Artsen moeten vaak belangrijke beslissingen nemen voordat alle informatie beschikbaar is. Tegelijkertijd kunnen routinematig verzamelde medische gegevens al waardevolle signalen bevatten die gemakkelijk over het hoofd worden gezien. Dit onderzoek laat zien hoe kunstmatige intelligentie (AI) kan helpen deze vroege signalen beter te benutten.
In het klinisch laboratorium herkende AI patronen in routinematig verzamelde bloeduitslagen die samenhangen met erfelijke bloedafwijkingen. Hierdoor kunnen patiënten die baat hebben bij aanvullend onderzoek doelmatiger worden geïdentificeerd.
Op de spoedeisende hulp schatte AI op basis van informatie die tijdens de eerste beoordeling beschikbaar was het risico op appendicitis bij patiënten met acute buikpijn. Deze aanpak presteerde ook goed in andere Nederlandse ziekenhuizen en zorgde voor meer consistente en nauwkeurigere beoordelingen door artsen.
Deze resultaten laten zien dat AI waardevolle informatie uit de dagelijkse zorg beter kan benutten. Voor patiënten kan dit leiden tot een eerdere juiste diagnose, gerichter aanvullend onderzoek en een kleinere kans op onnodige onderzoeken of een gemiste diagnose.
Anoeska Schipper (1987) studeerde Communicatiewetenschap aan de Universiteit van Amsterdam en rondde in 2012 haar Research Master cum laude af. Na haar studie werkte zij bij Deloitte in forensische IT, met een focus op data-analyse en kunstmatige intelligentie. In 2021 werd zij Data Scientist bij het Jeroen Bosch Ziekenhuis. Sinds 2022 doet zij promotieonderzoek bij het Radboudumc naar AI voor vroege diagnostische besluitvorming.