In een drukke afdeling van het St. Michael’s Hospital in het centrum van Toronto had een van Shirley Bells patiënten last van een kattenbeet en koorts. Verder leek hij in orde, totdat een waarschuwingssysteem op basis van kunstmatige intelligentie aangaf dat hij zieker was dan hij leek.
Terwijl het verpleegkundig team doorgaans rond het middaguur bloedonderzoeken uitvoerde, gaf de technologie binnenkomende resultaten al enkele uren van tevoren aan. Die waarschuwing gaf aan dat het aantal witte bloedcellen van de patiënt “heel, heel hoog” was, herinnert Bell zich, de klinische verpleegkundige docent voor het algemene geneeskundeprogramma van het ziekenhuis.
De oorzaak bleek cellulitis te zijn, een bacteriële huidinfectie. Zonder snelle behandeling kan het leiden tot uitgebreide weefselschade, amputaties en zelfs de dood. Bell zei dat de patiënt snel antibiotica kreeg om die ergste scenario’s te voorkomen, grotendeels dankzij de interne AI-technologie van het team, genaamd Chartwatch.
“Er zijn veel en veel andere scenario’s waarin de toestand van patiënten eerder wordt gesignaleerd, de verpleegkundige eerder wordt gewaarschuwd en er eerder wordt ingegrepen,” zei ze. “Het is niet het vervangen van de verpleegkundige aan het bed; het is het daadwerkelijk verbeteren van uw verpleegkundige zorg.”
Een anderhalf jaar durende studie op Chartwatch, gepubliceerd maandag In het Canadian Medical Association Journal werd vastgesteld dat het gebruik van het AI-systeem leidde tot een opvallende daling van 26 procent in het aantal onverwachte sterfgevallen onder opgenomen patiënten.
“We zijn blij dat we levens redden”, aldus medeauteur Dr. Muhammad Mamdani, vice-president datawetenschap en geavanceerde analyse bij Unity Health Toronto en directeur van het Centre for AI Research and Education in Medicine van de University of Toronto Temerty Faculty of Medicine.
‘Een veelbelovend teken’
Het onderzoeksteam keek naar meer dan 13.000 opnames op de afdeling algemene interne geneeskunde van St. Michael’s, een afdeling met 84 bedden waar enkele van de meest complexe patiënten van het ziekenhuis worden verzorgd. Ze vergeleken de impact van de tool op die patiëntenpopulatie met duizenden opnames op andere subspecialistische afdelingen.
“In dezelfde periode zagen we op de andere afdelingen in ons ziekenhuis die Chartwatch niet gebruikten, geen verandering in deze onverwachte sterfgevallen”, aldus hoofdonderzoeker Dr. Amol Verma, klinisch wetenschapper bij St. Michael’s, een van de drie netwerklocaties van het Unity Health Toronto-ziekenhuis, en Temerty-professor AI-onderzoek en -onderwijs in de geneeskunde aan de Universiteit van Toronto.
“Dat was een veelbelovend teken.”
Het Unity Health AI-team begon in 2017 met de ontwikkeling van Chartwatch, op basis van suggesties van medewerkers dat het voorspellen van sterfgevallen of ernstige ziektes belangrijke gebieden zouden kunnen zijn waar machine learning een positief verschil zou kunnen maken.
De technologie is jarenlang intensief ontwikkeld en getest voordat deze in oktober 2020 werd geïmplementeerd, aldus Verma.
“Chartwatch meet ongeveer 100 inputs uit het medisch dossier van (een patiënt) die momenteel routinematig worden verzameld tijdens het leveren van zorg,” legde hij uit. “Dus de vitale functies van een patiënt, hun hartslag, hun bloeddruk … alle laboratoriumtestresultaten die elke dag worden gedaan.”
De tool werkt op de achtergrond samen met klinische teams en houdt alle wijzigingen in iemands medisch dossier in de gaten. “En doet elk uur een dynamische voorspelling over de kans dat de toestand van die patiënt in de toekomst zal verslechteren”, vertelde Verma aan CBC News.
Dat kan betekenen dat iemand zieker wordt, intensieve zorg nodig heeft of zelfs op het randje van de dood balanceert. In dat geval krijgen artsen en verpleegkundigen de kans om in te grijpen.
In sommige gevallen houden deze interventies in dat de behandeling van iemand wordt opgeschroefd om diens leven te redden, of dat er vroegtijdig palliatieve zorg wordt verleend in situaties waarin de patiënt niet meer gered kan worden.
