Beter dankzij data

Oplossing Gezocht - Beter danzij data

===

Benjamin: Wat je niet wil, is dat als iemand langer blijft staan.... dat hij dan bijvoorbeeld meer kwaliteit van leven en levensjaren achteruit gaat dan iemand anders. Dus dan degene die het snelste in die combinatie van dingen achteruit gaat... die moet je dan toch als eerste opereren, want die heeft het meeste te verliezen.

Robert: Stel je voor, je bent een stukje aan het hardlopen wanneer je een stoeprandje over het hoofd ziet. Voor je het weet lig je met de armen gestrekt op de grond... en zit er een lelijke bult op je voorhoofd. Omstanders zijn je toegesneld, de een haalt een verbandrommel uit de tas... terwijl de ander de ambulance al aan de lijn heeft.

De commotie gaat grotendeels langs je heen. Is het allemaal niet wat overdreven? Natuurlijk, de val duizelt nog wat na... en je voelt een nare hoofdpijn opkomen. Maar zelf ga je het liefst met een paracetamolletje weer op pad. Maar wat is nu de beste keuze en hoe kom je daar dan achter in zo'n gehaaste situatie?

Mijn naam is Robert Visscher.

Nour: En ik ben Nour Eldín Emara. Je luistert naar Oplossing Gezocht. De wetenschapspodcast van NEMO Kennislink. In deze podcast zoeken we samen met de wetenschap oplossingen voor problemen.

Robert: En deze week zitten we aan tafel met een van de Faces of Science van NEMO Kennislink. Benjamin Gravesteijn. Epidemioloog gepromoveerd aan het Erasmus Medisch Centrum in Rotterdam.... en tevens artsonderzoeker op de afdeling gynaecologie van het OLVG in Amsterdam. We bespreken met hem de onzekere beslissingen op de medische werkvloer.... en de manier waarop gebruik van data daarin mogelijk uitkomst biedt. Benjamin, we vragen je meteen een paar snelle keuzes te maken. Ben je er klaar voor?

Benjamin: Ja, zeker.

Robert: Hier komen ze. Vakantie, strand of wintersport?

Benjamin: Wintersport.

Robert: Toetje, taart of ijs.

Benjamin: Taart.

Robert: Kleur, rood of blauw.

Benjamin: Blauw.

Robert: Stad Amsterdam of Rotterdam?

Benjamin: Dat kan ik niet beantwoorden.

Robert: Het moet! Je moet kiezen.

Benjamin: Daar heb ik een beslismodel voor nodig.

Robert: Misschien aan het einde dat je er anders over denkt. Werk, arts of onderzoeker?

Benjamin: O, dat is ook te moeilijk. Nee. Allebei.

Robert: Oke.

Nour: Lopen we al stuk.

Robert: De conclusie is volgens mij. Soms is het lastig te overzien wat de juiste keuze is. Zeker wanneer er haast bij geboden is. Zo worden ook artsen en patiënten vaak geconfronteerd met spoedsituaties... waarin lang niet altijd duidelijk is welke beslissing de beste is. Toch zal in de haast van een moment een keuze gemaakt moeten worden... om gezondheidsproblemen te voorkomen. Acute zorg gaat gepaard met veel onzekere keuzes onder tijdsdruk. Wat voor keuzes moeten we dan precies voor ons zien? Waar hebben we het over?

Benjamin: Ja, dat ligt heel erg aan het vakgebied wat je bekijkt. En ik heb in mijn promotieonderzoek heel erg gefocust op bijvoorbeeld het voorbeeld wat je net zei. Dus traumatisch hersenletsel. Wanneer je dus valt, je hoofd ergens tegenaan stoot... en daarbij dan letsel krijgt. Dus bijvoorbeeld een bloeding in het hoofd... of dat er een gedeelte van je hersenen kapot is. En dat zijn keuzes dat je dan moet weten bijvoorbeeld waar, naar welk ziekenhuis moet je. Kan je naar een OLVG of moet je naar bijvoorbeeld een academisch centrum, zoals het Amsterdam UMC. Wat is de beste plek waar je verzorgd moet worden... of waar je behandeling moet krijgen?

