Een kijkje in de AI-keuken van Erasmus MC: innovatie in de praktijk

Hoi, leuk dat je weer luistert naar een nieuwe aflevering van AIToday Live. Vandaag in de studio Ben Werkhoven van Erasmus MC. Niels Naglé is er bij deze uitzending even wegens omstandigheden niet bij. Je zal het met mij moeten doen. Mijn naam is Joop Snijder, CTO bij Aigency. Hoi Ben, welkom terug. We hebben al een opname gemaakt. Dus als je als luisteraar hier nog niet geluisterd hebt, deel 1, zoek hem eventjes op. Waarin Ben vertelt over een prachtig model wat geïmplementeerd is bij het Erasmus MC, over het voorspellen van no-shows. Maar voor degene die nog niet die aflevering geluisterd hebben, zou je je nog even kort willen voorstellen, Ben? Ja, tuurlijk. Mijn naam is Ben Werkhoven. Ik werk nu bijna drie jaar voor het Erasmus MC als data scientist. Met een achtergrond in natuurkunde. PhD ook in de theorieën van natuurkunde. Dus geen opleiding in data science, maar wel de analytische skills van theorieën van natuurkunde... die je nu kan toepassen in het vakgebied van data science. Precies. En in de vorige aflevering hebben we het gehad over het voorspellen van no-shows... en wat dat betekende. Maar je gaf aan dat jullie ook nog bezig zijn met andere projecten. Zou je daar wat over kunnen vertellen? Ja, zeker. Want no-show was ons eerste project en daar... Dat was voor ons een redelijk laag hangend fruit. Om te laten zien dat wij ook echt iets kunnen neerzetten en waarde kunnen toevoegen. Maar we wilden graag ook breder dan alleen maar de polyclinieken... of alleen maar de bedrijfsvoering eromheen projecten doen. We wilden graag in alle stukken van de zorg vinden het leuk om iets te doen. Dus op een gegeven moment zijn we andere projecten gaan oppakken... die in andere delen van het ziekenhuis relevant waren. Dat is niet dat je direct in de zorg zit, maar het gaat om de planning daaromheen. Dus dat een kliniekmanager, die gewoon moet regelen, morgen gaan deze en deze patiënten, die komen hierheen. En dan moet je ook nog eens een plan hebben. En dat is ook een van de dingen die we in de zorg doen. En dat is ook een van de dingen die we in de zorg doen. En dat is ook een van de dingen die we in de zorg doen. En dat is ook een van de dingen die we in de zorg doen. En dat is ook een van de dingen die we in de zorg doen. En dat is ook een van de dingen die we in de zorg doen. En dat is ook een van de dingen die we in de zorg doen. Die komen hierheen. Die moeten natuurlijk weten wie gaat er vandaag weg, of hoeveel mensen gaan er vandaag weg. Want je moet ruimte hebben voor de patiënten die je morgen hebt ingepland. Of andersom, je wil dat je al genoeg bedden gevuld hebt. Als je te weinig mensen hebt ingepland voor morgen, en dan gaat ineens heel veel weg, dan heb je ineens een halve lege kliniek. Dat is allemaal verspilde capaciteit. Elk leeg bed kocht geld in die zin. Dus daar hebben we toen ook een model voor ontwikkeld. om daar inzicht in te geven 's ochtends vroeg, zodat ze daar al vroeg op kunnen gaan handelen om de planning goed rond te krijgen eigenlijk. Kwam je hier met andere problematiek te maken dan met dat eerste model? Ja, hier was het lastig om... Het is lastig om de klinieken mee te krijgen bij dit model. Dus hier zijn we ook nog niet... Het is nog niet geïmplementeerd. We zijn nu weer opnieuw met klinieken in gesprek om te kijken van hoe kunnen we dit zo inrichten dat jullie er wat aan hebben. Want op een gegeven moment was er iemand van de kliniek die het wel gebruikte, maar op een gegeven moment zag je het gebruik een beetje teruglopen. Oh ja. En toen vroegen we waarom gebruik je het niet meer zoveel. Ja. Klussers sluiten toch niet goed aan op je werkproces, want we hadden in eerste instantie wel contact met haar. En