In technologie was geneeskundestudent Nikkie Fennema altijd al geïnteresseerd. 'Ik had het vak ' Introduction to Computer Programming in Medicine ' gevolgd en wilde mijn technologische en computerskills verder ontwikkelen.' Daarom meldde ze zich vorig studiejaar samen met zeven andere UMCG-studenten aan voor de nieuwe JSM Masterclass Introduction to Artificial Intelligence in Medicine.
Deze masterclass is het begin van meer AI-onderwijs aan studenten binnen medische wetenschappen. Ze hoeven niet meteen datawetenschappers te worden, de crux is dat ze het vele AI-kaf dat er is, van het AI-koren leren scheiden. Dat doen ze door het concept dat onder AI ligt, te leren kennen en kritisch te beschouwen. Zodat ze voor hun werk gefundeerde keuzes voor goed gebruik van AI kunnen maken. Als ze over tien jaar als dokter of onderzoeker werken, zal AI verder ontwikkeld zijn, maar hebben zij die kritische blik en conceptuele kennis steeds meegenomen in hun opleiding en onderzoek.
Anna Kovacs doet naast haar studie geneeskunde een eigen onderzoek. Daardoor zag ze wetenschappers al gebruikmaken van AI, bijvoorbeeld om snel sepsis (bloedvergiftiging) op te sporen bij patiënten op de spoedeisende hulp (SEH). Waarom ze de masterclass is gaan volgen? 'Om kritisch te kunnen evalueren wanneer en hoe ik AI kan inzetten als dokter en onderzoeker.'
'Studenten gebruiken bijna allemaal al AI, zoals ChatGPT', zegt Nikkie. 'Om iets samen te vatten bijvoorbeeld of om je op tentamenvragen voor te bereiden. Dat voelt soms zelfs een beetje stiekem, zo van: 'Is het eigenlijk wel toegestaan of ben ik nu slecht bezig?'
Anna vertelt dat ze in deze masterclass veel heeft geleerd over de ethiek, de wetgeving en de technische aspecten van AI. 'Veel geneeskundestudenten die ik ken zijn vooral in de ethiek en de wetgeving geïnteresseerd. Dat is belangrijk, maar ik vind het technische aspect juist heel boeiend. Ik wil bijvoorbeeld ook leren hoe je een goede dataset bouwt. Maar het belangrijkste vind ik dat we ons leren afvragen of AI past bij het doel van ons onderzoek of de zorg voor een patiëntengroep. Dat we ons afvragen: kunnen we voor een bepaalde taak een specifiek model ontwerpen en trainen?'
'Ik kon eerst niet aan anderen uitleggen hoe AI in de geneeskunde werkt', zegt Nikkie, 'dat kan ik nu wel. Ik ben heel erg geïnteresseerd in forensische pathologie. Daarom koos ik voor mijn opdracht een artikel over hoe je vanuit menselijke resten het geslacht van iemand kunt bepalen. Dat kan op basis van bepaalde karakteristieken van de schedel. Dat bepalen kan een mens doen, maar in elk vakgebied heb je wel een taak waarvoor je een AI-model kunt trainen. Zodat je als expert die herhalende taak niet meer hoeft te doen en meer tijd kunt besteden aan de analyse. Dat geldt hiervoor ook.'
'Veel mensen staan nog niet zo open voor AI', merkt Anna. 'Die doen het werk liever op de traditionele manier. Maar als je weet wat de mogelijkheden zijn en hoe je AI op een goede manier kunt inzetten, dan zou ik zeggen: Wees niet bang om het te gebruiken. Binnen radiologie of dermatologie kun je je bij de diagnostiek al laten helpen door AI-modellen. Om bijvoorbeeld snel te kunnen bepalen of een patiënt een melanoom heeft of niet, ontwikkelen en testen ze nu een handige tool. Een Large Language-model kan de dokter helpen verslagen te maken en die samen te vatten, met AI-modellen kun je planningen van operaties maken, noem de mogelijkheden maar op.'
'Het zal per vakgebied verschillen, maar elke arts zal van AI iets moeten leren en weten', concludeert Nikkie. 'Een van de belangrijkste dingen van dokter zijn, is dat je er bent voor de patiënt. Als AI-modellen taken kunnen overnemen die nu veel tijd kosten, dan kun je de tijd die dat oplevert voor je patiënt gebruiken.' Ik denk ook dat het kan zorgen voor minder werkdruk, minder fouten en meer plezier in het werk. Want meer tijd kan ook voor een gezonde werk-privébalans voor de dokter zorgen. Dat is voor mijn generatie ook belangrijk, denk ik.'
'AI gaat ons echt helpen', zegt Anna. 'Deze ontwikkeling kan en zal ons als arts meer tijd geven om efficiënter te werken. Zo kun je meer persoonlijke aandacht aan je patiënt geven, maar we hebben die extra tijd ook nodig. Omdat we allemaal ouder worden, waardoor een arts nog meer patiënten krijgt om te behandelen. Ik zie het als een volgende stap in de reis van de medische wetenschap. Weet je, vroeger keken mensen raar aan tegen robotchirurgie en dat is nu ook heel normaal.'
Het DASH 'Digital Health Care Education team' van het UMCG ontwikkelt een leerlijn 'Digital Health Care' voor de studies binnen Medische Wetenschappen. Het onderwijsteam is een samenwerking tussen het Data Science Center in Health (DASH) en de afdeling Epidemiologie. Dit project is mogelijk dankzij financiering vanuit het 'Sectorplan Medische en Gezondheidswetenschappen'.
