Hoe een investeringsfonds kan bijdragen aan verantwoorde AI in de zorg

Nextgen Ventures is een investeringsfonds met als doel te investeren in bedrijven die technologie ontwikkelen die de zorg goedkoper en toegankelijker kan maken. Steeds vaker vormt AI de basis voor dit soort technologie. In de technologie waarin wij investeren zoeken we naar een dubbele winst: zowel maatschappelijk als financieel rendement. Als klanten en maatschappelijke stakeholders, zoals patiënten en zorgverzekeraars, geen waarde zien in de technologie, wordt het moeilijk het bedrijf winstgevend te maken.

Noaber Foundation, één van de partners van Nextgen Ventures, heeft bijvoorbeeld geïnvesteerd in een bedrijf dat op basis van patiëntgegevens uit een database – een ZIS, of ziekenhuisinformatiesysteem – onder meer het risico op bloedvergiftiging (sepsis) bij patiënten kan inschatten. Uit studies blijkt dat circa 6% van alle patiënten op de intensive care te maken krijgt met sepsis, wat resulteert in een sterftecijfer van 28% tot 55%. Indien sepsis in een vroeg stadium gedetecteerd wordt, kan antibiotica worden toegediend en kan het sterftecijfer fors dalen.

We hebben ook geïnvesteerd in een bedrijf dat programmatuur ontwikkelt waarmee in de toekomst beter voorspeld kan worden of een immuuntherapie bij kankerpatiënten zal aanslaan. Een immuuntherapie kan nare bijwerkingen hebben. Er zijn veel immuuntherapieën waar slechts een klein deel van de patiënten baat bij heeft. De AI-toepassing waarin wij investeren kan – dankzij onder meer massively parallel sequencing en daaropvolgende data-interpretatie – analyseren of een patiënt baat heeft bij een immuuntherapie. Als dat niet het geval is, hoeft de therapie inclusief bijwerkingen niet onnodig lang te worden voortgezet. Een meer persoonlijke benadering bij de toediening van relatief dure medicatie kan ook de kosten van de gezondheidszorg temperen.

Bij het selecteren van bedrijven waarin wij investeren, kunnen we aangeven wat we belangrijk vinden. Een bedrijf moeten overleven, dus er moet een markt zijn voor de technologische oplossing. De technologie moet daarnaast een positieve bijdrage leveren aan de gezondheidszorg, tegen minimale of gelijke kosten. Maar we kunnen niet helemaal voorkomen dat een technologische oplossing processen duurder maakt. We hebben geen zeggenschap over hoe klanten van een bedrijf waarin wij hebben geïnvesteerd de technologie uiteindelijk gebruiken. Als zij de toepassing alleen maar als extraatje (add-on) gebruiken, dan kunnen wij daar niet veel aan doen.

We zien veel AI-innovaties die een ziekte of aandoening kunnen constateren. Voor onderzoeksdoeleinden zijn zulke uitvindingen interessant, maar de praktische implicaties hiervan zijn niet zo groot. Denk aan een technologie waarmee je in een vroeg stadium dementie kan vaststellen. Ten eerste zijn er niet zoveel behandelingen voor dementie, dus praktisch gezien levert een vroege constatering van dementie niet zoveel op. Ten tweede komen er niet zoveel mensen bij de dokter die aangeven dat ze een vermoeden van vroege dementie bij zichzelf hebben. Het algoritme in zo’n AI-toepassing kan dus ook niet echt gevoed worden met de juiste data.

Er zijn veel ontwikkelingen en oplossingen op het gebied van AI, maar vaak zijn die relevant voor een relatief kleine groep en is de reikwijdte ervan dus niet zo groot. Opschalen van een innovatief product is lastig en duur. Daarvoor is wetenschappelijke validatie nodig en de ondernemer moet aan allerlei normen voldoen om zijn product klaar te maken voor de markt. Een ondernemer moet zichzelf vanaf het begin de vraag stellen welk probleem hij denkt op te lossen en wat de omvang van dit probleem is.

AI is vooral van toegevoegde waarde bij de analyse van grote hoeveelheden, redelijk homogene data. Zoals de analyse van een database met veel elektronische patiëntgegevens over bijvoorbeeld een bepaalde aandoening. Een algoritme is beter in staat dan een mens om duizenden patiënten te analyseren op basis van een select aantal kenmerken, zoals geslacht, inclusiecriteria voor een wetenschappelijke studie of kenmerken van sepsis.

Maar als het gaat over één patiënt, bijvoorbeeld iemand met een huidaandoening, dan kan een AI-toepassing niet alle mogelijke huidaandoeningen afgaan om vervolgens te concluderen dat het om een basaalcelcarcinoom gaat en niet om een melanoom, plaveiselcelcarcinoom of iets anders. Een AI-toepassing kan mogelijk wel met enige zekerheid zeggen of deze patiënt een melanoom heeft, terwijl dat niet de echte vraag is van de patiënt. Die wil vooral weten wat er aan de hand is met zijn huid en wat de behandelopties zijn. Uitspraken doen over individuele patiënten met een individuele vraag: daarin zijn wij mensen nog altijd beter dan AI.

We hebben als investeerder geleerd dat het lastig is om processen in de zorg te wijzigen. Dat maakt de acceptatie van een innovatie tot een uitdaging. Het bleek bijvoorbeeld lastiger dan we hadden verwacht om zorgverleners in de GGZ te laten werken met online modules, waarmee ze delen van een interventie online konden laten plaatsvinden met behulp van cursusmateriaal. Zorgverleners werken graag op een bepaalde manier. Ze gaan ondanks de technologische mogelijkheden toch het ‘echte’ gesprek aan met patiënten of cliënten.

AI-toepassingen automatiseren stukjes van processen in de gezondheidszorg. Stap voor stap kunnen ze de gezondheidszorg verbeteren, door een beetje meer veiligheidswinst of tijdwinst bijvoorbeeld. Een arts zal altijd eindverantwoordelijk blijven voor de output van een systeem. Hij zal moeten kunnen traceren hoe een computer tot een bepaald inzicht is gekomen. Ik denk dat een radioloog over pakweg vijf jaar voor zijn gevoel nog steeds hetzelfde werk doet als vandaag. De technologie wordt alleen geruisloos via de industrie in zijn werk ingebracht. Zonder dat er sprake is van een revolutie in zijn werk.