ook samen met haar ontworpen van op zo'n manier presenteer ik het elke dag aan je. En dan ja, dat is toch om een of andere reden gaat dat gebruik neemt af. En daar is natuurlijk een reden voor. Het is niet dat ze dan lui zijn of zo. Nee, het is blijkbaar voelen ze toch niet het nut ervan. Dus dan gaan we opnieuw naar ze toe van oké, hoe kunnen we dit anders misschien inrichten? Dat je wel de neiging hebt, of wel wil gebruiken. En het idee hebt dat je er wat aan hebt. Lag het aan het model, lag het aan de presentatie? Het lag er denk ik in wat ze precies met het model doen. Dus het model was op zich prima, maar het is precies de... Specifiek de... Wat moet zij doen met een voorspelling en wanneer krijgt ze die voordeur? Ik denk dat het niet goed genoeg aansloot op hoe zij het normaal gesproken... Dat het nog niet past eigenlijk in haar werkproces. Ja, precies. Want je... Als je wil dat mensen iets gaan gebruiken, dan moet je het werkproces eigenlijk makkelijker maken. Als je hetzelfde houdt, of evenveel energie of meer, dan hebben mensen de neiging om het niet meer te gaan gebruiken. Je moet het makkelijker voor ze maken. Je moet iets uit handen nemen en dan willen ze het gebruiken. Als je dat net niet goed weet te identificeren, het gevoel ook hebben dat ze er iets aan hebben, dan komen ze er minder snel naar terug. - Snap ik. En is dat het model waar jullie nu aan werken? Of hebben jullie meer tegelijkertijd waar je nu aan aan het ontwikkelen bent? Ja, we hebben nu naast No-Show en Ontslag hebben we nog zeker één in de vergevorderde stadium. En ook één waar we net aan zijn begonnen en nog zelfs nog een paar ideeën. Dus het begint te lopen bij ons. Eentje die al redelijk ver is, en dat is ons eerste directe zorg, patiëntenzorg model. Dat is het voorspellen van het risico tot ontwikkelen van decubitus. Wat is dat? Decubitus is een doorlichtplek. Dus als je langertermijn druk legt op een stuk huid, dan gaat de doorbloeding slechter en de huid kan kapot gaan. Het kan hele vervelende wonden opleveren. Als je niet goed ligt of niet genoeg draait vooral, of je hele lange operaties hebt, ook te veel druk komt op een stuk uit, dan is het risico aanwezig dat je zo'n doorligplek ontwikkelt. En als je dat ontwikkelt, dan heeft dat zorg nodig, dan moet je natuurlijk de doorligplekken op de lucht zetten. En dat is ook een heel belangrijk punt. - Ja, ik vind het ook heel belangrijk. komt op één stuk uit, dan is het risico gewoon aanwezig dat je zo'n doorlig plek ontwikkelt. En als je dat ontwikkelt, dan heeft dat zorg nodig. Dan moeten natuurlijk de artsen erbij, de wondverpleegkundigen. Je ligt gewoon langer. Het is gewoon een hele vervelende wond. Het doet gewoon pijn. Je moet het draaien of anders liggen, terwijl je al een beetje zwak bent. Het is geen kliniek-specifieke aandoening. Maar wel bijna iedereen in het ziekenhuis kan er last van hebben. Ja, dus het is een heel waardevol model als het zo direct gaat werken. Ja, zeker. Dit is een idee dat kwam ook, dat was niet ons idee, het kwam vanuit de kliniek zelf. Dit is gewoon een groep die de verantwoordelijkheid heeft om de decubitus in de gaten te houden. En verpleegkundigen voor te lichten, hoe doe je interventies en preventie. En die zagen dat de hoeveelheid decubitus gewoon de verkeerde kant op ging. Het was gewoon meer. En daar maakten ze zich terecht ook een beetje zorgen om. Ja, zeker. We moeten hier iets mee. Ze hadden al meerdere dingen geprobeerd. Sommige dingen hielpen wel, sommige niet. Maar ze dachten, volgens mij was het gewoon letterlijk, iemand in de lift sprak ons aan, kunnen we niet iets met haar doen? Kunnen we niet een model ontwikkelen om hierbij te helpen? Dus dan is het veel meer de vraag of je het model goed genoeg kan krijgen. En in dit