En wat voor onderzoek heb je dan nodig om te kijken? Moet je onder de CT-scan, om te kijken of je dus die bloeding hebt. Moet je een operatie krijgen? Allemaal van die keuzes inderdaad die je heel snel moet maken. Want zeker vanaf zo'n val tot aan een coma... Nou, daar kan natuurlijk gewoon tijd tussen zitten... maar soms heb je dan een uur, twee uur... dan moeten al die keuzes zijn gemaakt.

Nour: Het gaat dus om een plek, wat voor soort diagnostiek... maar zelfs ook welke behandeling dan de beste is, begrijp ik.

Benjamin: Ja, zeker.

Nour: En dat is bij traumatisch hersenletsel, zeg je. Nog andere voorbeelden op de spoedeisende hulp?

Benjamin: Jazeker. Ik zit nu bijvoorbeeld heel erg in de gynaecologie. Bijvoorbeeld bij iemand die bewusteloos is met alleen een zwangerschapstest. die positief is... Dan moet je soms ook binnen een uur of binnen een half uur eigenlijk op de operatiekamer liggen... om vervolgens een zwangerschap die bijvoorbeeld aan het bloeden is in de buik eruit te halen.

Dat zijn ook keuzes die echt heel snel moeten worden gemaakt. En soms heb je niet bijvoorbeeld een patiënt om dat aan te vragen. Ben je zwanger, kan je zwanger zijn? Dus dan moet je met weinig informatie misschien alleen dus wat urine en een positieve zwangerschapstest... besluiten om iemand te opereren.

Nour: Heftig lijkt me. Hoe beleef jij dat?

Benjamin: Ja, dat zijn inderdaad hele spannende keuzes. En dat is inderdaad waar ik vind dat heel spannend. Maar achteraf, als het goed gegaan is, ben ik alleen maar supertrots dat dat dus wel goed gegaan is. Dat we dat voor iemand hebben kunnen betekenen.

Maar ja, soms wel eng. Ja, zeker.

Nour: Want twijfel je dan ook veel? Aan keuzes, of?

Benjamin: Ja, en dat gaat gepaard met eerst heel veel onzekerheid... en toch inderdaad heel vaak bellen van moeten we dit echt doen? Totdat je op een gegeven moment denkt van maar dit heb ik al een keer gezien. Hier heb ik al wat informatie over verzameld... en dit moeten we gewoon doen, want dit is sowieso goed. En je kan er niet zo heel veel fout mee doen. Et cetera.

Nour: Juist.

Robert: Ik ken het vooral vanuit patiëntenperspectief... maar niet dit voorbeeld dan, he. Maar je voelt je overgeleverd als patiënt aan van ja, ze zullen wel iets goeds doen of wel iets goeds beslissen.

Jullie hebben allebei een geneeskundige achtergrond. Dus ik kan me voorstellen dat voor jullie... voor jou is het meer echt een dilemma... van hoe maak ik de juiste beslissing voor mijn werk, toch? En dat doe je dus eigenlijk op basis van zoveel mogelijk informatie die je dan hebt... maar ook met collega's en met ervaringen die je meemaakt. Toch?

Benjamin: Ja, precies. En wat ik dan op de werkvloer zie... en dan probeer iedere keer wat informatie te verzamelen. Natuurlijk alleen een positieve zwangerschapstest is misschien niet genoeg. Maar als ik dan ook zie dat een buik blank hard is... dat iemand bijvoorbeeld een lage bloeddruk heeft en een hoge polsslag...

Dat zijn allemaal een soort van kleine informatiestukjes... die ik dan nu in mijn hoofd bij elkaar dan stop... en eigenlijk een soort van dan een beslissing maak, dan samen met mijn collega's natuurlijk. Ja of nee.

