Toepassingen van kunstmatige intelligentie (AI) in de gezondheidszorg zijn allang geen futuristisch droombeeld meer, maar worden meer en meer een alledaagse realiteit. Bovendien worden er in de nabije toekomst nieuwe doorbraken verwacht, ook voor de fertiliteitszorg. Dr. Matthieu Schapranow, expert op het gebied van digital health, is als geen ander bekend met de nieuwste ontwikkelingen.
Kunstmatige intelligentie in de gezondheidszorg, wat valt daar precies onder?
“Als we kunstmatige intelligentie in de gezondheidszorg noemen, dan hebben we het meestal over software op basis van zelflerende algoritmes, ook wel machine learning genoemd. Dat zijn specifieke vormen van kunstmatige intelligentie die grote hoeveelheden informatie kunnen verwerken en beoordelen. Dit wordt ze als het ware aangeleerd doordat ze grote hoeveelheden datasets krijgen voorgelegd, waarin ze patronen leren herkennen. Je zou een algoritme bijvoorbeeld grote hoeveelheden medische dossiers kunnen voorleggen met hormoonwaarden en bijbehorende behandelingen. Zo leert het algoritme om op basis van de gemeten hormoonwaarden te beoordelen welke behandeling geschikt is voor een patiënt.”
Wat zou kunstmatige intelligentie kunnen betekenen voor de fertiliteitszorg?
“Programma’s op basis van machine learning kunnen fertiliteitsprofessionals veel werk uit handen nemen, waardoor ze meer tijd overhouden voor het behandelen van hun patiënten. Een groot deel van het werk van behandelaars bestaat immers uit tijdrovend routinewerk. Software kan daar uitstekend in assisteren. En dat is hard nodig, want in veel delen van de wereld loopt de fertiliteitszorg tegen haar grenzen aan. Hier in Duitsland bijvoorbeeld, waar ik werk, is het aantal ivf-behandelingen in de afgelopen veertig jaar explosief gestegen. Zelfs in coronajaar 2020 zijn landelijk meer dan 108.000 cycli voltooid. Het aantal klinieken en specialisten groeit echter niet snel genoeg om de groeiende vraag bij te kunnen houden. Vandaar dat automatisering van groot belang is. Zowel voor artsen als voor gezinnen die fertiliteitszorg nodig hebben.”
Zelflerende software neemt niet alleen routinematige gegevensverwerking over van behandelaars, maar helpt hen ook om met grotere nauwkeurigheid beslissingen te nemen
Matthieu-P. Schapranow Group Leader & Scientific Manager Digital Health Innovations aan het Hasso Plattner-instituut in Potsdam.
Welke taken kan kunstmatige intelligentie overnemen van behandelaars?
“In de fertiliteitszorg zijn er vier soorten data die beoordeeld kunnen worden door algoritmes. Ten eerste zijn er beeldgegevens. Die kunnen met behulp van machine learning op grote schaal worden beoordeeld, waardoor time-lapse monitoring minder tijd in beslag neemt. Ten tweede zijn er tekstgegevens. Die zijn geschreven voor mensen en niet zomaar te begrijpen voor algoritmes. Natural language processing kan echter helpen om specifieke elementen uit tekstdocumenten te identificeren. Ook zijn er structurele datapunten, zoals hormoonwaardes, bloedonderzoeken en andere laboratoriumresultaten, en longitudinale gegevens; metingen over langere tijd waarmee algoritmes toekomstige waarden kunnen voorspellen. Al deze gegevens kunnen worden verwerkt door kunstmatige intelligentie, zodat behandelaars zich kunnen focussen op hun kerntaak.”
Fijn voor behandelaars, maar wat merken patiënten ervan?
“Zelflerende software neemt niet alleen routinematige gegevensverwerking over van behandelaars, maar helpt hen ook om met grotere nauwkeurigheid beslissingen te nemen, bijvoorbeeld over de levensvatbaarheid van een embryo. Dat betekent dat patiënten gemiddeld genomen minder vaak een behandeling hoeven te ondergaan om hun kinderwens te vervullen. Dat is fantastisch, want een behandelcyclus kost niet alleen veel geld, maar vraagt fysiek en mentaal ook veel van patiënten. Reden genoeg om aan te nemen dat deze technologie op een gegeven moment onderscheidend zal zijn in de ogen van patiënten. Natuurlijk is een kliniek niet verplicht om zelflerende software te gebruiken. Maar als het de kans op een zwangerschap vergroot, zullen patiënten vaker kiezen voor een kliniek die dat wel doet.”