In beide gevallen lijkt Chartwatch het eigen oordeel van clinici aan te vullen, aldus de onderzoekers, en leidt het tot betere resultaten voor kwetsbare patiënten. Bovendien helpt het om plotselinge en mogelijk vermijdbare sterfgevallen te voorkomen.
AI in opkomst in de gezondheidszorg
Naast de toepassingen in de geneeskunde is er de laatste jaren veel aandacht voor kunstmatige intelligentie, maar ook veel kritiek.
Er zijn genoeg redenen om voorzichtig te zijn met deze opkomende technologie, van de controverse rond het gebruik van machine learning-software om academische essays te schrijven tot de zorgen over het vermogen van AI om realistische audio- en videocontent te creëren die echte beroemdheden, politici of gemiddelde burgers nabootst.
Verma zelf zei dat hij al lang op zijn hoede is. Maar in de gezondheidszorg, benadrukte hij, hebben deze tools een enorm potentieel om het personeelstekort dat het Canadese zorgsysteem teistert, aan te pakken door de traditionele zorg aan het bed aan te vullen.
Het is nog maar het begin voor veel van die inspanningen. Verschillende onderzoeksteams, waaronder particuliere bedrijven, onderzoeken manieren om AI te gebruiken voor eerdere kankerdetectie. Sommige studies suggereren dat het potentieel heeft voor verzwakkende hypertensie alleen al door naar iemands stem te luisteren; anderen laten zien dat het hersenpatronen kan scannen om signalen van een hersenschudding detecteren.
Chartwatch staat bekend om zijn succes bij het in leven houden van patiënten, benadrukt Verma.
“Er zijn nog maar weinig AI-technologieën daadwerkelijk geïmplementeerd in klinische settings. Dit is, voor zover wij weten, een van de eerste in Canada die daadwerkelijk is geïmplementeerd om ons te helpen bij de dagelijkse zorg voor patiënten in ons ziekenhuis”, zei hij.
‘Real world’-blik op de impact van AI op de gezondheidszorg
Het onderzoek in St. Michael’s kent beperkingen. Het onderzoek vond plaats tijdens de COVID-19-pandemie, in een tijd waarin het zorgsysteem te maken kreeg met een ongebruikelijke reeks uitdagingen. De patiëntenpopulatie van het stedelijke ziekenhuis is ook uniek, erkende het team, gezien het hoge aantal complexe patiënten, waaronder personen die te maken hebben met dakloosheid, verslaving en overlappende gezondheidsproblemen.
“Onze studie was geen gerandomiseerde gecontroleerde proef in meerdere ziekenhuizen. Het was binnen één organisatie, binnen één eenheid,” zei Verma. “Dus voordat we zeggen dat deze tool overal breed kan worden gebruikt, denk ik dat we onderzoek moeten doen naar het gebruik ervan in meerdere contexten.”
Dr. John-Jose Nunez, een psychiater en onderzoeker aan de University of British Columbia — die niet betrokken was bij de studie — was het ermee eens dat het onderzoek elders moet worden herhaald om een beter beeld te krijgen van hoe goed Chartwatch in andere instellingen zou kunnen werken. Er moeten ook overwegingen worden gemaakt rondom de privacy van patiënten, voegde hij toe, bij het gebruik van opkomende AI-technologieën.
Toch prees hij het onderzoeksteam omdat ze een ‘echt’ voorbeeld gaven van hoe machine learning de patiëntenzorg kan verbeteren.
“Ik zie AI-hulpmiddelen echt als een extra teamlid van het klinische zorgteam”, zei hij.
Het Unity Health-team hoopt dat hun technologie in de toekomst breder wordt uitgerold, binnen hun eigen ziekenhuisnetwerk in Toronto en daarbuiten.
Een groot deel van dat werk gebeurt via TWEELINGhet grootste ziekenhuisgegevensuitwisselingsnetwerk voor onderzoek en analyse in Canada, aldus Mamdani, vice-president datawetenschap bij Unity Health.
Meer dan 30 ziekenhuizen in Ontario werken samen, zei hij, waardoor er mogelijkheden ontstaan om Chartwatch en andere AI-tools te testen in verschillende klinische omgevingen en ziekenhuizen.
“Hiermee is de basis gelegd om deze zaken ook buiten onze vier muren te kunnen inzetten”, aldus Mamdani.