Kunstmatige intelligentie (AI) en machine learning (ML) komen steeds vaker voor in de gezondheidszorg. Het gebruik van deze technologieën is inmiddels ook niet meer weg te denken bij de ontwikkeling van point-of-care testing (POCT). Met als voordeel: als meer verschillende testen veilig op locatie kunnen worden gedaan, leidt tot snellere diagnostiek en tevens tot lagere kosten.
Niet alleen zijn de meeste zorgprofessionals ingenomen met uitbreiding van POC-tests. Ook patiënten vinden het prettig en eigenlijk bijna vanzelfsprekend dat er steeds meer betrouwbare testen komen, die net zo eenvoudig thuis of bij de huisarts zijn uit te voeren als bijvoorbeeld een zwangerschapstest of gebruik van bloedglucosemeters.
Onmisbaar
Echter: de ontwikkeling van geavanceerde POCT’s is bepaald geen sinecure. AI en ML bieden daarin goede ondersteuning of zijn in het proces vaak zelfs onmisbaar. Zo heeft de universiteit van Californië met inzet van AI en ML een point of care test ontwikkeld die cardiovasculaire risicostratificatie biedt met hooggevoelig C-reactie proteïne en een POCT voor detectie van de ziekte van Lyme in een vroeg stadium, die in 15 minuten de uitslag geeft.
Scala aan variabelen
De kracht van AI en ML is dat deze een breed scala aan variabelen tegelijk kunnen integreren, terwijl mensen bij zes tot zeven variabelen de grens ligt. Zo loopt er bij de universiteit van Californië nu een onderzoek waarbij wordt gekeken naar een reeks variabelen voor het voorspellen van acuut nierletsel bij brandwondenpatiënten. Dat onderzoek is zonder AI en ML absoluut onmogelijk.
Data
Veel POC-apparaten hebben functies voor gegevensbeheer. Dat betekent dat je met POC-tests kunt beschikken over enorm veel data, zeker ziekenhuizen deze samenvoegen. Naam de glucosemeters. Voorheen moesten ze handmatig worden bediend en de uitslag worden genoteerd. Nu kunnen de resultaten in de meter worden geüpload voor bijvoorbeeld de diabetesverpleegkundige. Dat betekent tegelijk dat laboratoria over veel gegevens kunnen beschikken. Op deze wijze kan er onder meer op afstand kwaliteitscontrole worden uitgevoerd. Want POC-tests worden gebruikt onder totaal verschillende omstandigheden. Met AI is het mogelijk om de kwaliteit te garanderen die verder gaat dan alleen het defect raken van het apparaat en het geven van een foutmelding. Dat betekent wel dat klinische laboranten moeten wennen aan het gebruik van AI en ML om kwaliteitscontrole te handhaven op apparaten die buitevan het ziekenhuis worden gebruikt.
Validatie en regelgeving
Overigens moet de nieuwe technologie die op POCT wordt toegepast, wel op dezelfde manier worden gevalideerd als elke andere test. En naarmate AI steeds meer wordt ingezet (en dat zal zeker toenemen) moet de regelgeving daarop zijn aangepast.