Nour: En ook niet onbelangrijk, denk ik, wat ik daarin herken. Uiteindelijk kun je soms met alle informatie die beschikbaar is... toch nog steeds niet in EEN duidelijke knoop doorhakken. En dan is ook de wens van de patiënt daarin heel belangrijk. En kan puur dat gesprek met de patiënt ook al de oplossing zijn... waarbij je de twee opties zo volledig mogelijk probeert te bespreken. En uiteindelijk de patiënt daar misschien ook wel een persoonlijke voorkeur in kan uitspreken. Dat vind ik ook belangrijk. Misschien, Robert, omdat je zegt ik herken het vooral vanuit het patiëntperspectief. Is zoiets jou wel eens overkomen, zo'n onzekere situatie in het ziekenhuis?

Robert: Ik heb een paar keer op de spoedeisende hulp gelegen. Dat is altijd goed afgelopen. Maar daar vond ik het wel. Ik ben EEN keer van een trap gevallen.

En toen moest ik eerst heel hard lachen... want ik denk: jeetje, wat ben ik onhandig. En toen op een gegeven moment kreeg ik toch wel heel erg veel pijn. En toen zei mijn vrouw dat ziet er helemaal niet goed uit, je onderrug. Dus toen ben ik naar de huisarts gegaan... en die zei meteen: je moet naar de spoedeisende hulp.

En nou ja, toen kwam ik daar aan. En toen begonnen ze in mijn teen te prikken... en toen had ik geen gevoel meer in mijn teen. En toen dacht ik: wow, wat gebeurt er nu allemaal. Dus ik schrok daar heel erg van. Maar toen vond ik het dus heel fijn dat eigenlijk een beetje wat jij ook beschrijft... , mij werd verteld van dit zijn nu de opties.

Dit is wat er aan de hand kan zijn. En toen kwamen er drie andere artsen bij... en die gingen er allemaal naar kijken. En dat gaf mij heel veel vertrouwen. Dat ik dacht van wacht eens, want nu is het niet meer het oordeel van EEN iemand... maar het is van meerdere mensen. Nou, toen werd er een scan gemaakt.

En na die scan ging het alweer veel beter met mij en uit de scan bleek ook van de bloeding was zo groot... dat er zenuwen waren afgekneld. En dat was maar heel even. Dus daarom had ik geen gevoel op dat moment in mijn teen. Dat was dus echt maar heel kort. Ik noem dit als voorbeeld omdat het gaf mij heel veel vertrouwen dat ik het idee had van er is een soort checklist.

Elke situatie is weer anders. En er komen andere artsen bij... eigenlijk wat jij ook al als voorbeeld noemt. Dus ja, maar als patiënt voel je je wel heel erg overgeleverd... want je hebt zelf geen enkele kennis, je ligt daar. En ja, je weet het gewoon niet.

Benjamin: Dus superspannend inderdaad.

Nour: En het summum van onzekere keuzes... lijkt mij misschien wel de recente coronapandemie. Hoe zag je dat daarin terug?

Benjamin: Ik moet eerlijk zeggen ik was toen co-assistent en ik zat toen op de bank thuis. Dus ik zag dat eigenlijk vooral thuis. Maar we hebben toen met een groep onderzoekers juist wel... want we dachten dat vond ik heel inspirerend aan de coronapandemie...

dat iedereen toch dacht we moeten iets doen. En wij zagen toen heel erg dat bijvoorbeeld ook die operaties heel erg uit werden gesteld. En voor sommige operaties is dat natuurlijk geen probleem. Maar voor sommige operaties wel. Bijvoorbeeld voor operaties aan kanker... waar je toch inderdaad echt kwaliteit van leven en levensjaren inlevert misschien als je dat te lang uitstelt..

Dus toen hebben we dat met een groep onderzoekers aangegrepen om dus een beslismodel te maken. Ik refereerde daar net al een klein beetje aan. Om dan tegen elkaar af te wegen. Wat is dan de meest logische keuze om welke operatie eerst te doen.

Robert: Maar dat is een ingewikkelde... dus je wilt eigenlijk mensen beschermen... omdat je ze niet bloot wil stellen aan corona. Je wilt niet dat ze ziek worden. Zeker mensen met kanker die dan vaak een verhoogd risico hebben... om daar heel erg ziek van te worden... of misschien wel te overlijden. Maar niet opereren, zorgt er ook weer voor dat ze en misschien wel komen te overlijden... of er veel meer complicaties zijn.

Benjamin: Ja.

Robert: Wat doe je dan?

