AI voor gezondheid op maat: reproduceren kan je leren met meer en betere data
Kunstmatige intelligentietools gebruiken voor betere diagnose en monitoring in de gezondheidszorg heeft enorme potentie. Maar hoe betrouwbaar zijn de modellen? Onderzoekers lopen tegen een reproduceerbaarheidscrisis aan, zo blijkt uit deze Nature publicatie. In een wedstrijd voor geautomatiseerde longkankerdiagnose behaalden de tien best presterende algoritmen slechts 60-70% nauwkeurigheid bij het testen op een subset van de gegevens. Deel van het probleem komt voort uit de relatief geringe hoeveelheid openbaar beschikbare data in de gezondheidszorg. Grotere datasets die voor iedereen toegankelijk zijn en diverse gegevens bevatten die het algoritme uitdagen, zouden kunnen helpen.
Grotere datasets beschikbaar maken valt of staat met een goede infrastructuur. Niet voor niets pleit HollandBIO voor een nationale gezondheidsdata-infrastructuur als landelijke nutsvoorziening, die het registreren, uitwisselen en benutten van zorgdata voor publieke én private partijen, conform breed gedragen criteria en randvoorwaarden, mogelijk maakt. Die nationale gezondheidsdata-infrastructuur zal ons gezondheidsecosysteem op vele fronten versterken. In onze position paper lichten we verder toe hoe zij bijdraagt aan:
- Continue verbetering van passende zorg.
- Het stimuleren, versnellen en verbeteren van onderzoek en innovatie.
- Het verminderen van administratieve en financiële lasten van regulatoire vereisten voor de ontwikkeling van nieuwe producten.
- Een naadloze uitwisseling tussen productonderzoek en zorgpraktijk.