project kunnen we de data ook echt vinden. Dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En dat is ook een van de dingen die we in de projecten doen. En in dit project vooral kunnen we de data ook echt vinden. Dat was hier echt een groot probleem. - Oh ja. Want dat is dan technisch hè, kun je de data vinden. Zaten er ook nog andere aspecten aan? Want bij die andere benadrukte je echt zo van, ja, daar zit je niet in de patiëntenzorg. Dus dat betekende dat het in die zin makkelijker is qua regulering en dat soort zaken. Zitten hier nou echt veranderingen, andere dingen waar jullie rekening mee houden... dan ten opzichte van die andere modellen? Ja, zeker. Voor directe patiëntenzorg moet je door de zogeheten Medical Device Regulation, de MDR, om het even kort te houden. En dat is eigenlijk gewoon wettelijke checks en documentatie waar je doorheen moet om te laten zien dat het impact op de patiënt en eigenlijk vooral ook het risico dat dat geminimaliseerd is. Dus de impact moet natuurlijk een positief impact hebben, En de risico's moeten ingedekt zijn. Dus bijvoorbeeld bij Notion, ook bij ontslag, de risico's van een foute actie op basis van je model, of de impact van een foute actie, is niet zo heel erg groot. Maar bijvoorbeeld bij de decubitus, als een model zegt, dit is een laag risicopatiënt, en een week later heeft hij de decubitus ontwikkeld. Ja, dat is een probleem. Daar moet je veel strakker zijn en veel hogere eisen stellen aan je model. aan je model, eigenlijk niet alleen de model, maar ook hoe je het werkproces inricht, dat moet gewoon een veel hogere eisen voldoen. Je moet meer checks doen, je moet meer documentatie doen. Het kost gewoon veel meer tijd, eigenlijk. En ik snap het ook wel, maar ja, het kost wel heel veel tijd om dat allemaal voor elkaar te krijgen. Bij zo'n type model is daar uitlegbaarheid ook een factor, of niet? Dus is het alleen het bepalen van het risico en op basis daarvan wordt de actie ondernomen? Of moet je ook weten hoe het model geredeneerd heeft, zodat je misschien hele specifieke acties nog zou kunnen ondernemen? Ja, dit is een vraag waar we wel veel mee hebben geworsteld. Hoe gaan we dit nou precies doen? Want aan de ene kant hadden we... Een standpunt dat je kan innemen is, oké, we hebben het model. We hebben op een of andere manier aangetoond dat het een betere inschatting geeft dan de huidige verpleegkundige staf, gemiddeld genomen. Dus in principe als je hier op vaart, dan zou het beter moeten werken. Dat is natuurlijk heel makkelijk zeggen. En we merken dat heel veel zorgpersoneel, verpleegkundigen en artsen, die willen heel graag weten waarom. En dat snap ik ook wel, want je bent verantwoordelijk voor een patiënt en een model zegt tegen je, je moet nu intuïties gaan doen. Waarom dan? Ik vind dit helemaal geen hoog risicopatiënt. En dan raken ze wel wantrouwig. Vooral als ze het idee hebben dat het model toch niet zo goed is als wij zeggen. Dus daar loop je wel tegen problemen aan als je gewoon de voorspelling oplegt. Aan de andere kant, als je een volledige uitleg geeft... van hoe het model tot zijn keuze is gekomen bij elke losse patiënt... dan begint de staf ook bepaalde verbanden te leggen die niet klopt. Dus dat is de hele andere kant. Dat je bij elke patiënt helemaal uitgeeft, oké, deze feature had dit gewicht en was zo belangrijk voor deze voorspelling. Dat heeft dan ook weer zo zijn nadelen. Dan gaat het met zijn eigen leven leiden. Ze willen het ook niet te transparant maken. - Oh ja, grappig. - Dat was een lastige balans, waar ik nog steeds wel een beetje mee zit. Maar het is ook een heel belangrijk punt. - Ja, dat is ook een belangrijk punt. - Ja, dat is ook een belangrijk punt. En het was een lastige balans waar we nog steeds wel een beetje