OPROEP: AI-experts uit de domeinen verpleging, verzorging en ambulancezorg, (intern) toezichthouders en inkopers van medische technologie voor review van een (eerste opzet) van een (veld)norm medische inhoudelijke kwaliteit van AI. (GESLOTEN)
Nieuwsbericht | 26-05-2021 | 15:56
Sinds het najaar van 2020 is een actieteam van experts en vertegenwoordigers van (koepel)organisaties gestart met het zetten van eerste stappen in de ontwikkeling van een veldnorm. De veldnorm richt zich op het beoordelen van de (medische) kwaliteit en effectiviteit van AI-gestuurde voorspellende algoritmen voor gezondheid en zorg.
Het actieteam is gestart op basis van de resultaten van een literatuuronderzoek naar wetenschappelijke kwaliteitscriteria voor predictive AI. Hierin zijn 6 fases onderkend voor het ontwikkelen, valideren, implementeren en toepassen van AI-gestuurde voorspel-algoritmen (AI Prediction Algorithm, ofwel AIPA). Vervolgens zijn per fase werkgroep bijeenkomsten met experts georganiseerd die in meerdere rondes tot begin juni 2021 voortduren. De focus ligt op het per fase vaststellen en prioriteren van de belangrijkste onderwerpen en beschrijven van kwaliteitscriteria. Dit proces wordt inhoudelijk begeleidt door het UMCU en LUMC. De verwachting is dat daarmee de eisen en criteria in juni 2021 als eerste integraal resultaat (stap 1) kan worden bereikt.
Experts gezocht (OPROEP GESLOTEN)
Om de volgende stap in het proces te zetten, is het actieteam op zoek naar experts in AI-gestuurde voorspellende algoritmen voor de gezondheidszorg. Deze experts zullen het resultaat van stap 1, de eisen en criteria, reviewen. In het bijzonder is het actieteam op zoek naar AI-experts werkzaam in de domeinen verpleging, verzorging, ambulancezorg en inkopers van medische technologie. De introductie-sessies vinden plaats op maandag 5 juli (avond) en dinsdag 6 juli 2021 (ochtend).
Wilt u graag reviewen en heeft u interesse in deelname aan de bijbehorende introductie-sessie waarin u meer te horen krijgt of kent u een expert die dit wil? Laat het ons weten middels het aanmeldformulier onderaan deze pagina.
(let op! na het invullen controleert u onderaan de pagina uw gegevens en klikt dan op verzenden)
Er zijn voldoende experts voor de review.
DE OPROEP IS GESLOTEN, REAGEREN IS NIET MEER MOGELIJK
Waarom een veldnorm?
Het toepassen van AI in de gezondheidszorg kan zorgverleners ondersteunen met voorspelmodellen voor preventie, diagnostiek, prognostiek, screening of behandeling, inclusief het accuraat beoordelen en samenvatten van data uit bijvoorbeeld beeldvorming, laboratorium testen, of gesproken teksten. Kortom, AI heeft de potentie om enorme impact op de kwaliteit van onze zorg en gezondheid te hebben.
Een medisch inhoudelijke veldnorm voor het beoordelen van de kwaliteit van AI-gestuurde voorspellende algoritmen kan zorgverleners helpen om de kwaliteit van aangeboden AI te beoordelen en helpt ontwikkelaars om kwalitatieve, betrouwbare AI te ontwerpen en realiseren. Inzicht in criteria en bijbehorende normen om kwaliteit van AI vanuit medisch perspectief te toetsen helpt vertrouwen in AI voor gezondheid te realiseren. De medisch inhoudelijke (veld)norm draagt ook bij aan uniformiteit en het proces van markttoelating en vergoeding door verzekeraars.
Literatuuronderzoek en experts
Het bovengenoemde literatuuronderzoek betrof publicaties die relevant zijn voor het ontwikkelen, valideren, implementeren en toepassen van AI-gestuurde voorspel-algoritmen (AI Prediction Algorithm, ofwel AIPA), die onderdeel zouden kunnen worden van een medisch hulpmiddel zoals beschreven in de MDR. Het gaat om hulpmiddelen die zich als medisch profileren, waarbij het beoogde gebruik leidend is. Dit literatuuronderzoek (scoping review) is vorig jaar uitgevoerd en heeft het startpunt gevormd van het opstellen van de veldnorm.
Om te komen tot een geschikte samenstelling van de groep reviewers, zullen experts die zich aanmelden worden gevraagd naar hun kennisgebied.
Het doel is om tot een inhoudelijk bruikbare norm te komen die breed inzetbaar is en waarvan de governance en beheer structureel belegd is. De norm is in opzet generiek, maar richt zich allereerst op AI en/of complexe algoritmen voor diagnostiek, prognostiek, secundaire preventie en behandeling. De scope blijft in eerste instantie gericht op het zetten van een eerste stap richting een volledige norm (voor alle vormen van AI in de zorg en voor alle medische specialisaties), en zal beperkt zijn tot hetgeen haalbaar is. Op die manier blijft het proces gefocust en wendbaar.
Het Programma Waardevolle AI voor gezondheid van VWS ondersteunt het veld door het bijeen brengen van dit actieteam die met elkaar door co-creatie en actieleren tot een roadmap en ontwikkelstrategie voor de norm komt. Het programma faciliteert verder het proces met (praktische) ondersteuning van de actieteamleen en experts.
