Sinds enkele jaren worden we toenemend geconfronteerd met toepassingen van kunstmatige intelligentie in de gezondheidszorg. Cardiovasculaire events kunnen voorspeld worden met op machine learning gebaseerde algoritmes. PAP-uitstrijkjes worden door slimme algoritmes minstens zo goed beoordeeld als door de patholoog. Moderne EPD’s bieden inmiddels algoritmes aan die heropnames kunnen voorspellen. Voorbeelden stapelen zich op. Toen ik in november 2017 de abstracts van de ASN Kidney Week doornam, verbaasde het mij daarom, dat slechts 11 van de 4454 abstracts rapporteerden over onderzoek met behulp van machine learning. Ik woonde twee presentaties hiervan bij en constateerde dat de ene arts-onderzoeker eigenlijk nog steeds verbaasd was dat de techniek werkte bij zijn onderzoek, terwijl de andere arts een commerciële partij in de arm had genomen omdat hij eigenlijk niet wist hoe het werkte. Ik besefte dat we als beroepsgroep hard op weg zijn om een belangrijk diagnostisch arsenaal mis te lopen. Vanaf dat moment heb ik me gestort op machine learning. En het was natuurlijk zo dat ik het niet heel druk had tijdens het congresbezoek, zodat ik rond kon struinen op internet op zoek naar de ideale uitleg van machine learning.
Het is niet heel makkelijk om wegwijs te worden in dit onderwerp terwijl (maar ook omdat) er kilometers tekst en jaren Youtube films over te vinden zijn. Ik zal je besparen aan welke ebooks en filmpjes ik mijn tijd heb verspild en meteen to the point komen: op Coursera.org is de cursus Machine Learning van (oprichter) Andrew Ng te vinden. Ik heb niet eerder meegemaakt dat iemand iets zó duidelijk kan uitleggen. De cursus duurt drie maanden (in de vrije tijd), kost ongeveer 60 euro en dat is een schijntje. Daarna volgde de ‘Deep Learning Specialization’, ook van Andrew Ng. Kost ook niet veel en levert des te meer op. Na deze cursussen snap je echt waar het om draait en ben je al aardig in staat om na te denken over ontwikkeling en implementatie van predictive analytics in je eigen ziekenhuis. Een groot voordeel is bovendien dat je in staat bent om wetenschappelijke literatuur over machine learning te lezen en je verder te verdiepen in het onderwerp.
Gaat dit je allemaal te ver voor nu? Dan kom je ook een eindje als je af en toe dit blog leest.