De rol van de arts wordt steeds meer die van coach of regisseur, ondersteund door databases, sensoren, wearables en machines.
En dat is voor de ontwikkelingslanden maar goed ook. Als Nigeria aan de OESO normen zou moeten voldoen, zouden er 12 maal zo veel artsen nodig zijn en zou men 10 maal meer moeten gaan besteden aan volksgezondheid. Maar het zou 300 jaar duren om dat aantal artsen op te leiden.
Data sience
Jeremy Howard presenteerde deze data tijdens het Exponential Medicine congres dat begin november werd gehouden. Het is onmogelijk en onwenselijk om het huidige westerse medische model een-op-een los te laten op ontwikkelingslanden. Als onze westerse maatstaven niet werken in ontwikkelingslanden, wat gaat dan wel werken? En waar? Er wordt niet alleen in de ontwikkelingslanden maar wereldwijd een urgentie gevoeld om goede en betaalbare zorg te verlenen. In hun betoog laten Howard en anderen tijdens het congres zien dat door gebruik te maken van kunstmatige intelligentie (A.I.) ook met een beperkt aantal artsen toch goede zorg verleend kan worden. Door de inzet van avatars, slim gebruik van grote data sets en het voorspellen van gezondheidseffecten op grond van deep learning kunnen deze landen volgens sprekers snel hun grote achterstand verkleinen. Data science zal de komende 10-20 jaar enorm veel voor de geneeskunde doen, misschien zelfs meer dan alle biologie-research tezamen.
En gaat dit ook echt gebeuren?
Het gebeurt feitelijk al! Met A.I. kan reeds nauwkeuriger de aanwezigheid van ziekte voorspeld worden dan conventioneel, bijv door scans te lezen (bij longkanker, huidkanker. diabetische retinopathie). Data van Cloud-based apps en wearables kunnen gelezen worden, en per patiëntengroep snel bij elkaar gebracht worden. Nieuwe patronen worden ontdekt en steeds complexere problemen worden sneller opgelost.
A.I. daagt artsen uit op diverse medische terreinen. A.I. is op meerdere gebieden beter in staat een diagnose te stellen dan de artsen (bron).
De verwachting is dat 95% van de eerste contacten bij spoedeisende zorg en de eerstelijnsgezondheidszorg gedaan kan worden zonder persoonlijk contact. Daarbij zullen digitale menselijke Avatars vrijwel zeker de triage en het eerste contact gaan zijn voor patiënten. De huidige gepresenteerde voorbeelden zien er al griezelig overtuigend uit.
Patiënt-waarden algoritmen van verschillende aandoeningen (bijv. beroerte, vallen, bloeding) kunnen door de patiënt zelf worden gewogen en direct in een model worden ingelezen, zoals aangetoond door Clalit (bron). Science 37 heeft al een compleet platform voor klinische onderzoekstrials gecreëerd dat rondom de patiënt is gebouwd en waarbij voor deelname zelfs geen kliniek of ziekenhuis meer nodig is (bron).
Het zijn illustraties van ontwikkelingen die gaande zijn en die de patient en de arts ter beschikking (gaan) staan. Veel van deze ontwikkelingen hebben als kern-kenmerk dat ze gericht zijn op de (eigen regie van de) patiënt als consument en dat ze relatief eenvoudig en met beperkte kosten uitvoerbaar zijn. En dat komt landen als Nigeria uitstekend uit.
Conclusie
Of 80% van wat artsen nu doen inderdaad door slimme machines zal worden overgenomen valt nog te bezien, maar de rol van de arts kan op deze manier steeds meer die van coach of regisseur worden, ondersteund door databases, sensoren, wearables en machines. De moeilijkheid zit hem niet in de nieuwe mogelijkheden, maar om ons aan onze oude ideeën te ontworstelen.
