Wat is machine learning?

Machine learning is een vorm van AI (artifactal intelligence) deze techniek lijkt nu nog ver in de toekomst te liggen, echter zijn organisaties al hard bezig om dit te realiseren. Het zijn computersystemen, welke een zelflerend vermogen bevatten. De systemen hoeven niet meer volledig door de mens voorgeprogrammeerd te worden. De computer leert, net als de mens, nieuwe verbanden aan. De systemen kunnen aan patiënten en hun ziekten worden gekoppeld. Hierdoor maakt de zorg een sprong op het gebied van innovatie. Computers compenseren menselijke fouten en zijn in de toekomst misschien wel het nieuwe doel in de zorg. 

Machine learning in de zorg

Kunstmatige intelligentie is een mogelijk toekomstperspectief in de zorg. De computers zullen huidige systemen te vervangen. Naast zorgrobots, werken ook nieuwe softwaresystemen met een vorm van machine learning. Het zal vooral automatisme teweeg gaan brengen. De taken van de zorgverleners worden door geavanceerde, zelflerende computers overgenomen. 

Welke vormen van machine learning kunnen in de zorg ingezet worden?

De machines kunnen bepaalde type patiënten gaan identificeren. Denk aan taken die nu nog door huisartsen en GGZ-medewerkers gedaan worden. De machines kunnen bijvoorbeeld diagnoses binnen de geestelijke gezondheidszorg gaan herkennen. Zo wordt een depressieve, angstig of suïcidale patiënt sneller herkend. Daarnaast kunnen computers de opnametijd en behandelduur van een patiënt gaan berekenen. Het systeem zal, aan de hand van historische gegevens, een inschatting kunnen maken. De planningen hoeven niet meer door menselijke medewerkers gedaan te worden. Het scheelt personeelskosten en veel tijd. Het personeel kan zich zo weer op andere taken gaan richten. Verder kan de motivatie van een patiënt ingeschat worden. Denk aan de kans op het vroegtijdig beëindigen van een behandeling. Doordat intelligente computers dit fenomeen sneller herkennen, kan een arts sneller actie ondernemen, als de behandeling dreigt te staken.

Sentimenten uit teksten herkennen

De computers zullen teksten lezen en bepaalde aspecten op gaan vangen. Denk aan informatie uit medische dossiers van patiënten halen. De computer zal daarbij ook thema’s gaan herkennen. Er wordt snel een rode draad opgepikt. De computer zal de gesteldheid van de patiënt sneller in kunnen schatten. Het elektronische patiëntendossier zal meer overzicht krijgen en zoektermen zullen sneller geraadpleegd worden. De essentie van de behandeling en de huidige stand van zaken, zal ook sneller duidelijk worden. 

Radiologie en kunstmatige intelligentie

De zelflerende machines kunnen eerder echo’s, CT-scans en röntgenfoto’s herkennen. De onderzoeken hoeven niet alleen meer door een arts doorgenomen te worden. De computer helpt bij het opsporen van bepaalde aandoeningen, zoals het herkennen van een tumor en eventuele uitzaaiingen. Radiologen ervaren zo minder werkdruk. Ook zal de computer nauwkeurig ziektes kunnen identificeren en eventuele behandelingen voor kunnen stellen. De machines beschikken bovendien over de vaardigheid om als second opinion te dienen. Er wordt beter uitsluitsel gegeven. Bovendien komen misdiagnoses minder vaak voor. 

Machine learning en data

Behandelaren en zorgverleners kunnen alle essentiële data oppikken, zonder overtollig veel data op te slaan. Veel data in ziekenhuizen, artsenpraktijken en zorgcentra, wordt niet gebruikt. Machine learning voorkomt een overschot aan data. Het systeem werkt zeer gericht naar de doelen toe, door de juiste verbanden te herkennen.