Benjamin: Ja, dus dan weeg je af. Je kijkt natuurlijk naar allemaal verschillende dingen. Maar wat het hoofdding voor ons was , wat je niet wil, is dat als iemand langer blijft staan... dat hij dan bijvoorbeeld meer kwaliteit van leven en levensjaren achteruit gaat dan iemand anders.

Dus dan degene die het snelste in die combinatie van dingen achteruit gaat... die moet je dan toch als eerste opereren. Want die heeft het meeste te verliezen met als je het uitstelt. Daar kan je over twisten en dat is dan ons perspectief. Dat is dan een soort, utilitaristisch perspectief.

Dus dat je probeert als de groep als geheel het ware het minste schade aan te doen. Maar ja, daar moesten inderdaad moeilijke keuzes worden gemaakt. Omdat er zo weinig personeel beschikbaar was. Dat was eigenlijk een beetje de crux. Dat er gewoon minder operaties konden worden gedaan.

Nour: Ja. lijkt me extra lastig om zo'n risico-inschatting te maken... wanneer er ook nog zo bijzonder weinig duidelijk is over de ziekte zelf. Corona was op dat moment vrij onbekend natuurlijk.

Benjamin: Ja, klopt. Daar hebben wij niet zo heel veel mee te maken gehad natuurlijk.. aangezien wij dachten dat is aangenomen, dat dat dus is. En dat kan natuurlijk ook buiten een andere crisis natuurlijk.. wanneer er gewoon weer minder operatiecapaciteit is. Er zijn andere redenen. die je daarvan kan bedenken of een nieuw virus. Maar dit probleem vonden wij dan. Ja, je moet altijd EEN probleem uitpakken. Helaas kan je niet alles oplossen.

Robert: Nee, maar het is denk ik een superbelangrijk probleem. En in die zin ook heel interessant. Maar wat is het dan dat je. Wat drijft jou. Waarom vind je dit zo interessant dat je deze dit soort onzekere keuzes bezig wil zijn?

Benjamin: Nou ja, ik raak gefrustreerd als mensen altijd zo heel erg duidelijk zijn in van zo moet het gewoon. Dit is de enige weg voorwaarts. Luister naar mij.

Ik heb dit en dit en dit meegemaakt, weet ik veel wat. Maakt niet uit. En dan vervolgens dat iemand anders een compleet andere mening kan hebben... en dat eigenlijk nooit heel erg genuanceerd is. Want volgens mij zijn de meeste keuzes in het leven... en zeker dit soort moeilijke keuzes gewoon heel lastig. En ik denk te veel factoren die daar dan bij betrokken zijn.

En om dat dan vervolgens goed tegen elkaar af te wegen. En ik vind het dus wel echt super vet en ja, inspirerend... dat je met mensen kan ik zeggen wat vind je dan echt belangrijk? Wat moeten we echt, zeg maar, wat is belangrijk om optimaal te weten of te verbeteren... en vervolgens dan proberen met wiskunde of data dus.

Toch voor iedereen de beste middenweg te vinden. Het is misschien een beetje poldermodel, maar dat iedereen het meest tevreden zou kunnen zijn.

Robert: En meerdere informatie met elkaar combineren, lijkt mij, he. Als je zegt : het is een moeilijke beslissing. Ja, en er zijn onzekere factoren... dan wil je eigenlijk zo goed mogelijk geïnformeerd zijn. Dus het klinkt heel logisch.

Benjamin: Ja, en dat is vaak dan misschien ietsje langzamer dan inderdaad in zo'n acuut moment. Maar ik wantrouw een beetje die hele snelle, misschien wel politieke soort van weg voorwaarts. Ik vind dat moeilijk.

Nour: Maar toch ook op de spoedeisende hulp lijkt me dat de beste middenweg... daar is wel eens over nagedacht... in een vorm van ziekenhuisprotocollen, landelijke richtlijnen. Dus hoe kan er dan nog zoveel onzekerheid bestaan... als er ook al deze dingen ook al bestaan?

Benjamin: Dat is inderdaad een goede vraag. Daar moet ik even over nadenken. Ik denk dat zijn natuurlijk van die grote moeilijke keuzes voor heel veel mensen.

