Net als de meeste andere sectoren kent de gezondheidszorg een razendsnelle evolutie. De toegang tot data maakt het mogelijk om klinische proeven te versnellen, meer gepersonaliseerde medicatie te ontwikkelen, snellere en betere diagnoses te stellen, de kwaliteit van de zorg voor de patiënt te verbeteren en natuurlijk mensenlevens te redden. De volgende zes voorspellingen tonen aan hoe AI en data-analyse de gezondheidssector en biowetenschap op korte termijn verder zullen beïnvloeden.

De pandemie heeft de digitale transformatie in iedere sector versneld. Het gevolg is dat er meer data dan ooit beschikbaar is, ook voor de gezondheidszorg. Van ontdekking tot behandeling, op ieder punt van het continuüm biedt data enorm veel potentieel om het leven van patiënten te verbeteren. De analyse van gezondheidsgegevens opent deuren om bijvoorbeeld meer gepersonaliseerde medicatie te ontwikkelen. En om klinische en operationele beslissingen beter te onderbouwen.

Hieronder lees je zes voorspellingen over hoe AI en data-analyse de gezondheidszorg en het klinisch onderzoek zal verbeteren.

1. Data-analyse maakt ziekenhuizen en zorgpersoneel efficiënter dan ooit

Investeringen in intelligente systemen voor ziekenhuizen maken het werk van het zorgpersoneel een stuk efficiënter, waardoor medewerkers ook tevredener zijn over hun job. Toenemende automatisering en gebruik van dataworkflows zorgen ervoor dat zorgverleners meer tijd over hebben om aan de zorg voor patiënten te besteden. Natuurlijk is er wel een cultuurverandering nodig om het volle potentieel van technologie te benutten. Daarom moeten leidinggevenden aandacht besteden aan het opleiden van personeel om met data en inzichten te werken. Ze moeten ook een beroep doen op geavanceerde analytics en inzetten op betere systemen om data te verzamelen en te analyseren.

2. Synthetische data opent deur voor nieuwe AI-toepassingen

De strenger wordende privacywetgeving maakt het voor gezondheidsorganisaties niet altijd eenvoudig om data over patiënten te delen. Toch is het juist heel belangrijk dat onderzoekers dit soort informatie kunnen uitwisselen. Stel je voor dat een ziekenhuis in België een beroep zou kunnen doen op data scientists in Canada om een gepersonaliseerde risicoscore voor diabetespatiënten te ontwikkelen. Om dit soort grensoverschrijdende samenwerking tussen zorgorganisaties mogelijk te maken, is de opmars van synthetische data een echte gamechanger.

Bij synthetische data blijven de kenmerken van de oorspronkelijke dataset behouden, maar verdwijnt de persoonlijk identificeerbare informatie. Hierdoor is het voor AI-applicaties niet alleen mogelijk om datasets te genereren en valideren, maar ook om de dataset te gebruiken in predictieve modellen.

3. De gezondheidssector omarmt het potentieel van cloud analytics

Dankzij de cloud ontstaat er een ecosysteem dat de verschillende providers en onderzoekinstellingen verbindt en met elkaar laat praten. De connectiviteit en integratie van data zal voor artsen een schat aan informatie bieden om diagnoses te maken en behandelingen voor te stellen. Ook beleidsvoerders profiteren van dit ecosysteem en zullen op basis van veel uitgebreidere datasets beter op de toekomst kunnen inspelen. En tot slot zullen onderzoekers voor hun levensbelangrijke research uit een enorme datapool kunnen putten.

4. Artificiële intelligentie verschuift van het laboratorium naar de patiënt

Toonaangevende zorginstellingen en andere gezondheidsorganisaties hebben al aangetoond welke rol AI in ziekenhuizen kan vervullen wanneer we de technologie tot aan het bed van de patiënt brengen. Multimodale AI bevordert bijvoorbeeld de ontdekking van signalen en inzichten in meerdere stromen van parallelle gegevens, zoals beelden, genomica en klinische dossiers. Andere zorgverleners zullen die trend in 2023 volgen en geconnecteerde AI gebruiken om klinische besluitvorming te verbeteren, vroegtijdige waarschuwingssystemen te bouwen voor kritieke zorgomgevingen, en de naleving van belangrijke klinische protocollen op te volgen.

5. Reëel bewijs en genetische data versnellen klinische proeven

Farmaceutische bedrijven zullen therapieën sneller op de markt kunnen brengen, omdat ze meer technologie inzetten en daarbij ook steunen op bewijsmateriaal uit de echte wereld. Om dit mogelijk te maken, hervormen ze afdelingen die vroeger apart werkten en brengen ze digitaliseringsexperts samen om klinische proeven nog effectiever en efficiënter te laten verlopen. De ontwikkeling van cel- en gentherapieën zal digitaliseren en de trend naar meer gepersonaliseerde medicatie bevorderen.

6. AI wordt effectiever dankzij adoptie door wetenschappers en klinische onderzoekers

De sponsors van klinische proeven passen steeds vaker de aanpak van multimodale AI en multi-genomica toe, maar enkel waar ze zijn ingebed in de klinische realiteit. Computerberekeningen zullen op die manier nieuwe mogelijkheden voor geneesmiddelen identificeren, betere inzichten in patiënten genereren, alledaagse taken sneller laten automatiseren, enzovoort.

AI-toepassingen die niet aan klinische onderzoekers of wetenschappers kunnen worden uitgelegd, of die niet steunen op informatieruimtes met goede datakwaliteit, worden vervangen door meer nauwkeurige benaderingen als gevolg van de toenemende kwaliteit van algoritmes, rekenkundige clusters en vooruitgang in het gebruik van verklaarbare AI.

De auteur Mark Lambrecht is Director EMEA & APAC Health and Life Sciences Practice bij SAS België.