mee zitten. Want sommigen die, ik denk vooral mensen uit juristen en zo, die neigen heel erg naar gewoon echt volledige uitlegbaarheid. Ja. En veel artsen en verpleegkundigen willen ook graag meer uitlegbaarheid, want ze begrijpen waarom er dan iets zegt. Ja. Maar wij zijn er toch iets willen... Het is terughoudend. Oh ja. ...dat we het dan niet teveel uitleggen. Ja. Dan gaan ze echt... De kans op verkeerde verbanden leggen is dan te groot. Dus we zitten nu een beetje ertussenin. Zo hebben we het nu gedaan bij de Q-tips-model. We geven alle patiënten de risicoscore. Met de afspraak dat als die boven een bepaalde grens is, dan is het al de bedoeling dat ze daar op handelen. Maar bij elke patiënt kunnen ze ook... We hebben niet per patiënt, maar voor het model hebben we uitleg gegeven van met een hogere leeftijd heb je gemiddeld een hoger risico. - Oh, zo ja. met een hogere ADL, dus algemene dagelijkse leef... Hoe mobiel je bent, hoe makkelijk je je eigen onthoud kan doen. Hoe hoger die score is, hoe hoger je risico. Op die manier geven we algemene trends van het model, maar niet op patiëntniveau. Nee, precies. Dus eigenlijk het globale model, die leg je uit, maar niet de individuele voorspelling. Dat geeft de staf het vertrouwen dat het model weet waar hij het over heeft. Dat hij niet allemaal onzin loopt te verkondigen. Maar ook dat ze niet elke keer helemaal kapot staren op die specifieke patiënt en wat het model voor die patiënt heeft gedaan. Oh ja, mooi. Ja, begrijpen hoe zo'n model werkt is voor ons data scientist soms wel lastig. Wat doet dit model nou precies? Wat doet dit model nou precies? Dus dat wil ik ook niet van verpleegkundigen of van een arts verwachten, dat zij dat ook goed kunnen inschatten bij elke voorspelling. Nee, maar bij sommige modellen is het natuurlijk wel van heel erg belang. Wij hebben bijvoorbeeld gewerkt aan het voorspellen voor trombose patiënten, om te kijken of het risico is op een bloeding. Nou, per patiënt wil je precies weten wat uiteindelijk het effect is geweest van een bepaalde feature. Omdat je op basis daarvan uiteindelijk een besluit moet gaan nemen wat je daarmee gaat doen. Ik kan het van jullie inderdaad heel goed voorstellen. Op een globaal niveau weten ze van stel dat er uit zou komen dat iemand die heel mobiel is, dat dat een heel hoog risico is, dat je dan zegt, ja maar dat klopt niet met de werkelijkheid. Dus daar kan je dan op ingrijpen als niet technici. Terwijl je inderdaad zegt van ja maar we willen niet dat ze als zelf helemaal dat mentale model in hun hoofd krijgen. Wij gaan er juist fouten in maken, omdat die patronen eigenlijk complexer zijn... dan even op basis van 5, 6, 7 van dat soort features of zo... dat er aan elkaar zit te knopen. Ja, precies. De kracht van zo'n model komt juist uit... dat die hele gekke verbanden tussen heel veel verschillende parameters kan leggen. Ja, en heel fijnmazig. Ja, precies. Dus je wil niet dat mensen dat gaan proberen te reproduceren. Dat moet je gewoon aan het model laten. Maar we willen ze wel een beetje tegemoet komen... Want ik snap eigenlijk heel goed dat als je zo verantwoordelijk bent voor de gezondheid van iemand, dat je een weloverhoge keuze kan maken. Dus ook hoe wij de voorspreiding presenteren is altijd als beslissingsondersteuning. Dus we zullen nooit echt de keuze voor ze maken. We geven alleen input voor de keuze. Dus dat de autonomie ook nog bij de zorgprofessional ligt. Dat het niet zomaar wordt overgenomen. Hier is het echt de AI versterkt de mens en het neemt het niet over. Ja, dat is wel het idee. Die symbiose daar spelen we op in. Ik denk dat het in de gezondheid, en ik geloof daar sowieso in, dat dat uiteindelijk een veel beter resultaat oplevert. Wat jij noemt die samenwerking tussen mens en machine, dan het overnemen of het blind volgen ervan. Dat is vooral, hier is onze eindgebruikers verpleegkundigen, die hebben heel veel met de patiënten te maken. Die zien heel veel de gemoedstoestanden van de patiënt. Hele, heel veel. Dus dat is een heel belangrijk aspect. En dan is er ook de technologie. Dat is ook een heel belangrijk aspect. