Kunstmatige intelligentie biedt volop kansen om de zorg slimmer, efficiënter en persoonlijker te maken. Toch halen veel AI-toepassingen de dagelijkse praktijk nooit. Niet omdat de techniek niet goed genoeg is, maar omdat implementatie vaak ingewikkelder blijkt dan de ontwikkeling zelf. Hoe zorg je ervoor dat een innovatief model niet op de plank belandt, maar daadwerkelijk onderdeel wordt van de dagelijkse zorg?
Die vraag staat centraal binnen het MedZO-project van Maastro, het Catharina Ziekenhuis en Radiotherapiegroep. Samen onderzoeken zij hoe AI succesvol kan worden ingevoerd binnen de radiotherapie. Daarbij ligt de nadruk niet alleen op de technologie, maar juist op de mensen die er straks dagelijks mee werken. “Er wordt veel AI ontwikkeld die uiteindelijk op de plank blijft liggen. Dat is natuurlijk niet wat je wilt,” vertelt senior onderzoeker Clinical Data Science Cecile Wolfs.
Bekijk het onderzoekAI moet niet alleen slim zijn, maar ook bruikbaar
Voor Maastro is AI geen nieuw onderwerp. Al jaren ontwikkelt de organisatie modellen die zorgprofessionals ondersteunen bij het nemen van behandelbeslissingen of routinematige werkzaamheden kunnen automatiseren. Met de MedZO-subsidie ontstond de mogelijkheid om een volgende stap te zetten: onderzoeken of deze innovaties ook buiten de eigen organisatie succesvol ingezet kunnen worden.
Dat is belangrijk, legt hoogleraar Clinical Data Science André Dekker uit. Een AI-model dat alleen binnen één ziekenhuis goed functioneert, heeft beperkte waarde. Pas wanneer het ook in andere organisaties betrouwbaar werkt, kun je spreken van een innovatie die echt iets toevoegt aan de zorg.
“Je wilt weten of een model ook in andere instituten werkt. Pas dan weet je of het echt generaliseerbaar is.”
Juist daarom werken binnen dit project drie verschillende organisaties samen. Maastro is een gespecialiseerd radiotherapiecentrum, Radiotherapiegroep een zelfstandige radiotherapieorganisatie en het Catharina Ziekenhuis een groot algemeen ziekenhuis. Die verschillen maken het onderzoek juist waardevol.
Waar in een gespecialiseerd centrum beslissingen vaak snel genomen kunnen worden, spelen binnen een groot ziekenhuis meer afdelingen, procedures en besluitvormingsprocessen een rol. Dat levert verschillende uitdagingen op bij het invoeren van nieuwe technologieën, maar juist daardoor leren de organisaties veel van elkaar.
De eindgebruiker maakt het verschil
Een belangrijk uitgangspunt van het onderzoek is dat succesvolle innovatie niet begint bij technologie, maar bij de mensen die ermee gaan werken.
Daarom worden radiotherapeuten, laboranten, klinisch fysici, onderzoekers én patiëntvertegenwoordigers vanaf de eerste ontwikkelfase betrokken. Tijdens cocreatiesessies denken zij mee over wat een AI-toepassing nodig heeft om straks daadwerkelijk bruikbaar te zijn in de dagelijkse praktijk.
Om dat proces goed te begeleiden maakt het onderzoek gebruik van methoden uit de implementatiewetenschap, zoals design thinking en design sprints. Daarmee worden wensen, knelpunten en praktische ervaringen al vroeg meegenomen in het ontwikkelproces.
Volgens André Dekker is dat essentieel.
“De kwaliteit van een innovatie wordt niet alleen bepaald door de technologie. Minstens zo belangrijk is of mensen ermee willen en kunnen werken.”
Die aanpak vraagt meer tijd aan de voorkant van een project, maar voorkomt dat innovaties uiteindelijk onvoldoende aansluiten bij de dagelijkse praktijk.
