve AI. Generatieve AI kan nieuwe content genereren op basis van bestaande data, zoals ChatGPT. De generatieve vorm van AI wordt ook al gebruikt in de zorg. Bijvoorbeeld voor het automatisch genereren van verslagen van gesprekken tussen arts en patiënt. Dit verlaagt de administratieve lasten. Op deze manier zorgt AI eveneens voor minder werkdruk én meer werkplezier. Er blijft namelijk meer tijd over voor echt contact met patiënten. Rozie: "Sinds een aantal jaar kunnen patiënten vragen stellen aan zorgprofessionals via het ziekenhuisportaal. Generatieve AI kan vervolgens een conceptantwoord opstellen. Ook dit levert tijdsbesparing op voor de oogarts." En de ontwikkelingen staan niet stil. "De beeldvormende technieken worden steeds beter. Door deze technieken te combineren met generatieve AI, halen we meer informatie uit bijvoorbeeld een fundusfoto. AI kan al op basis van een fundusfoto bepalen of het betreffende oog van een man of vrouw is. Binnenkort kunnen ze zelfs informatie over andere ziekten uit een fundusfoto halen." Een belangrijke vraag is vervolgens wel: wat gebeurt er met al die informatie? "Daar moeten we goed over nadenken", aldus Rozie.

 

Verlies van vaardigheden

Er zijn meer mitsen en maren rondom AI, bijvoorbeeld de kosten. "Een licentie voor een radiologische AI-toepassing kost een ziekenhuis al snel tussen de 20.000 en 120.000 euro per jaar. Niet elk ziekenhuis kan dit zomaar betalen. De vraag die eerst beantwoord moet worden is: Voor wie levert het wat op en wanneer? En wie zal dat dan moeten of willen betalen?" Daarom is het bij het inzetten van AI volgens Rozie essentieel om goed te kijken naar wat de toepassing oplevert. "Denk aan minder zorgkosten voor het ziekenhuis of de maatschappij, kortere wachtlijsten of een betere gezondheid voor patiënten. Wellicht zorgt het inzetten van AI voor een herschikking van taken waardoor er tijd vrij komt voor andere werkzaamheden of het behandelen van complexere patiënten."

 

Naast de vraag hoe het zit met de aankoop van AI-toepassingen, is het ook belangrijk te zorgen dat mensen ermee leren omgaan. Rozie: "Hierbij moeten we ons realiseren dat AI ons gedrag verandert. Onderzoek onder radiologen laat zien dat er verschillen zijn in hoe AI het werk van individuele radiologen beïnvloedt. De een heeft er duidelijk voordeel bij en gaat er beter door werken, terwijl een ander er juist luier van wordt. Hoe monitoren we dit? Dat is heel complex." Ook bestaat volgens Rozie het gevaar dat door het inzetten van AI bepaalde vaardigheden verloren gaan. "Als oogartsen straks geen enkele OCT-scan of fundusfoto meer beoordelen, verleren ze dat. Wat is wijsheid, vooral met betrekking tot de nieuwere generaties oogartsen? Moeten nieuwe oogartsen die vaardigheden nog aanleren? Dat zijn belangrijke vragen die aandacht verdienen."

 

Verbeteren kwaliteit van zorg

Juist door dit soort vraagstukken ziet Rozie AI vooral als een kans om gesprekken op gang te brengen. "Als zorgprofessionals moeten we vaker casussen met elkaar bespreken. We kijken nu te weinig naar de manieren waarop collega’s een casus aanpakken en waarom. Door de werkdruk is er vaak geen tijd om met elkaar mee te kijken, samen procedures uit te voeren en zo van elkaar te leren. Toch is dit juist heel belangrijk wanneer we AI gebruiken. Als AI een bepaalde behandeling adviseert, heb je dit advies dan opgevolgd en waarom wel of niet? Zo kunnen we kwaliteit van de zorg steeds verder verbeteren."

 

Lukraak taken automatiseren

Rozie heeft wel een kanttekening bij het inzetten van AI: "Staar je niet blind op de techniek. Het is niet de bedoeling dat we lukraak allerlei taken gaan automatiseren. Dan heb je ook kans dat je taken aan AI uitbesteedt die je juist werkplezier geven. Werkplezier is belangrijk in de preventie van burn-out, denk aan het onderzoek van Corina Moerland, ook in deze editie terug te vinden. Er schiet me nu een verhaal te binnen over een verpleegkundige. Elke dag wandelde ze door het ziekenhuis om iets af te geven. Deze taak werd overgenomen door een transportrobot, wat absoluut een efficiëntieslag was. Maar voor de verpleegkundige zelf was dit geen verbetering. Ze miste de dagelijkse wandeling door het ziekenhuis. Dat was haar moment alleen en daar genoot ze van."

 

Rozies verhaal is dan ook geen pleidooi voor het direct inzetten van AI binnen de oogheelkunde. De ontwikkelingen rond AI zijn volgens haar juist een mooi moment om een pas op de plaats te maken. "We moeten eerst eens kijken hoe de oogheelkundige zorg momenteel is ingericht. Waar houden we ons mee bezig? Welke taken voeren we uit? En welke taak vinden we nou echt vervelend om te doen? Kijk of je dát kunt laten uitvoeren door AI. Op deze manier verminderen we én de werkdruk én verhogen we het werkplezier. Zo voorkomen we dat oogartsen het vak verlaten vanwege een te hoge werkdruk of uitval. Andersom geldt het natuurlijk ook. Waar wil je als oogarts beter in worden en hoe kan AI je in dat proces ondersteunen? AI kan zowel ontzorgen als verrijken."

 

Ook is het volgens Rozie goed om de jongere generatie oogartsen en de oogartsen in opleiding te betrekken bij de integratie van AI. "Deze generatie brengt nieuwe gedragingen en vaardigheden met zich mee die vernieuwing kunnen toevoegen aan het vak. Dus: verdiep je in AI, en laat de jongere generatie het voortouw nemen bij innovatie en verandering. Zie AI niet als een losse gadget, maar kijk samen als team, naar manieren om AI zinvol in te zetten. Zo komen we tot een toepassing waar iedereen baat bij heeft."

 

Referenties

1. Huang AS, Hirabayashi K, Barna L, et al. Assessment of a large language model’s responses to questions and cases about glaucoma and retina management.

JAMA Ophthalmol 2024;142(4):371-375.

2. Korot E, Pontikos N, Liu X, et al. Predicting sex from retinal fundus photographs using automated deep learning. Sci Rep 2021;11(1):10286.

3. Yu F, Moehring A, Banjeree O, et al. Heterogeneity and predictors of the effects of AI assistance on radiologists. Nat Med 2024;30(3):837-849.