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. En dan is er ook de technologie. gebruikers verpleegkundigen, die hebben heel veel met de patiënten te maken. Die zien heel veel de gemoedstoestanden van de patiënt. Hele lastig te vangen eigenschappen van de patiënt. Ja. Lastig in data te vangen tenminste. Helemaal niet geregistreerd. Die zien zij wel. Dus ik zou ook niet willen dat wij het helemaal overnemen. Want zij zien bepaalde dingen die wij gewoon niet zien in de data. Als de patiënt gewoon niet zo lekker in zijn vel zit, het staat nergens in de patiënten-dossier. Maar die verpleegkundigen weten dat. Of dat je het gewoon kan zien, dat je gewoon ziet van... ...weet je, iemand ligt er gewoon beroerd bij. Ja, precies. Wij kunnen dat gewoon in één oogopslag zien. Ja. Vooral verpleegkundigen. We zijn een keer meegelopen om even te kijken hoe het nou in de praktijk gaat daar. Ja. Je ziet gewoon waar ze dan de hele dag mee bezig zijn. Het individueel, alle patiënten. Maar ze weten heel goed wat er aan de hand is en wat elke patiënt nodig heeft. Dat is gewoon hun vak, daar zijn ze super goed in. Ja. Dat is altijd een mooi beeld van wat er met de patiënt aan de hand is. Ja, en die twee heb je gewoon allebei nodig. Ik heb het wel eens andersom meegemaakt, hoor. Dat er zo naar de data werd gekeken dat eigenlijk de patiënt vergeten werd. En dat is dat degene waar het over ging, zeg maar. Die, ja, weet je, als wij daarnaar keken, zei je van, ja, die heeft enorm kort. En dus die lag te zweten. En nou ja, aan alles kan je zien, weet je, dat iemand kort had. Maar de thermometer op een of andere manier werkte niet goed. "Nee hoor, het is 36.2, dus nee, het patiënt heeft nergens last van." Dan zeggen ze "Nou..." Data zegt ook niet alles. Daarom heb je ze ook allebei juist zo nodig. Ja, het is beslissing en ondersteuning. En we zijn ook bezig met beleid rondom AI-vastechten. Hoe gebruik je het nou? Het is altijd de autonomie van de zorglener. Dat staat wel centraal. Die blijft erin. En dat is niet alleen maar omdat het fijn is voor de zorgprofessional, maar ook omdat het heel belangrijk is, omdat zij bepaalde dingen kunnen vangen die wij niet in ons model hebben zitten. Ja, dat lijkt me heel logisch. We hebben ook een virtuele co-host en zij wil ook een vraag aan je stellen als dat mag. Ja, tuurlijk. [Muziek] [Muziek] [Muziek] [Muziek] [Muziek] [Muziek] [Muziek] [Muziek] [Muziek] Het is mij een genoegen je hier te verwelkomen. Mijn naam is Aisha, de AI van deze podcast. Mag ik je een vraag stellen? Mag ik je een vraag stellen? Ja, natuurlijk Wat is volgens jou de grootste misvatting over AI in de media? Oeh, ja, dat is wel een goede vraag, ja. Ja, hè? Ik denk dat er een bepaald... Dat er een angst is dat AI van alles... Ja, we hebben het er een beetje over gehad, dat het van alles gaat overnemen. Ja. En dat we er geen grip meer op hebben en zo. Er wordt ook best wel gestimuleerd, dat idee. Dat soort koppen doen het goed. Waar het eventueel niet zo goed gaat, worden dat soort dingen er meteen ingegooid in de media. Ja, en ook een beetje de andere kant op, dat het alle problemen in één keer gaat oplossen. Dat zit er ook wel. Ik denk dat dat eigenlijk wel een grotere misvalt, denk ik. Er zijn natuurlijk heel veel problemen die we nog hebben in de maatschappij. Soms wordt het gepresenteerd van, nou we hebben AI, en vooral nu met de generatieve AI. Ja. Alle problemen