Britse National Health Service zet AI in om ziekten vroegtijdig op te sporen
De Britse National Health Service (NHS) is in samenwerking met het University College London (UCL) en het King's College London (KCL), begonnen met het testen van een nieuw AI-model dat toekomstige ziekten of complicaties bij patiënten moet gaan voorspellen.
Voor de ontwikkeling van het AI-model zijn geanonimiseerde gezondheidsgegevens gebruikt van ruim 57 miljoen inwoners van het Verenigd Koninkrijk. Het model, genaamd Foresight, is ontworpen om patronen in medische gegevens te herkennen en vroegtijdig medische risico’s te signaleren. Dit zou preventieve zorg kunnen verbeteren en de druk op de gezondheidszorg verlichten.
Het AI-systeem maakt gebruik van routinematig verzamelde NHS-gegevens zoals ziekenhuisopnames en Covid-vaccinatiecijfers. Vergelijkbaar met hoe generatieve taalmodellen tekst genereren, leert Foresight om mogelijk toekomstige medische gebeurtenissen te voorspellen.
“Foresight is echt een opwindende stap in de richting van het kunnen voorspellen van ziekten en complicaties voordat ze zich voordoen, waardoor we een venster krijgen om in te grijpen en een verschuiving naar meer preventieve gezondheidszorg op grote schaal mogelijk wordt,” aldus dr. Chris Tomlinson van UCL. “En om een praktisch voorbeeld te geven van hoe dat er uit kan gaan zien: we zouden Foresight kunnen gebruiken om de gehele populatie te bekijken en het risico op bijvoorbeeld ongeplande ziekenhuisopname te voorspellen.”
Om het AI-model te trainen wordt momenteel gebruikgemaakt van een dataset die teruggaat tot november 2018. De onderzoekers hopen het model in de toekomst verder te verbeteren door ook oudere gegevens op te nemen.
Kritiek
Hoewel het project veel potentie biedt, roept het ook zorgen op. Privacy-experts waarschuwen dat zelfs geanonimiseerde gegevens kwetsbaar blijven voor heridentificatie, zeker bij omvangrijke en gedetailleerde datasets. Zelf wanneer zaken als naam, adres en Rijksregisternummer zijn verwijderd, maken combinaties van ogenschijnlijk onschuldige gegevens - zoals leeftijd, geslacht, postcode en ziektedatum - iemand identificeerbaar. Bovendien kunnen de geanonimiseerde datasets worden gekoppeld aan andere openbare of gelekte databronnen, waarna met behulp van kunstmatige intelligentie subtiele patronen worden worden gevonden die tot heridentificatie leiden. Daarnaast geldt: hoe zeldzamer een aandoening, behandeling of demografisch profiel, hoe groter de kans dat iemand toch herkenbaar is in de data.
Ook is er kritiek op het gebrek aan transparantie: veel patiënten weten niet dat hun gegevens voor dit doel worden gebruikt, terwijl de mogelijkheden om bezwaar te maken (opt-out) beperkt zijn. “En zelfs al wordt alles correct geanonimiseerd, het afstaan van gevoelige medische data is iets waar niet veel mensen warm voor lopen”, besluit Luc Rocher, privacy-expert verbonden aan de Universiteit van Oxford.
