Aan de slag met AI, maar kwaliteit voorop
AI-interventies hebben de potentie om zorg persoonlijker te maken, maar eerst moet duidelijk zijn aan welke eisen ze moeten voldoen. Zo pakken wij dat aan.
De opkomst van AI levert de maatschappij een hoop uitdagingen, maar óók kansen en beloftes op. Datzelfde doet de technologie voor e-health. In potentie kan AI interactie opzoeken, uitleg geven, motiveren en aanpak op maat maken – daarmee kan het e-health veel brengen. Maar het volgt ook compleet nieuwe regels en logica. Het is belangrijk dat we daar stap voor stap mee omgaan. Zo moeten we als veld eerst consensus vinden over belangrijke thema’s, zoals kwaliteit en veiligheid. In de zorg hebben fouten immers directe impact op cliënten. Wie eerst ontwikkelt en later pas over kwaliteit nadenkt, moet waarschijnlijk repareren wat te voorkomen was.
Hoe pakken wij dat aan?
Om te beginnen is het belangrijk om te definiëren wat kwaliteit precies betekent voor AI-gedreven e-healthinterventies. Dat doen wij met een Delphi-studie, samen met een panel van behandelaars, onderzoekers, AI-experts en e-health ervaringsdeskundigen. Zij geven anoniem en in meerdere rondes hun oordeel, tot er brede overeenstemming is. Dit levert een set kwaliteitsdimensies en bijbehorende criteria op.
Pas als de kwaliteitskaders helder zijn, onderzoeken we met dezelfde groep welke potentie AI heeft voor de zorg. Daarbij hebben we bewust geen doel of richting: ons onderzoek is nadrukkelijk een vertrekpunt, geen eindstation.
Waarom starten we niet met ontwikkelen?
Er zijn al veel kwaliteitskaders, maar alleen voor teksten, methodes en interventies die door mensen zijn geschreven en daarna vastliggen. AI-gedreven methodes kunnen elke keer andere resultaten opleveren, zelfs met dezelfde instructies. Daarom is er een nieuw kader nodig: om sturing te geven aan AI, maar ook om te controleren dat elk AI-resultaat aan dezelfde kwaliteitseisen voldoet.
Daarom moet vóór het bouwen duidelijk vaststaan hoe je kwaliteit definieert, als instructie en als meetlat. Alleen dan kun je later zeggen of iets aan de norm voldoet.
Wie bepaalt of AI-gedreven e-healthinterventies goed genoeg zijn?
Niet alleen wij, dat doen we samen met een breed panel van 29 experts tijdens onze Delphi-studie. Die deskundigen bestaan uit vier groepen – behandelaars, onderzoekers, AI-experts en oud-cliënten – en komen uit de GGZ, huisartsenzorg en het sociaal domein.
Elk van die groepen kijkt anders naar kwaliteit. Zo let een behandelaar op andere dingen dan iemand die zelf in behandeling is geweest. Pas als zij samen over de kwaliteitscriteria oordelen, wordt zichtbaar waar zij het over eens zijn.
Veelgestelde vragen
Wat doet AI nu al in de zorg, en waar ligt de grens?
Nu gebruiken steeds meer mensen AI al voor administratie en samenvattingen. Voor behandelingen komt het veel minder voor, omdat een fout direct grote gevolgen kan hebben voor cliënten.
Wat kan AI (niet) doen in de zorg?
Waarom stellen we eerst criteria vast en gaan we daarna pas bouwen?
De kwaliteit van zorg staat altijd voorop. Door de snelheid waarmee AI-ontwikkelingen elkaar opvolgen, kunnen kwaliteitskaders vervagen. Dat verhoogt het risico op schade voor cliënten.
Waarom kwaliteit belangrijker is dan snelheid
Hoe kan AI ondersteuning bieden in de zorg?
Op verschillende manieren, waarvan wij er drie onderzoeken: persoonlijke programma’s, laagdrempelig inchecken en structuur en steun tussen sessies. Welke waarde het daadwerkelijk heeft, weten we pas zeker als we het verder onderzoeken.
Waarbij kan AI goed helpen in de zorg?
Waarom is het zo belangrijk dat het onderzoek geen concrete richting en doelen heeft?
Het gebruik van AI in e-health moet waardevol en nuttig zijn – het is een middel en geen doel op zich. Daarom moet de beste toepassing uit de praktijk blijken en niet worden vastgelegd in een plan.
Lees meer over ons open onderzoek
Wie bepaalt wat AI wel en niet mag doen in de zorg?
Wat ons betreft doen we dat niet alleen, maar werken we daarbij samen met een brede groep aan experts: behandelaars en onderzoekers uit verschillende zorgdomeinen, deskundigen die veel weten van AI én mensen die onder behandeling zijn geweest.
Zo zochten we naar brede consensus in het veld
Wat zijn de uitkomsten van de Delphi-studie?
Tijdens ons onderzoek hebben we overeenstemming bereikt over de kwaliteitskaders voor AI-gedreven e-health. Daaruit volgen negen kwaliteitsdimensies met bijbehorende criteria.
