we vergroten de efficiency door automatisering en artificial intelligence, en ontwikkelen voorspellingsmodellen

Twee doelen

Dat plan gaat uit van twee grote doelen, die bereikt worden door automatisering en AI op een slimme manier in te zetten:
1. Het verhogen van de efficiency en de consistentie bij het maken van bestralingsplannen, het intekenen van kritische organen en de adaptatie
van standaardbehandelingen.
2. Het voorspellen van uitkomsten van innovatieve behandelingen bij specifieke patiëntengroepen, wat leidt tot een betere therapieselectie.

Vertrouwen

Andre: “Met AI kun je een behandelplan automatisch intekenen, de
beeldvorming verbeteren en het maken van een bestralingsplan automatiseren. Dat zijn taken die een mens zelf ook kan, maar die een computer beter en sneller kan. Omdat medewerkers veel ervaring
hebben met het maken van bestralingsplannen, kunnen ze makkelijk inschatten of de computer goed z’n werk heeft gedaan. Bij het tweede doel van dit speerpunt is dat veel moeilijker, want je voorspelt in feite de toekomst. Wat heeft deze persoon aan deze vorm van therapie? Pas over een paar jaar weet je of de computer gelijk had. Dat maakt het voor medewerkers moeilijker om te vertrouwen op het model. Daarom maken we die modellen heel transparant. Zodat de arts weet hoe het AI-model tot een bepaalde uitkomst is gekomen.”

Explainable AI

Frank: “Dat laatste is inderdaad heel belangrijk: dat we blijven snappen
hoe het AI-model werkt. Op dit moment werken we met wiskundige modellen die gebaseerd zijn op de fysica. Met logisch redeneren snap je dus hoe het model bij z’n uitkomst komt. Probleem van die modellen is dat ze veel te traag zijn. AI is sneller, maar ook spannender. Want we weten niet precies wat er in die black box gebeurt. Vandaar dat we vanuit onze onderzoeksgroep aandringen op AI-modellen die gebaseerd zijn op de fysica en het menselijke handelen van de specialist. Zo ontstaan
AI-modellen die beter te begrijpen zijn: Explainable AI. Dat vind ik een heel belangrijke ontwikkeling.”

Ideale combinatie

Andre: “Helemaal mee eens. We moeten goed met de groep van Frank
blijven samenwerken zodat wij snappen wat de medewerker doet, en de medewerker snapt wat AI doet. De interactie tussen mens en AI zit heel
nadrukkelijk in onze strategie.” Richard: “Bij het bouwen van dit soort modellen luisteren we altijd goed naar de medewerker. We proberen alle aspecten die meewegen bij het maken van bepaalde keuzes mee te nemen in het model. De input van de mens blijft heel belangrijk.”

Efficienywinst

Richard: “Nu al wordt een deel van het standaardwerk – zoals het intekenen en het maken van een bestralingsplan – vervangen door computermodellen. Daarmee zitten we nu al op een efficiencywinst van 50 tot 60%.” Andre: “Die efficiencywinst loopt de komende jaren op naar 100%. In ons strategieplan bekijken we goed wat dat betekent voor artsen en laboranten: wat gaan zij doen met die vrijgekomen tijd?” Frank: “De tijd die overblijft, kan gebruikt worden om complexere problemen op te lossen en nieuwe innovaties te bedenken. Het werk wordt specialistischer, en daarmee ook interessanter.”

Complexere behandelingen

Andre: “En daar komt die tweede toepassing van AI om de hoek kijken. Want bij complexere behandelingen wil je graag vooraf weten wat de uitkomst is. Het heeft geen nut om een behandeling complexer te
maken als dat niks extra’s oplevert. Daar wil je als samenleving uiteraard niet voor betalen. Je moet dus kunnen aantonen bij welke patiënten het echt zin heeft om zo’n complexere behandeling te doen. Zo kun je vooraf de juiste patiënten selecteren voor die innovatieve behandeling. Grote kans dat dat patiënten zijn van buiten Limburg. Dat zien we nu gebeuren met protonen en onze brachytherapie behandelingen, maar ik verwacht dat er meer van dit soort hoogwaardige, innovatieve behandelingen
komen.” Richard: “Behandelingen worden individueler. Meer toegespitst op de patiënt. Dat kan omdat we straks meer tijd hebben. Dankzij automatisering en AI.”