worden opgelost. Precies. We honger de wereld uit. Ja. Dat soort, geen oorlog meer. Terwijl ik denk dat bijna elke nieuwe technologie, het is niet zozeer de technologie, maar het is meer hoe je hem gebruikt. Ja. Hoe je hem inzet. Want ook, wat zien we ook wel is, dat problemen die mensen ervaren in het ziekenhuis, het is soms, soms komen ze naar ons toe, kunnen we hier niet gewoon AI voor gebruiken om het probleem te lossen? Maar dan heb ik al zo'n intake gedaan, een beetje doorgegaan van waar is het probleem nou precies? Het probleem is niet iets wat je met AI oplost, het is gewoon standaard software of database of dingen waar allang de technologie voor is. Heel veel van de issues daar waar tegen aan lopen zijn, moet je juist op zo'n manier aanpakken. Dat je niet overgooit en maar AI tegenaan, want het is allemaal heel geweldig. Ja, het is geen toverstokje. Nee, precies. Het is geen toverstokje. En er zit gewoon heel veel werk aan om het uiteindelijk, als het wel ermee zou kunnen, om het ook gewoon goed te krijgen, toch? Ja, dat is ook zeker een heel goed punt, ja. Veel mensen denken van, nou het is zelflerend. Je geeft gewoon data en dan haal je daar vanzelf wel uit, alsof het een of ander magisch iets is. Ja, precies. Het hele pakketje eromheen, of technisch of werkprocespakketje, dat wordt nogal eens vergeten. Ik waardeer je deskundige uitleg, dank je wel. Graag gedaan. Ja, daar moet ik me wel bij aansluiten. Wat ik wel grappig vind, je gaf aan van ik heb geen data science-achtergrond, je komt uit de natuurkunde. Wat heb je nou vanuit de natuurkunde meegenomen, Wat jou een andere data scientist maakt dan iemand die dat wel gestudeerd heeft? Dat zou ik eigenlijk aan mijn collega's moeten vragen. Ik kan wel even... Ik denk dat, vooral omdat ik theoretisch natuurlijke hebben gedaan, geeft mij... Daar word je heel erg in getraind om ook heel abstract en heel wiskundig na te denken. Dus ik merk dat ik een goed beeld heb van hoe data nou precies in elkaar zitten. - Oh ja. - De datastromen en wat nou precies waar en alle condities, dat ik een goed beeld heb van, oké, we hebben in ons data set nu patiënten die voor deze data, maar na die data zijn opgenomen en over die grenzen. Dus heel veel van dat soort abstracte, de logica uitdenken en de gevolgen daarvan op data. Dus vooral dat abstractieiveau, zeg maar. Ik merk dat ik daar goed een beeld van kan maken in mijn hoofd. Omdat, ja, als je de theorieën weet, dan moet je gewoon heel abstract nadenken. Het zijn wel Foubidus en X en Y en onbekende dingen. Dus daar moet je heel goed in gedachten houden. Wat gebeurt er met de logica die je hier nu opzet? Ja, want uiteindelijk, die modellen zijn natuurlijk ook een abstractie van de werkelijkheid. Dus het gaat ook heel veel over abstractie natuurlijk. Ja, maar wel nog steeds de link met waar komt het ook echt vandaan. Dus je hebt de data uiteindelijk van patiënten opgenomen tussen die en die data. En dan hoe dat daarna door je hele dataverwerking tot aan het model gaat. Er zit een heel pad in die je voor je data maakt, die heel lang kan worden ook. Vooral als je hele rommelige data hebt zoals wij hebben. Er zit gewoon een heel ingewikkeld pad aan vast die verschillende, met heel veel zijpaden natuurlijk. En om dat een beetje naar een mindmap van te houden, ik merk dat dat mij wel goed afgaat. Ja, cool. En heb je nog een droom, zeg maar, voor wat je zou willen doen binnen dit ziekenhuis? Ja, wat ik heel graag zou willen, is dat waar we met AI in, ik weet niet alleen in de zorg, maar in ieder geval in de zorg, waar we echt last van hebben, is die implementation gap. Dat probleem, we hebben het al over gehad, maar door het veel ontwikkeld, maar door het weinig gebruikt. Dat vind ik heel zonde. Want het is allemaal