En op patiëntenniveau spelen daar natuurlijk andere onzekerheden. Dat zijn natuurlijk omdat je niet alles weet van iemand. Dat is denk ik dan een andere onzekerheid.

Nour: Ik kan je misschien confronteren met je eigen quote. Want je schrijft blogs voor NEMO Kennislink. Wat ik heel mooi vond is wat je beschreef. Als er EEN ding altijd waar is in de geneeskunde... dan is het dat iets altijd niet zo is.

Even een nadenkertje.

Benjamin: Ja, dus het is inderdaad...

Nour: Kan je dat toelichten?.

Benjamin: Dus eigenlijk alles wat je leert in boeken. En alles wat je ziet, ook op de werkvloer... dan is er natuurlijk het klassieke voorbeeld is dit. Maar er is nooit een patiënt die daaraan voldoet. Dus er zijn altijd andere uitzonderingen. Er zijn eigenlijk alleen maar uitzonderingen.

Robert: Is dat een beetje, geen breuk is hetzelfde? Iemand heeft een ontsteking aan z'n oor... of iemand heeft noem eens wat, een tong die helemaal opzwelt... en die zwelt dan altijd net op een andere manier op dan in het boekje staat. Zoiets?

Benjamin: Precies, die dan toch sneller gaat dan je verwacht. Of toch inderdaad dat het moeilijker is dan je verwacht. En ook bij geneeskunde... als je een toets maakt, dan als er altijd of nooit in de vraag staat... dan is dat nooit het antwoord.

Nour: O, die schrijf ik even op. Dat is nog even belangrijk de komende tijd.

Robert: Het kan op een tegeltje. Heel mooi. Kortom, de klinische blik van de arts en algemeen geldende richtlijnen... zijn lang niet altijd toereikend om een juiste optie aan te wijzen per patiënt. Zeker niet in spoedgevallen. Arts en patiënt hebben meer behoefte aan houvast.... zodat zij ook in complexe situaties de juiste knoop kunnen doorhakken. En dus verkennen we de wereld van voorspellende datamodellen... om te beoordelen of dit een oplossing kan bieden. Benjamin, neem ons eens even stap voor stap mee. Wat voor data worden er allemaal verzameld in een ziekenhuis? Ik denk superveel, maar kun je een beetje een overzichtje geven. Waar moeten we dan aan denken?

Benjamin: Nou, ik noemde net al bijvoorbeeld bij die bloedende zwangerschap in de buik. Dat zijn dan dingen zoals inderdaad een hoe snel je pols gaat. Dus hoe snel je hart per minuut slaat, wat je bloeddruk is, en je leeftijd natuurlijk. En het ijzergehalte in je bloed.

Dat zijn allemaal dingen die worden verzameld door ons als zorgverleners. En dat zijn allemaal kleine delen aan informatie... die bij elkaar opgeteld inderdaad, mij als dokter op de werkvloer, maar ook zo'n algoritme bijvoorbeeld zou kunnen helpen... om een beslissing te maken die over het algemeen juist is.

Robert: Kun je dat zien als een soort puzzelstukjes. Dus al die verschillende data-puntjes, datadingen zijn puzzelstukjes... en er zijn ook allerlei ontbrekende stukjes nog... maar je probeert zo goed mogelijk in te schatten. Hoe ziet die puzzel er dan uit? Is dat zoiets?

Benjamin: Nou ja, het zijn niet perfecte puzzelstukjes... want die puzzel gaat nooit passen.

Robert: Nee, daarom. Er zijn stukjes die er niet zijn, zoiets.

Benjamin: Dus je moet eigenlijk een beetje... dat zijn dan puzzelstukjes die een klein beetje de richting aangeven... van wat dan inderdaad... uiteindelijk het complete beeld gaat zijn. Maar puzzelstukjes zou kunnen. Maar ja, niet zo fijn als een echte puzzel.

