Met haar reeks van vijf artikelen over de metamorfosen die artificiële intelligentie teweegbrengt in de medische en onderzoekswereld roept Valérie Kokoszka, doctor in de filosofie, de lezer op tot nadenken. Ze analyseert de ingrijpende veranderingen die de gezondheidssector doormaakt: de omwenteling van de medische epistemologie, de evaluatiesystemen die er niet in slagen gelijke tred te houden, en de herconfiguratie van onze verhouding met ons lichaam.
Volgens filosoof Gilbert Simondon ligt het verschil tussen technische tools en eenvoudig gereedschap in het feit dat die eerste nooit neutraal zijn. Ze doen niet gewoon dienst als hulpmiddelen, maar herstructureren de omgeving waarin ze worden gebruikt volledig. Ook artificiële intelligentie is zo'n technische tool die een nieuw ecosysteem schept. Om het in cybertermen uit te drukken: een ecosysteem waar innovaties compatibel met elkaar zijn, hybride werken, elkaar aanroepen en een reboot uitvoeren in elke wetenschappelijke, maatschappelijke, juridische, economische en andere context waar ze worden geïmplementeerd. Die transformatie is opwindend: tot wat voor farmaceutische, diagnostische en therapeutische innovaties zou AI kunnen leiden? Maar ze gebeurt niet zonder problemen. Dat komt zowel door de dissonantie tussen het huidige en het opkomende systeem als door de fundamentele herconfiguratie die eruit voortvloeit, want deze ontwikkeling vereist ook dat we onze werkwijzen en/of kennis vanaf de basis herzien. De problemen die daarmee gepaard gaan, ontstaan voornamelijk op drie vlakken:
1. de omwenteling in de medische epistemologie;
2. de onaangepaste evaluatie- en vergoedingssystemen van digitale innovaties;
3. de metamorfose van de relatie tot het lichaam.
De omwenteling in de medische epistemologie
AI transformeert de manieren waarop we tot wetenschappelijke ontdekkingen komen. Bij medisch onderzoek legt het bijvoorbeeld onzichtbare patronen bloot, spoort het verbanden op die verborgen zitten in immense gegevenscorpi en identificeert het verrassende overeenkomsten tussen genetische sequenties, symptomen en pathologieën. Diezelfde analytische kracht brengt farmaceutisch onderzoek in een stroomversnelling, onder andere door interacties tussen moleculen te voorspellen, veelbelovende doelgroepen te identificeren, biochemische samenstellingen te optimaliseren en bestaande moleculen te herschikken voor nieuwe indicaties. Tot slot maakt de AI-analyse van genoom- en proteoomgegevens hyperdoelgerichte en persoonlijke behandelingen mogelijk door patiëntengroepen onder te verdelen in subgroepen.
AI opent dus heel wat deuren, maar het leidt ook tot een transformatie van het causaliteitsverband in medisch onderzoek. AI-systemen zijn immers uitstekende voorspellers, maar ze baseren hun prognoses op statistische correlaties. De oorzaak van de waargenomen fenomenen uitleggen, dat kunnen ze niet. Er is dus een kloof tussen voorspellende kracht en oorzakelijk begrip, terwijl dat laatste net de basis vormt van onze medische kennis. Dat heeft gevolgen voor het gebruik van AI in de klinische zorg en de bijbehorende verantwoordelijkheid, want wat voor nut heeft een diagnose als we de oorzaken van het probleem niet kunnen doorgronden? Om de kloof te dichten, moeten we evolueren naar een hybride epistemologie die voorspellingskracht, causaal begrip en klinische validatie combineert. In dit nieuwe model werken menselijke en artificiële intelligentie samen, zodat de voorspellingskracht van AI de ontwikkeling van onze kennis vooruithelpt zonder deze te overheersen.
Onaangepaste evaluatie- en vergoedingssystemen van digitale innovaties
Ook in de praktijk brengt AI een aantal uitdagingen met zich mee, vooral als de geneeskunde sneller evolueert dan onze socialezekerheidssystemen. Hoe kunnen we bijvoorbeeld de doeltreffendheid en meerwaarde opvolgen van data monitoring of revalidatie via virtual reality? Deze revalidatievorm heeft buitengewoon veel potentieel, maar is nog volop in ontwikkeling. Welke protocollen kunnen we opstellen om AI overtuigend in te zetten in een sector waar evaluaties gebaseerd zijn op klinisch onderzoek? En als de efficiëntie van patiëntenondersteuning via data monitoring en algoritmische begeleiding eenmaal is aangetoond, hoe zal dit dan worden vergoed?
België heeft op dit vlak een eerste stap gezet met de terugbetaling door het RIZIV van monitoring op afstand voor hartfalen.
Deze evolutie houdt in dat de therapeutische waarde van gegevensverwerking moet worden erkend. Misschien moet 'algoritmische begeleiding' zelfs worden opgenomen in de nomenclatuur.
Metamorfose van de relatie tot het lichaam
Ook individuen en patiënten worden beïnvloed door AI, vooral wat hun relatie met hun lichaam en gezondheid betreft. Door het gebruik van 'connected objects' produceren ze permanent gegevens waarmee ze hun gezondheidstoestand continu kunnen opvolgen. Als gevolg verandert de manier waarop ze zichzelf waarnemen: ze zijn niet langer de 'bewoner' van hun lichaam, maar een observator. Het lichaam wordt getransformeerd in een quantified self, een reeks statistieken die moeten worden geoptimaliseerd en die ze (soms obsessief) monitoren. Aan de andere kant geven diezelfde systemen mensen meer autonomie: door zelf te anticiperen op mogelijke problemen, zorgen ze ervoor dat er sneller preventief actie kan worden ondernomen.
AI in de gezondheidszorg gaat verder dan onze bestaande systemen optimaliseren: het creëert een technische omgeving waarin de gezondheidszorg, onze manier van werken en onze kennis zich ontpoppen tot een ongeziene vorm. Dit AI-ecosysteem belooft enorme vooruitgang, maar het is essentieel dat onze waarden en menselijkheid bij deze metamorfose behouden blijven.
