Pionieren met AI in topklinisch Deventer Ziekenhuis

Deze lokale validatie van AI in de radiologie vormt een leerzaam traject, waarin zowel naadloze integratie als het werkproces van radiologen en ander ziekenhuispersoneel centraal staan. Hoe is AI zo goed mogelijk in te zetten en hoe structureer je dit proces?

Het Deventer Ziekenhuis wil AI inzetten voor verschillende doeleinden: het verminderen van de werkdruk en het verbeteren van de gezondheidsuitkomsten voor de patiënt. Deze logistieke inzet van AI “ondersteunt bij minder complexe beoordelingen met een acuut karakter.” Doel hiervan is om de acute zorg te optimaliseren, de werkdruk beter te verdelen én de snelheid voor de patiënt te verhogen. Met BoneView kan bijvoorbeeld de eerste detectie van botbreuken geautomatiseerd verlopen. Kleine: “Op die manier hoeft de medisch specialist niet ’s nachts mogelijke botbreuken te beoordelen wanneer er op de spoedeisende hulp (SEH) iemand binnenkomt. De AI kan de eerste beoordeling doen, die de radiologen de volgende ochtend dubbelchecken.”

Naast deze toepassing op acute beoordelingen kan AI volgens Kleine ook helpen bij complexe beoordelingen. Als voorbeeld noemt hij een applicatie voor de beoordeling van longfoto’s. “Om de kans dat er iets gemist wordt nóg kleiner te maken, zouden we AI kunnen inzetten om met de radioloog mee te kijken als extra beoordeling.” Deze beoordeling richt zich dan op “kwaliteitsverbetering van de beoordelingen die we doen.”

Technisch testen om de werking van de AI-tool te waarborgen

De volgende stap is de technische integratie. “Nadat we hebben gekeken of de AI-applicatie betrouwbaar genoeg is om in te zetten, beoordelen we of de applicatie ook in het werkproces doet wat hij belooft”, vertelt Larsen. “Eén van de succesfactoren is bruikbaarheid in de setting zoals je hier hebt staan op de spoedeisende hulp. Dat betekent dat de foto’s met een passende snelheid beoordeeld moeten worden en geen vertraging hebben van 20 minuten.”

Tijdens de technische test draaide de AI-applicatie een week op de achtergrond mee, zonder dat er werd gehandeld naar het resultaat ervan. De technische test onderzoekt een verscheidenheid aan vragen: worden alle foto’s verwerkt? Komen alle resultaten terug binnen de beoogde tijdslimiet? Is de snelheid niet alleen gemiddeld hoog, maar ook zonder uitschieters van hele trage onderzoeken? En zijn er geen negatieve effecten op de rest van het systeem? Kleine: “Het gaat over het totaalpakket van stabiliteit, snelheid en performance van de AI-toepassing, maar ook het hele PACS daaromheen.”

Naast naadloze integratie geeft Kleine aan dat “het ziekenhuis voor AI niet allerlei losse puntoplossingen wil, met eigen technische koppelingen. In plaats daarvan willen we één koppeling met het PACS.” Op die manier “kunnen we eenvoudig naar een andere AI-tool overstappen. We willen voorkomen dat dit telkens een complex technisch vraagstuk wordt.” Dat zou ook weer doorwerken op de performance en stabiliteit van de workflow, “dus we hebben bewust gekozen voor één integratielaag.”

De menselijke factor bij technische verandering

Het menselijke aspect van veranderende werkwijzen is minstens zo belangrijk als de technische veranderingen zelf. Kleine en Larsen benadrukken dat het vooral een project voor de zorgprofessionals is. Dankzij het werken in een multidisciplinaire werkgroep kreeg iedereen een stem in het project. “Dat betekent dat de radioloog, laborant, ICT’er en afdelingsmanager die dit moest borgen allemaal in de werkgroep zaten”, zegt Larsen. Ook gaf de opbouw van marktanalyse, retrospectief onderzoek, werken in de schaduwmodus en de daadwerkelijke pilot volop ruimte om eerst vertrouwen te ontwikkelen binnen het team.

Kleine zegt: “ons team bestaat uit hoogopgeleide professionals die, terecht, eerst overtuigd willen worden van de werking van een systeem, voordat ze er in hun werkproces op durven te vertrouwen. Er worden hoge eisen gesteld aan de juistheid, stabiliteit en inrichting. Als we te snel gaan en een systeem introduceren dat nog niet helemaal is uitontwikkeld, of niet goed is geïntegreerd in het PACS, ontstaat er ontevredenheid.

De evaluatie door de laboranten na afloop van de pilot liet zien dat zij vrijwel allemaal positief waren over de inzet van BoneView en het gebruik graag voortzetten. Zowel tijdens de dagdienst als in de avond- en nachtdienst hielp BoneView bij de beoordeling van het onderzoek, waardoor laboranten minder vaak de radioloog om een beoordeling vroegen. Dit levert voor de radioloog weer minder werkverstoringen op. De patiënt krijgt vaak sneller duidelijkheid en hoeft minder lang te wachten.

Toekomstvisie en aanbevelingen

Het Deventer Ziekenhuis ziet haar eigen rol vooral als ‘early adopter’ of ‘fast follower.” Kleine: “Als de AI-applicatie binnen een academische setting ontwikkeld is, zijn wij het topklinische ziekenhuis dat de effectiviteit in de klinische praktijk kan onderzoeken en kan testen hoe bredere opschaling in een regulier ziekenhuis goed kan plaatsvinden.” Na BoneView wil het ziekenhuis ook pilots met andere AI-applicaties uitvoeren, bijvoorbeeld voor de detectie van longnoduli en de beoordeling van hersenbloedingen op hersenscans. Hiervoor is een gestructureerde integratie in de workflow steeds essentieel.

”Uiteindelijk gaat het altijd om de samenwerking tussen AI en de zorgprofessional, waarbij kwaliteit en efficiëntie voor de patiënt telkens centraal staan,”zegt Kleine.

Afsluitend merkt Larsen op dat AI een steeds grotere rol krijgt in de zorg. “Over hoe AI in de praktijk zijn plek krijgt, zijn de meningen verdeeld. In de zorg moeten we de menselijke maat vooropstellen. Daarom is het goed dat de zorgprofessionals een eindverantwoordelijke rol hebben in de toepassing. Zij kunnen het beste beoordelen of en hoe AI het beste in te zetten is.” Daarmee blijft het per applicatie van belang met welk doel deze wordt ingezet, zoals efficiënter werken of gezondheidsuitkomsten voor de patiënt.