Hoe wijdverbreid is het gebruik van kunstmatige intelligentie in de fertiliteitszorg?
“Op dit moment worden er enkele goedwerkende programma’s aangeboden door commerciële partijen, die op enthousiasme kunnen rekenen bij de specialisten die het gebruiken. Bovendien zijn er onderzoeken gepubliceerd die nieuwe, veelbelovende toepassingen laten zien. In de fertiliteitszorg staat het gebruik van kunstmatige intelligentie echter nog aan het begin. In een aantal andere medische vakgebieden is het fenomeen veel wijdverbreider. Een bekend voorbeeld is de software die in de radiologie wordt gebruikt om beeldgegevens te beoordelen. Het gebruik van dit soort programma’s heeft inzichten opgeleverd die goed van pas zullen komen bij de ontwikkeling van zelflerende algoritmes voor de fertiliteitszorg. Ik voorzie op dat vlak dan ook veel groei in de komende jaren.”
Zullen menselijke behandelaars op een gegeven moment overbodig worden?
“Je kunt jezelf afvragen of je enkel door software behandeld zou willen worden, zonder menselijke interactie. Het antwoord is waarschijnlijk nee. En volgens mij is dat ook helemaal niet aan de orde. Software op basis van zelflerende algoritmes is ontworpen ter ondersteuning van de besluitvorming van een medisch professional. Ze kunnen belangrijke data voorleggen, soortgelijke casussen aanwijzen, of aanbevelingen doen. Maar de specialist beslist uiteindelijk over de behandeling. En daarbij kan worden afgeweken van wat de software aanbeveelt. Bovendien vereist een geslaagde medische interactie ook vertrouwen en sympathie, waardoor de meeste patiënten het fijner zullen vinden om met een mens van vlees en bloed te praten.”
Welke innovaties verwacht jij in de nabije toekomst?
“Toekomstige innovaties zullen het waarschijnlijk mogelijk maken om niet alleen tot een aanbeveling te komen, maar ook te begrijpen waar het algoritme die aanbeveling op baseert. Dat is een stuk lastiger dan het klinkt. Bij traditionele software beschrijven programmeurs in concrete programmeertaal de regels waaraan een programma zich moet houden. Daardoor weet je precies wat er in het programma gebeurt. Bij zelflerende algoritmes werkt dat anders. Je voorziet het algoritme van een kader maar laat het zichzelf vervolgens verder ontwikkelen. Een gevolg is dat ontwikkelaars vaak niet volledig kunnen doorgronden welke processen er in het algoritme plaatsvinden. Momenteel wordt veel onderzoek gedaan om dit probleem op te lossen. Een van de benaderingen daarbij is het gebruik van een algoritme dat de patronen van een bestaand algoritme bestudeert, om tot conclusies over de innerlijke werking te komen.”
In hoeverre staan fertiliteitsspecialisten open voor deze ontwikkelingen?
“Dat verschilt enorm per persoon. Je zou misschien denken dat het met leeftijd te maken heeft, maar dat is niet het geval. Ik spreek met jonge artsen die er geen heil in zien, maar ook met artsen die meer dan twintig of dertig jaar in het vak zitten die enorm nieuwsgierig zijn naar wat er mogelijk is. Ik vind het in ieder geval een positief signaal dat artsen aandacht hebben voor zowel de risico’s als mogelijkheden van kunstmatige intelligentie. Deze ontwikkeling is nog maar net begonnen. Dat gezegd hebbende, wil ik benadrukken hoe belangrijk het is om open te staan voor verandering. Zelflerende algoritmes kunnen behandelaars veel tijd besparen en de zorg helpen verbeteren. Het is de moeite waard om je erin te verdiepen.”
Wil je meer weten over de opmars van kunstmatige intelligentie in de voortplantingsgeneeskunde lees dan dit review artikel van Irene Dimitriadis in Reproductive BioMedicine Online uit 2022.
Artificial intelligence (AI) has the potential to be used as a tool to assist embryologists in daily activities such as
performing morphological assessments and in selecting embryos for transfer. AI also has the potential to help
clinicians make decisions and help patients achieve their goal of having a healthy baby
Irene Dimitriadis Reproductive endocrinologist and infertility (REI) specialist