Ik zou eerder bijvoorbeeld zeggen als je hebt ook zo'n vergelijking... volgens mij zo'n een Indiase vergelijking... dat er allemaal verschillende mensen aan een deel van een olifant aanraken. Bijvoorbeeld een been en een slurf en een slagtand... en dan weten ze allemaal niet wat het dan precies is. Maar als ze het dan samen koppelen, dan kunnen ze samen wel erachter komen dat het een olifant is. Zo moet je het meer, denk ik, vergelijken, ja.

Nour: En hoe bepaal je dan welke puzzel je eigenlijk wilt maken. Waarmee ik bedoel en naar welke uitkomsten kijk je dan? Je gaat allemaal voor gezondheid misschien. Maar hoe meet je dat dan weer in het ziekenhuis?

Benjamin: Ja, dat is superlastig. En zeker met die acute beslissingen. Je kan wel natuurlijk voorspellen wat uiteindelijk of je kan al die puzzelstukjes dan koppelen aan een uitkomst... zoals wel of niet overleven. Maar je moet altijd nadenken van wat is de keuze die ik soort van waar ik informatie voor wil geven. En als ik bijvoorbeeld wil weten moet ik wel of niet opereren... dan is bijvoorbeeld niet de vraag of iemand wel of niet doodgaat... dat informeert me dan niet zo heel erg. Maar eigenlijk wat is de kans dat iemand nu een bloedende zwangerschap in de buik heeft. Want dat bepaalt of ik wel of niet ga opereren. Of wat is de kans dat iemand een bloeding heeft in het hoofd.

Dat bepaalt of je dan wel of iets niet gaat doen. Maar je wilt ook weten wat de uitkomst is voor andere keuzes. Niet voor bijvoorbeeld of je wel of niet gaat opereren. Maar bijvoorbeeld wie moet ik als eerste helpen Je hebt natuurlijk op de spoedeisende hulp allemaal verschillende patiënten.

Maar ook bijvoorbeeld.. als je drie of vier verschillende mensen met traumatisch hersenletsel binnen krijgt... dan kan je ook nadenken van wie moet ik als eerste heel mijn team op afsturen. Dat is dan misschien degene die de hoogste kans heeft om uiteindelijk te overlijden.

Robert: Nee, dat is wel. Ik heb dus een keer op de spoedeisende hulp een paar keer gelegen. Het ging altijd goed. Maar inderdaad zeggen ze ook: je wordt niet behandeld op basis van binnenkomst. Dus dat is hier denk ik een heel goed voorbeeld van. Waarbij toen iemand heel hard zat te schreeuwen. Ik zit hier al heel lang en ik moet geholpen worden en... Nou, dat was dus steeds niet zo. Toen dacht ik: misschien heeft het daar ook al mee te maken, vast niet.

Nour: Maar ik kan me ook voorstellen dat sommige uitkomsten zijn heel duidelijk. De patiënt die het meest in levensgevaar is... die wil je dan ook eerst behandelen. Maar sommige keuzes zijn ook heel erg patiënt afhankelijk. We hebben bijvoorbeeld aan onze luisteraars gevraagd of de stelling eigenlijk voorgelegd.

Artsen mogen mijn data best gebruiken om de zorg puntje puntje te maken. En we hadden dan vier opties. Goedkoper te maken, sneller te maken, persoonlijker te maken... of kwalitatief echt beter te maken. Daar is nog best wel verschil. En de meerderheid gaat uiteindelijk voor kwalitatief betere zorgen. Dus dat denk ik inderdaad: ja, zorg ervoor dat ik gewoon zo lang mogelijk, zo gezond mogelijk kan leven. Maar toch ook een kwart ongeveer, die gaat voor: ja, ik vind persoonlijke zorg... gewoon persoonlijke aandacht eigenlijk nog belangrijker. Een enkeling die gaat nog voor sneller. Dus op de spoedeisende hulp gaat er vooral omdat ik gewoon snel geholpen kan worden... snel weet waar ik aan toe ben. Zo is dat ook wel, denk ik. Ik kan me zo voorstellen... voor iedereen net even anders wat iemand verstaat onder gezondheid bijvoorbeeld. Of betere zorg. Zie je dat terug in de praktijk?

