Een kunstmatig intelligentiemodel ontworpen om sepsis te voorspellen rateert twee op de drie patiënten die daadwerkelijk de complicatie zullen ontwikkelen. Dit cijfer, afkomstig uit een onafhankelijke evaluatie die in januari 2024 door ScienceDaily werd gepubliceerd, vat op zichzelf het paradox van het medische nieuws van dit jaar samen: innovaties nemen toe, maar hun toepassing in de praktijk brengt problemen met zich mee die alleen door technologie niet kunnen worden opgelost.
Medische AI-tools: de kloof tussen belofte en klinisch bewijs
Er wordt veel gesproken over algoritmen die in staat zijn om röntgenfoto’s te lezen of hartafwijkingen te detecteren. In werkelijkheid zijn de meeste van deze tools niet onderworpen aan een externe evaluatie die een direct voordeel voor de patiënten aantoont. De analyse gepubliceerd door ScienceDaily wijst op een structureel probleem: de door agentschappen gevalideerde AI-apparaten missen gegevens over patiëntresultaten.
Het geval van het sepsisvoorspellingsmodel is sprekend. Van alle patiënten die later sepsis ontwikkelden, was 67% niet door het systeem geïdentificeerd. Een faalpercentage van deze orde, bij een aandoening waarbij elk uur telt, dwingt ons om het vertrouwen in deze tools in de klinische routine te heroverwegen.
Regelmatig vinden we medische nieuwsberichten op Doctinews die deze spanning tussen snelheid van uitrol en niveau van bewijs documenteren, een onderwerp dat zorgprofessionals nauwlettend volgen.
Regulering van algorithmische updates in de gezondheidszorg
Een technisch punt blijft vaak onder de radar: medische algoritmen zijn geen vaste apparaten. Ze evolueren met de gegevens die ze verwerken. Een model dat in maart is gevalideerd, kan zich in oktober anders gedragen als zijn parameters zijn herkalibreerd.
De regulering begint deze realiteit te integreren. In 2024 wordt het beheer van algorithmische updates een volwaardig regelgevend vraagstuk. De gezondheidsautoriteiten werken aan kaders die continue monitoring na de marktintroductie vereisen, en niet alleen een initiële validatie.
Voor de instellingen betekent dit extra beperkingen: elke wijziging documenteren, versies traceren, controleren of de prestaties niet verslechteren bij specifieke subpopulaties. De reacties variëren op dit punt, sommige ziekenhuizen hebben al data-teams die deze cycli kunnen volgen, terwijl anderen noch de middelen noch de vaardigheden hebben om dit te doen.
Uitrol van innovaties: de organisatorische bottleneck
Het voorbeeld van thrombectomie illustreert een terugkerend patroon. Deze procedure, aanbevolen voor de behandeling van bepaalde beroertes, blijft onderbenut in veel gebieden ondanks gedocumenteerde klinische voordelen. De reden is niet technologisch.
Zoals een samenvatting gepubliceerd in Pharmaphorum in 2024 herinnert, hangt de uitrol van een innovatie meer af van de organisatie dan van de technische prestaties. Er zijn opgeleide professionals nodig, functionele verwijzingscircuits, beschikbare beeldvormingscapaciteiten, gespecialiseerde teams die binnen een tijdsbestek kunnen worden gemobiliseerd dat past bij de urgentie.
Ditzelfde patroon zien we bij digitale tools voor patiëntfollow-up. Een verbonden apparaat dat gegevens in realtime doorgeeft, is nutteloos als niemand ze leest, als de software niet is geïntegreerd in het patiëntendossier, of als de behandelende arts niet is opgeleid om de waarschuwingen te interpreteren.
Concreet obstakels voor de uitrol
- Het gebrek aan personeel dat is opgeleid in nieuwe digitale oplossingen, zelfs in goed uitgeruste instellingen
- De afwezigheid van duidelijke verwijzingscircuits tussen huisartsgeneeskunde en gespecialiseerde technische afdelingen, wat de zorg vertraagt
- De fragmentatie van ziekenhuisinformatiesystemen, die de interoperabiliteit tussen diagnostische tools en patiëntendossiers belemmert
- De kosten van onderhoud en updates van apparaten, die zelden verder worden gebudgetteerd dan de initiële investering
Genetische therapie en genbewerking: een versterkte regelgevende controle
Therapieën gebaseerd op genbewerking komen in een fase waarin de veiligheidsvereisten strenger worden. De eerste op de markt gebrachte behandelingen hebben de weg vrijgemaakt, maar de autoriteiten eisen nu strengere langetermijnmonitoring.
De veiligheidscriteria hebben betrekking op de stabiliteit van genetische wijzigingen in de tijd. Een gecorrigeerd gen moet jarenlang stabiel blijven, zonder off-target effecten die zich later zouden manifesteren. Deze eis verlengt de tijd tussen veelbelovende laboratoriumresultaten en beschikbaarheid voor patiënten.
Voor de onderzoeksteams betekent dit dat ze vanaf het begin geschikte follow-upprotocollen moeten ontwerpen. De gegevens van farmacovigilantie moeten langere periodes dekken dan voor een klassiek medicijn, wat druk uitoefent op de budgetten en de logistiek van de proeven.
Persoonlijke geneeskunde en patiëntgegevens: de vraag naar echte toegang
De precisiegeneeskunde is gebaseerd op een eenvoudig principe: de behandeling aanpassen aan de biologische kenmerken van elke patiënt. In de oncologie maken biomarkers het al mogelijk om bepaalde therapieën te targeten. Het concept werkt wanneer de gegevens beschikbaar, analyseerbaar en geïntegreerd zijn in het zorgtraject.
In de praktijk blijft de toegang tot genomische gegevens ongelijk verdeeld afhankelijk van de instellingen en de gebieden. Een patiënt die wordt behandeld in een universitair ziekenhuis met een sequencer heeft niet hetzelfde traject als een patiënt die wordt gevolgd in een nabijgelegen ziekenhuis zonder genomische platform.
Deze ongelijkheid in toegang kan niet alleen worden gecorrigeerd door materiële investeringen. Het vereist betrouwbare netwerken voor monsteroverdracht, doorlooptijden die compatibel zijn met de therapeutische beslissing en oncologen die in staat zijn om moleculaire resultaten te interpreteren om het protocol aan te passen.
Het jaar 2024 markeert minder een technologische breuk dan een moment van collectieve helderheid. De tools zijn er, de bewijzen stapelen zich voor sommige op, ontbreken voor anderen. De volgende stap speelt zich niet af in AI-laboratoria of schone ruimtes voor bio-printing, maar in de gangen van ziekenhuizen, de informatiesystemen en de opleidingstrajecten van zorgverleners.
