AI voor Gezondheid en Zorg

Kunstmatige intelligentie (AI) kan een belangrijke hefboom vormen in de aanpak van wereldwijde urgente uitdagingen in de gezondheidszorg, zoals het tekort aan zorgpersoneel, toenemende gezondheidsverschillen, opkomende dreigingen van wereldwijde pandemieën, het beheer van niet-overdraagbare ziekten en leeftijdsgebonden ziekten (zoals kanker en de ziekte van Alzheimer) en het lange ontwikkeltraject van nieuwe geneesmiddelen. In Delft geloven we dat AI innovatieve benaderingen van gezondheid, welzijn en gezondheidszorg mogelijk kan maken, en de toekomst van medische professionals, patiënten en hun families mede vorm kan geven.

AI presteert beter dan mensen in patroonherkenning en machine learning, maar schiet tekort in taken die algemene kennis van de wereld, gezond verstand, samenwerking, aanpassingsvermogen, verantwoordelijkheid, transparantie, en uitlegbaarheid vereisen. In onze visie omarmen wij een "mensgericht" model voor kunstmatige intelligentie, geïntegreerd in een ecosysteem voor gezondheidszorg en zorg dat effectief, efficiënt en rechtvaardig is. In dit model is de integratie van menselijke en kunstmatige intelligentie (hybride intelligentie) het vertrekpunt voor het ontwerp van methoden en gegevens (infrastructuur). Wij gaan hybride intelligentie-oplossingen voor de gezondheidszorg ontwerpen en ontwikkelen, waarbij menselijke intelligentie en AI-intelligentie optimaal worden gecombineerd voor de ontwikkeling van AI-technologie (bv. training van AI-modellen), controle (bv. monitoring en evolutie van AI-gedrag), en werking (bv. interactie tussen mensen en intelligente agents voor gezamenlijke taken, met AI als een vertrouwde medewerker en metgezel).

AI-onderzoeksdoelstellingen

Wij hebben vier AI-onderzoeksdoelstellingen geïdentificeerd als onderdeel van het kader voor AI voor gezondheid & zorg als onderzoeksfocusthema:

  • AI & persoonlijke gegevens
    Precisiegeneeskunde met gebruikmaking van persoonlijke gegevens zoals -omica, medische beeldvorming
    oekomstige benaderingen van gezondheid en zorg hebben betrouwbare, schaalbare en betaalbare gegevens nodig. Om deze gegevens te verkrijgen zijn inspanningen nodig op het gebied van generatie, verrijking, annotatie, integratie en interpretatie van multimodale en heterogene medische gegevens (denk aan genomica, metabolomica, transcriptomica, epigenetica, biometrische gegevens, psychologische profielen, diagnostische gegevens zoals MRI-scans, etc), geneesmiddel-gerelateerde gegevens (bv. potentiële geneesmiddel-geneesmiddel interacties, allergieën, persoonlijk genoom), en diagnose- en behandelingsgegevens.
     
  • AI & populatiegegevens
    Organiseren hoe gezondheid wordt verspreid
    Populatiegezondheid gaat over de orkestratie van gezondheidszorg, die zowel klinische (intramurale) als extramurale gezondheidszorg omvat, met inbegrip van preventieve en curatieve aspecten. Belangrijke aandachtspunten zijn volksgezondheid, kwaliteit van de zorg, teamwork, interprofessionele communicatie, cultuur, medische protocollen en gedeelde medische ontologieën en kennis. Hoe kan de gezondheidszorg voor iedereen toegankelijk blijven in een vergrijzende bevolking? Hoe kunnen we de gezondheidszorg organiseren rond (mogelijk tegenstrijdige) waarden? Wat kunnen we doen om de gezondheidszorg te richten op preventie? 
     
  • Mens-AI interactie & AI-gemedieerde mens-interactie
    Gedragsveranderingsprogramma, gepersonaliseerde zorg, spreekkamer van de toekomst
    Mens-interactie gaat over de betekenisvolle dialoog tussen patiënten, behandelaars, artsen, metingen, data, en (semi-automatische) interpretaties en samenvattingen om registratielast te verminderen en gestructureerde data te verbeteren. In termen van AI-uitdagingen gaat het om intelligente interactie tussen AI en individuen, of tussen AI en groepen mensen. Tot de uitdagingen behoren ook gepersonaliseerde sensormetingen, en hun visualisatie en uitleg aan patiënten.
     
  • Infrastructuur voor het delen en verwerken van AI- en persoonlijke medische gegevens
    Privacy, schaalbaarheid, etc
    Het opvragen, opslaan, distribueren, delen en verwerken van persoonlijke medische gegevens brengt verschillende infrastructurele uitdagingen met zich mee die kunnen worden aangepakt met behulp van nieuwe AI-technieken. De opslag van gevoelige medische gegevens (zoals sequentie-DNA's) moet worden beveiligd met nieuwe encryptiemiddelen (zoals kwantumencryptie) om te voorkomen dat externe partijen deze gegevens exploiteren. De infrastructuur voor gegevensuitwisseling moet voldoen aan de regelgeving inzake gegevensbescherming en privacy, maar moet ook het met toestemming delen van medische gegevens bevorderen om medisch onderzoek te bevorderen en te vergemakkelijken. Telegeneeskunde (ook op basis van Virtual/Augmented Reality) vereist effectieve en betrouwbare ruimtelijke computerinfrastructuren en snelle communicatie-infrastructuren. Hoe kan de bestaande cloudinfrastructuur worden toegeëigend of opnieuw worden ontworpen om het delen en opvragen van medische gegevens op een snelle manier te vergemakkelijken, bijvoorbeeld door middel van Edge-AI-computing? Hoe kunnen datasets met honderden kenmerken, mogelijk afkomstig van één enkel onderzoek, worden verkend?

Meer informatie & contact

Wetenschappelijk contactpunten: prof.dr.ir. Alessandro Bozzon en prof.dr. Catholijn Jonker.

Valorisatie: Caroline Duterloo.

Community: Charlotte Boelens.

/* */