Benjamin: Ja, tuurlijk. En nogmaals, je kan natuurlijk allemaal verschillende keuzes proberen te informeren met verschillende algoritmes of data. Maar het gaat er dus om dat je wilt weten welke keuze je precies wilt verbeteren. En hoe je dat dan inderdaad dan met mensen samen tot een beslissing maakt. Want je doet het niet alleen. Nee, je moet het samen doen.

Nour: En voor jou zou het bijvoorbeeld kunnen zijn: ik wil gewoon zo lang mogelijk leven bijvoorbeeld. Maar voor mij zou dan bijvoorbeeld kunnen zijn: nou, ik hoef misschien niet zo. Ik hoef niet honderd te worden... maar als ik maar tachtig haal... maar dan in hele goede gezondheid bijvoorbeeld. Zo kan het voor iedereen wel wat anders zijn.

Robert: Het is heel mooi dat je dit noemt, want er is een nieuwe tentoonstelling in de Studio van NEMO waar we nu zitten. En dat heet Living looonger... en dat gaat precies over dit soort dingen ook. Waar hebben we het eigenlijk over als we lang willen leven, willen we dan zo lang mogelijk? En ja, op wat voor manier is dat dan, die laatste tien, twintig jaar misschien wel? Of zeg je op een gegeven moment: ik wil gewoon een volwaardig leven hebben.

Ik wil gewoon op een gegeven moment is het klaar en dan heb ik het heel mooi gehad. Dus een beetje risicomijdend ook. Hoe ga je daarmee om? Dat zijn denk ik wel hele goede dingen.

Benjamin: Ja, is wel grappig, ja. De keuzes, of hoe je die maakt, zeg maar, in dat OK-onderzoek. Dus wanneer je welke operaties je moet prioriteren...

tijdens zo'n crisis als een pandemie... natuurlijk ook zowel naar kwaliteit van leven... en naar het aantal levensjaren gekeken. Hoe zeg je dat, wiskundig netjes. Eigenlijk, over het algemeen is het aantal levensjaren wat je daarin dan optimaliseert.... over het algemeen nuttiger om de hoeveelheid kwaliteit van leven... gecorrigeerde levensjaren dan te verbeteren. Uiteindelijk betekent het veel meer in de hoeveelheid goed leven... dat je ook kan leven... dan alleen die kwaliteit van leven. Als je zo die afweging maakt.

Robert: Nee, ik snap wat je bedoelt, maar dan nog is het ... Nour en ik kunnen hele andere manieren hebben om ernaar te kijken. Dat ik zeg, ik vind kwaliteit van leven bijvoorbeeld dit. En Nour vindt dat iets anders. Maar goed, op een gegeven moment moet je ergens de grens trekken. En je moet iets.

Benjamin: Het is algemeen. En dan ga je natuurlijk met deze informatie... ga je natuurlijk met mensen praten. En dan kom je uiteindelijk tot een soort van samen tot een beslissing.

Robert: En die data speelt daar een rol.. om zoveel mogelijk informatie te hebben. Dan schrijf je in EEN van je blogs, vond ik wel mooi. Data is inherent dom. Kun je dat uitleggen? Hoe zit dat dan?

Benjamin: Wat een heel goed boek is, wat daarover geschreven is, is sorry, ik ben eventjes de naam kwijt. Geef mij een seconde. Van de causal theory. Nou, ik ben even de naam kwijt... maar een van de grote wiskundige epidemiologen heeft een boek geschreven over causal inference. Die haalt bijvoorbeeld het voorbeeld uit een haan en een zon. Als je puur alleen data verzamelt over wanneer de zon opkomt en wanneer de haan kraait... dan zou je zomaar eens kunnen concluderen uit die data... dat de zon opkomt omdat de haan kraait. Aangezien iedere keer als de zon opkomt de haan kraait. En dat dan eigenlijk altijd tegelijkertijd gebeurt. Maar als je meer weet over de wereld en weet hoe de zon werkt... en hoe die in relatie tot een kraaiende haan staat... dan denk je dat het andersom is. En menselijk denken over die data heen passen, als het ware. Je moet weten hoe de structuur van bepaalde factoren is... om te kunnen concluderen uit data wat de echte samenhang is.