“Als je de eindgebruiker pas aan het einde betrekt, weet je eigenlijk al dat het niet gaat werken.”
Samenwerken levert al vóór de implementatie nieuwe inzichten op
Dat samenwerking direct resultaat oplevert, bleek al in de eerste fase van het onderzoek.
Voordat de onderzoekers AI inzetten om werkprocessen te verbeteren, brachten zij eerst de huidige situatie in kaart. Hoe lang duurt het vanaf de eerste CT-scan tot aan de eerste bestraling? Welke stappen doorloopt iedere patiënt? En worden die in alle organisaties op dezelfde manier geregistreerd?
Dat bleek minder vanzelfsprekend dan gedacht.
Alleen al het gezamenlijk vaststellen van definities leverde nieuwe inzichten op. Wat verstaan de verschillende organisaties precies onder een doorlooptijd? Vanaf welk moment begint die? En wanneer eindigt deze?
Toen de gegevens eenmaal naast elkaar lagen, bleek dat één van de deelnemende organisaties structureel een langere doorlooptijd had dan de andere twee.
De oorzaak bleek verrassend eenvoudig. Jaren geleden was bij de invoering van een nieuw elektronisch patiëntendossier extra tijd ingebouwd tussen verschillende processtappen. Die afspraak was daarna nooit meer aangepast.
“Nog voordat we AI hadden toegepast, zagen we al verbeterkansen. Alleen al door data op dezelfde manier te verzamelen en met elkaar te bespreken, leer je ontzettend veel van elkaar.”
Volgens de onderzoekers laat dit voorbeeld zien hoeveel kennis er ontstaat wanneer organisaties open durven kijken naar elkaars werkwijze. Niet om elkaar te beoordelen, maar om samen te ontdekken waar verbeteringen mogelijk zijn.
Samen onderzoek doen maakt innovatie sterker
Voor André Dekker zit daarin ook de grootste kracht van MedZO. Niet alleen omdat het programma onderzoek financiert, maar vooral omdat het samenwerking tussen niet-academische zorginstellingen mogelijk maakt.
Veel innovaties ontstaan al binnen algemene en topklinische ziekenhuizen. Toch werken organisaties vaak los van elkaar, simpelweg omdat gezamenlijke subsidiemogelijkheden ontbreken.
“Er is eigenlijk geen andere subsidie waarmee je op deze manier samen onderzoek kunt doen.”
Juist voor AI is samenwerking onmisbaar. Goede modellen vragen om grote hoeveelheden data, verschillende patiëntengroepen en uiteenlopende werkwijzen. Alleen dan kan worden vastgesteld of een innovatie ook buiten de eigen organisatie betrouwbaar blijft functioneren.
Volgens Dekker gaat het daarbij niet alleen om het ontwikkelen van nieuwe technologie, maar vooral om het gezamenlijk leren hoe innovaties succesvol kunnen worden ingevoerd.
Samen bouwen aan de volgende stap
Hoewel het onderzoek zich richt op radiotherapie, zijn de lessen breder toepasbaar. De onderzoekers hopen dat de kennis over cocreatie, implementatie en samenwerking straks ook andere ziekenhuizen helpt om innovaties sneller en beter in de praktijk te brengen.
Voor de toekomst ziet Dekker dan ook een belangrijke rol voor MedZO. Niet alleen als subsidieprogramma, maar als netwerk waarin zorgorganisaties samen blijven leren, nieuwe innovaties kunnen opschalen en ervaringen met elkaar delen.
Want uiteindelijk bepaalt niet de technologie het succes van een innovatie, maar de vraag of deze daadwerkelijk wordt gebruikt in de dagelijkse zorg.
Bekijk het onderzoek“Hoe mooi een AI-model ook is: pas als het daadwerkelijk wordt gebruikt in de dagelijkse zorg, maakt het verschil voor patiënten.”