Themamiddag Artificial Intelligence

Op dinsdag 18 mei is door de NVMO-werkgroep Digitaal Leren en Innoveren een online middagprogramma over Artificial Intelligence georganiseerd. Wij, het IMS-bestuur, zijn hierbij aanwezig geweest. In deze blog geven wij een overzicht over deze interessante en leerzame middag.

De middag werd afgetrapt door Egge van der Poel, gepromoveerd in de experimentele deeltjesfysica met daarnaast een Bachelor als filosoof en momenteel werkzaam als data scientist in het Erasmus Medisch Centrum. In zijn verhaal stonden zijn ervaringen met het gebruik van data, ondersteund door praktijkvoorbeelden centraal.

Zijn verhaal begon met een algemene introductie over Artificial Intelligence. Alles wat wij mensen digitaliseren kunnen we benutten en de tools en technieken die wij daarvoor gebruiken noemen wij Artificial Intelligence. Artificial Intelligence is een vakgebied dat is ontstaan in de jaren 40 van de vorige eeuw, waarin het met behulp van machines nabootsen van menselijk gedrag centraal stond. In de loop van de tijd ontstonden er subsets zoals Machine Learning wat zich richt op het ontwikkelen van systemen die statistische methodes gebruiken om beter te presteren. Een subset van machine learning is Deep learning. Deep learning is gebaseerd op kunstmatige neurale netwerken en stelt computers in staat om nieuwe dingen te leren van grote hoeveelheden data. De structuur van de neurale netwerken is gebaseerd op het menselijke brein en kan daarom patronen herkennen en verschillende soorten informatie onderscheiden. De afbeelding hieronder geeft dat overzichtelijk weer.



Towards data science. What is Deep Learning and How does it work? [internet] available from: https://towardsdatascience.com/what-is-deep-learning-and-how-does-it-work-2ce44bb692ac. [Accessed 30th may 2021].
 

Ondanks deze ontwikkelingen blijft het mensenwerk om te bepalen wat de randvoorwaarden van Artificial Intelligence zijn en of het van toepasssing is in de praktijk. Om big data naar de zorg brengen en daar ook succesvol te implementeren is het van groot belang om methodiek te delen met elkaar, talenten en manieren te zoeken. Zo kan men door professionals van allerlei vakgebieden samen te laten werken zonder dat de volledige diepte en technieken begrepen zijn, big data implementeren in de zorg. Een mooi voorbeeld uit de praktijk is de Zorgmonitor op de afdeling KNO & hoofd-halschirurgie in het Erasmus Medisch Centrum. Via digitale vragenlijsten worden de klachten en de kwaliteit van leven van patiënten in kaart gebracht met als doel om de zorg nog persoonlijker te maken. De uitkomsten van de vragenlijsten zijn voor de zorgverlener direct te zien in het Elektronisch Patiënten Dossier.  De arts moet in één oogopslag kunnen zien wat de patiënt gerapporteerde uitkomsten (PROMs) zijn, voordat de patiënt daadwerkelijk in consult geroepen wordt. Professionals dienen tijdens het spreekuur terugkoppeling te geven en kunnen het dashboard gebruiken om dit visueel te ondersteunen. Dit brengt nieuwe uitdagingen met zich mee zoals hoe kan je het beste een dashboard bouwen dat elke zorgprofessional kan gebruiken en uit generieke elementen bestaat, maar ook uit ziekte specifieke elementen.

Vervolgens was het de beurt aan AiMED. AiMED is een studentenorganisatie die opereert onder begeleiding van DASH (het Data Science Center in Health van het UMCG) met als doel om artificial intelligence (AI) in de gezondheidszorg op de kaart te zetten. Dit doen zij door een platform aan te bieden waar (bio)medische studenten, onderzoekers en professionals toegang krijgen tot onderwijs en onderzoeksmogelijkheden in het veld. Iets minder dan een jaar geleden zijn zij begonnen met het uitwerken van hun eerste cursus: Introduction to Machine Learning in Medicine. Dit heeft de structuur van een universitaire cursus, met afsluitend het in ontvangst nemen van een certificaat. AiMED is een gevarieerde groep bestaande uit o.a. medische, Artificial Intelligence en biomedical engineering studenten. Wil je hier meer over weten, neem dan zeker een kijkje op hun website of LinkedIn door op de icoontjes hieronder te klikken.

Na een korte pauze was het de beurt aan Prof. Dr. Marco Spruit. Marco Spruit is werkzaam als hoogleraar Advanced Data Science in Population Health bij zowel het Leiden Universitair Medisch Centrum (LUMC) als het Leiden Institute for Advanced Computer Science (LIACS). In zijn presentatie introduceerde hij het CRoss-Industry-Standard Process for Data Mining (CRISP-DM) als best practice voor het uitvoeren van data science projecten in de zorg. Dit procesmodel wordt toegepast op een casus om een eerste data-gedreven inzicht te verkrijgen in de Nederlandse langetermijnzorg. Het is als een tool, bestaande uit meerdere fases, om te helpen bij het plannen, organiseren en implementeren van een data science-project.

Ten slotte belichtte Dr. Hugo Kuijf de toepassing van AI-technologie voor in klinisch onderzoek en de praktijk. In zijn presentatie werd ingegaan op het ontwikkelen van AI-technologie voor dementie-onderzoek, het toepassen van AI bij het beoordelen van medische beelden (MRI) en het ondersteunen van de radioloog, het inzetten van AI bij clinical-decision support (in de radiologie en neurologie) en het valideren van AI-technologie. Daarna werd er aandacht besteed aan waarom Artificial Intelligence van belang is voor de geneeskunde(studenten). De verwachting is dat het belang en gebruik van AI in de toekomst alleen maar zal toenemen. Daarom is het leren omgaan met deze technieken en het op waarde schatten van resultaten van groot belang. Op sommige faculteiten is er al aandacht voor AI, maar dit is vaak slechts een korte introductie.

Het was een leerzame middag en wij willen de NVMO-werkgroep Digitaal Leren en Innoveren en de sprekers bedanken voor alle gedeelde kennis en verhalen.

#

Comments are closed

Agenda
mei 2021
M D W D V Z Z
 12
3456789
10111213141516
17181920212223
24252627282930
31