Iets meer dan negentig procent van de ondervraagde ziekenhuizen experimenteert met ai of heeft ai-toepassingen in gebruik. Ruim de helft gebruikt generatieve-ai-toepassingen zoals ChatGPT. Opvallend: de voornaamste drijfveer om ai in te zetten is niet het verbeteren van de kwaliteit van de zorg, maar het terugdringen van de werkdruk.
Dat blijkt uit AI Monitor Ziekenhuizen 2024 van M&I/Partners die voor de zesde keer is uitgevoerd. Aan deze editie werkten 47 vertegenwoordigers van 43 ziekenhuizen mee. De groep die aangeeft ai nog niet toe te passen, is gedaald naar 7 procent ten opzichte van 33 procent vorig jaar. ‘De meeste ai-toepassingen treffen we aan op het gebied van diagnostiek. Radiologie blijft het specialisme met de meeste ai-implementaties en ai-experimenten’, vatten de onderzoekers de resultaten samen.
In 57 procent van de ziekenhuizen wordt inmiddels gebruik gemaakt van generatieve ai. Het gaat om gespreksverslagen met automatische transcripties, het samenvatten van documenten en het genereren van teksten. Het vaste ai-team van een hospitaal bestaat gemiddeld uit 5,7 voltijdmedewerkers. Het gaat om data-engineers, data-scientists en medische specialisten.
Werkdruk
In 89 procent van de ondervraagde ziekenhuizen wordt ‘het reduceren van de werkdruk’ als de voornaamste drijfveer voor het gebruik van ai genoemd. In de vorige editie stond ‘de kwaliteit van zorg’ op nummer één. 93 procent van de respondenten verwacht dat ai de komende vijf jaar een positieve impact zal hebben op de ervaring van de medewerker. In 29 procent van de ziekenhuizen heeft in beeld met welke frequentie ai-modellen opnieuw getest, getraind en gekalibreerd worden. Dat is belangrijk om fouten als gevolg van hallucinaties en drifting te voorkomen. Bij een hallucinatie geeft een ai-systeem een vreemde uitkomst die niet gerechtvaardigd lijkt te zijn door de data waarmee het systeem is getraind. Bij 54 procent van de ziekenhuizen is het onbekend of dit gebeurt. Volgens de onderzoekers is meer aandacht voor monitoring van gebruikte ai-modellen nodig. Bij drifting verslechteren de prestaties van een ai-model door een veranderingen van de gebruikte data of veranderingen in de relaties tussen invoer- en uitvoervariabelen.
Kopen of ontwikkelen?
In het onderzoek komt ook de keuze voor zelfbouw, co-creatie of aankoop van ai-toepassingen aan bod. Van de 24 ziekenhuizen die aangaven ai-toepassingen te hebben geïmplementeerd, heeft 64 procent deze aangekocht. Daarnaast geeft 23 procent aan via eigen ontwikkeling, eventueel met externe ondersteuning ai-toepassingen te ontwikkelen. De overige 14 procent heeft ai-applicaties die tot stand zijn gekomen in co-creatie met andere ziekenhuizen. Volgens M&I Partners demonstreert dit dat ai niet meer alleen is weggelegd voor grote ziekenhuizen met data-scientists en onderzoekers die zelf ai-modellen ontwikkelen. ‘Door gebruik te maken van externe leveranciers en samenwerkingen tussen ziekenhuizen is ai ook toegankelijk geworden voor kleinere ziekenhuizen.’
Bij de ai-experimenten zien de onderzoekers, ten opzichte van implementaties, meer zelfbouw. ‘Dat komt overeen met het experimentele karakter van ai en het beleid van sommige ziekenhuizen om volgend te zijn of enkel in te zetten op bewezen technologie. Een substantieel deel van de ai-toepassingen die in co-creatie ontstaan, gaan over algoritmen voor: ‘opnamekans’, ‘ligduur op de spoedeisende hulp’ en ‘ligduur op de verpleegafdeling’. Het Expertisecentrum Zorgalgoritmen valideert deze drie algoritmen in vijf samenwerkende algemene ziekenhuizen.