Voor het ontwikkelen van de veldnorm zal worden ingezet op een actielerende aanpak zodat in het uitwerken van het HOE een beoogd resultaat bereikt kan worden en een werkwijze gekozen wordt die het best past bij de behoefte van gebruikers en het momentum. Om tot het resultaat (WAT) te komen wordt bovendien maximaal gebruik gemaakt van bestaande ‘best practices’ om op basis daarvan waarde voor het hele veld te creëren.
Fase 1. Voorbereiding en controle van de benodigde data en gegevens.
Fase 1 bestaat uit het voorbereiden en controleren van de gegevens om een goede AIPA-ontwikkeling (fase 2) en AIPA-validatie (fase 3) mogelijk te maken. Deze gegevenscontroles en -voorbereidingen kunnen bestaan uit (maar zijn niet beperkt tot): beoordeling van de representativiteit van de gegevens voor de doelpopulatie(s), bepaling van de vereiste hoeveelheid gegevens die nodig zijn voor de ontwikkeling en/of validatie van AIPA, verificatie van de rechtsgrondslagen voor de verschillende stappen in de gegevensverwerking, de-identificatie van persoonsgegevens, hercodering of combineren van gegevens, en behandeling (bijv. imputatie) van ontbrekende waarden. De bewerkingen die in deze fase worden uitgevoerd, worden zowel t.b.v. de zogenaamde ontwikkelingsdata (gebruikt in fase 2) als op de test- of valideringsdata (gebruikt in fase 3) uitgevoerd.
Fase 2. Ontwikkeling van het voorspellend AI-algoritme
Het doel van fase 2 is het zo accuraat mogelijk modelleren van de relatie tussen de voorspellende inputvariabelen (voorspellers/kenmerken) en de gezondheidsuitkomst, via een wiskundige formule of algoritme. Het doel is om een AIPA te ontwikkelen die gebruikt kan worden om de uitkomsten te voorspellen voor nieuwe individuen. Modelleringsmethoden om deze wiskundige relatie te formuleren zijn onder andere de heersende statistische regressietechnieken, ondersteunende vectormachines, neurale netwerken en vele andere.
Fase 3. Validatie van het voorspellende algoritme
Fase 3 bestaat uit het testen (valideren) van hoe goed of accuraat de ontwikkelde AIPA uit fase 2, inderdaad de uitkomst voorspelt bij nieuwe individuen waarvan de gegevens niet zijn gebruikt in de modelontwikkeling ( externe validatie), en om de voorspellende prestaties van de AIPA te kwantificeren. Dit gebeurt door de ontwikkelde AIPA toe te passen op de gegevens van nieuwe personen die niet zijn gebruikt voor de ontwikkeling van de AIPA en die representatief zijn voor de beoogde setting of context waarin de ontwikkelde AIPA moet worden gebruikt. De voorspelde AIPA kansen of classificaties worden vergeleken met de werkelijk waargenomen resultaten voor die personen.
Fase 4. Ontwikkeling van de softwaretoepassing
Het doel van fase 4 is het inventariseren van de normen en aanbevelingen met betrekking tot de programmering, het ontwerp, het gebruik en de ondersteuning van het digitale omhulsel van het AIPA. Aspecten van de software die specifiek betrekking hebben op AIPA zijn onder andere het testen en continu monitoren van het voorspellingsalgoritme (zie ook fase 6) en het bevorderen van de transparantie van het besluitvormingsproces. Ook aspecten die betrekking hebben op het gebruik van de software in het algemeen zijn relevant, zoals het ontwerp van de gebruikersinterface. Daarnaast wordt een inventarisatie gemaakt van de industriële en juridische kaders die relevant zijn voor de software.
Fase 5. Effectbeoordeling van het AIPA met software
Fase 5 betreft de beoordeling van de impact van het gebruik van het AIPA en software op de klinische praktijk en op de resultaten voor de patiënt, waarbij in deze fase ook een eerste kosten-batenanalyse van het gebruik van de AIPA kan worden gemaakt. De klinische impact kan op verschillende manieren worden gedefinieerd en kan bijvoorbeeld worden bereikt door het ondersteunen van de zorgprofessional in het klinische besluitvormingsproces of door het ondersteunen van het gezamenlijke besluitvormingsproces van zorgverleners. In deze fase presenteren we methoden uit de literatuur voor het bestuderen van de klinische impact van de AIPA, zoals cluster-randomized trials waarbij patiënten in de 'AIPA-groep' met een groep met klinische zorg zoals gebruikelijk worden vergeleken met betrekking tot proces- en patiëntuitkomsten.
Fase 6. Implementatie en gebruik in de dagelijkse praktijk
Het doel van de laatste fase is om een overzicht te geven van de normen en aanbevelingen met betrekking tot de implementatie van de AIPA in de reguliere medische zorg. Het gaat hierbij om een breed scala aan technische, wetenschappelijke en organisatorische aspecten, zoals het verbeteren van het begrip van de eindgebruiker door middel van educatie. Bovendien zal de AIPA, aangezien de onderliggende bevolking en/of zorgprocessen in de loop van de tijd kunnen evolueren, moeten worden opgevolgd en regelmatig opnieuw worden gekalibreerd. Verder wordt in deze fase onderzocht welke normen en aanbevelingen van toepassing zijn op de schaalbaarheid van de AIPA. Ook kan het gaan om een uitgebreidere kosten-batenanalyse en een akkoord over onder andere de structurele financiering.