tijd en moeite die uiteindelijk tot niks komt. En de zorg heeft het hard nodig. De zorg heeft gewoon hulp nodig om het betaalbaar te houden en de capaciteit beschikbaar te houden, om die zorg te leveren die nodig is. En AI is niet de panacea die het helemaal goed oplost, maar het kan zeker wel het bijdragen. Want we krijgen een hefboom, hè? De vergrijzing zorgt dat er meer mensen uiteindelijk zorg nodig hebben. En aan de onderkant hebben we minder mensen die de zorg kunnen leveren. Precies, ja. En dat versterkt elkaar ook een beetje, want je krijgt minder personeel. Dus je krijgt meer druk op wat wel nog steeds is. En die gaat dan ook weer sneller weg, want de druk is gewoon ontzettend hoog. Dus het is een beetje een vicieuze cirkel wat dat betreft. Dus ja, daar willen we graag wat mee. Maar ik wil graag inzetten, in ieder geval in het Erasmus, maar eigenlijk ook op reden van... ...kunnen we dit, we kunnen eigenlijk echt als we dat goed aanpakken, kunnen we er echt wat mee? We kunnen moeite besparen, we kunnen capaciteit besparen, we kunnen geld besparen, we kunnen de zorg slimmer maken. Maar dan moeten we wel even het slim aanpakken. We moeten het goed doen, we moeten goede processen hebben, we moeten goed beleid hebben ook. We moeten het natuurlijk ook op een ethische manier doen. We moeten ervoor zijn dat we niet verkeerde profilering dingen aan gaan doen enzo. We kunnen het, maar we moeten het wel even goed aanpakken. U merkt nu dat dat omslagpunt begint nu te komen in de zorg. We zijn in contact met andere ziekenhuizen die tegen hetzelfde probleem aanlopen. Er wordt veel gemaakt, er wordt weinig gebruikt. Dus dan zijn we nu echt in gesprek over wat de barrières zijn en hoe we die weg kunnen nemen. Hoe kunnen we de expertise in een ziekenhuis combineren en centraliseren, zodat we alle onderzoekers, want er worden in onderzoek vooral heel veel mooie modellen gemaakt, maar voor hen is het heel lastig om het dan ook te implementeren. Dat is heel logisch, want het is een heel ander vak geld. Maar dan wil je ze wel de middelen geven om die stap makkelijker te kunnen zetten. En daar zijn we dus nu ook mee bezig om de processen voor te ontwikkelen en ook de technische infrastructuur. Dat is ook een heel belangrijk punt. Dat je de juiste technische templates ook voor ze kan neerzetten. Dat ze niet heel veel moeite hoeven te doen om iets in productie te zetten. Dat is ook weer iets anders dan je model ontwikkelen. Absoluut. Als je daar gewoon iets moois voor kan neerzetten, dat heel gebruiksvriendelijk is. Dan kan je dat soort onderzoekers ook heel erg helpen. Want die willen ook heel graag hun modellen in de praktijk zien. Maar ze weten vaak ook niet hoe. Ja mooi. Wat ik uit de twee gesprekken haal is vooral het optimisme van wat het allemaal kan betekenen in de zorg. En dat jullie het ook gewoon echt voor elkaar hebben. Dat is ook de reden waarom we je hadden uitgenodigd voor de podcast. Juist om te zien, het kan ook gewoon met hele mooie dingen. Eigenlijk de vraag die net gesteld werd, een beetje misverstanden, daar wordt heel veel over gesproken. En wat ik soms wel eens mis is juist dit soort voorbeelden. Weet je, waar hebben we daar juist zoveel plezier van? Waar kan het je helpen? En ik denk dat je daar heel inzicht in hebt gegeven. Niet alleen wat jullie hebben, maar waar je ook naartoe aan het groeien bent. Super bedankt voor deze twee gesprekken, Ben. Ja, graag gedaan. Het is optimisme met ook een beetje realisme. Jazeker, daar houden we van. Nee, want te optimistisch, daar moeten we niks mee. Optimistisch realistisch, dat is een mooi eind. Dank je wel. Leuk dat je weer luisterde. Mis geen aflevering van de AIToday Live. Zorg dat je je abonneert, of je je favoriete podcast hebt. Mis geen aflevering.