Robert: Ja, ik heb het altijd zo begrepen data verzamelen zelf is op zich niet moeilijk. Maar de juiste data is één en twee is wat doe je er vervolgens mee inderdaad. Dus je hebt een rekenprogramma nodig, een algoritme of iets anders. En hoe je die data verder verwerkt. en hoe je daarna weer inzet. Dat is een beetje....

Benjamin: En zelfs die algoritmes of die rekenprogramma's zijn zelfs ook dom. Aangezien je ook moet weten welke factoren stop ik op welke manier in zo'n model... om iets daaruit te krijgen wat jij denkt dat je nodig hebt. Dus dat is eigenlijk de interface tussen mens en die computer. Daarom moet je daar supergoed over nadenken.

Robert: Heel goed punt.

Benjamin: En ik had ook een Twitter-discussie met een andere epidemioloog in de Amerika. Ik vind het heel leuk om op Twitter te discussieren. En daar ging het ook over, dus AI, artificial intelligence en machine learning... en een beetje het verschil daartussen. En toen kwamen we een beetje soort van al geinend op de soort van definitie... dat kunstmatige intelligentie pas is... als machine learning algoritmes... want dat zijn alleen maar algoritmes... daadwerkelijk ook zo als een mens kunnen denken over data... en begrijpen wat dat echt betekent... en echt over die relatie iets kan zeggen.

Nour: Zover zijn we nog niet. Als aan al die voorwaarden dus wel wordt voldaan... en je hebt uiteindelijk data verzameld... je hebt kritisch nagedacht over een modellen en wat die allemaal zeggen... dan kun je uiteindelijk wel een uitspraak doen. Kun je wel resultaten bespreken. Je had twee belangrijke onderzoeksvragen in jouw promotietraject. Een ervan is ja, welke behandelingen zijn nou zinvoller op een bepaald moment dan een ander. Kun je daar een voorbeeld van geven? Welke behandelingen bleken uit de data zinvoller... of juist minder zinvol dan gedacht?

Benjamin: De conclusie van mijn proefschrift... was dat dat de allermoeilijkste vraag is om te beantwoorden.

Robert: O, dus is een goeie vraag, Nour

Benjamin: Ja, dat is zeker heel moeilijk.

Robert: Maar je bent nu iets verder.

Benjamin: Zeker ook bij traumatisch hersenletsel zagen we dat er in heel Europa... dat het heel erg uitmaakt... waar je precies dat traumatisch hersenletsel opvangt. Dus bijvoorbeeld waar je struikelt bij het hardlopen... of dat in Italië is of in Nederland of in Spanje.

En wat voor behandeling je krijgt.. Dus denk aan bijvoorbeeld een buisje in je keel... om je te helpen ademen. Dat is iets wat we doen als mensen dus bewusteloos raken... en dus niet meer zelf kunnen ademen. Maar de drempel daarvoor is in al die landen heel anders. In Spanje is het bijvoorbeeld veel hoger dan in Nederland. Wij doen dat veel minder. En dan was de volgende vraag inderdaad om te kijken of er dan meer of minder beter is. En ja, dat was dus heel lastig.

Nour: Ja. Kun je dan zeggen van als je in land X wordt opgenomen met licht traumatisch hersenletsel... dan heb je betere kans dan in een ander land, of is dat te versimpeld?

Benjamin: Nou ja, je kan dus inderdaad wel zeggen dat er grote verschillen bestaan in die uitkomsten... als je ergens wordt opgenomen... onafhankelijk van hoe erg dat letsel is. We kunnen nog niet heel goed zeggen aan welke behandeling dat dan precies ligt. En we zien het een heel zorgtraject wat anders is in al die landen.

Robert: Dus je kan ook niet zeggen niet struikelen in Italië. Al die oude straatjes en zo maar zo makkelijk is het niet.

Benjamin: Nee. Dus je kan niet zeggen Ja, we zien wel bijvoorbeeld in een oudere studie... maar drie keer verschil in uitkomsten. Dus in het ene land versus het andere land gemiddeld gezien heb je een drie keer hogere of slechtere ligt eraan in welk land je zit, uitkomst, dus een goede neurologische kwaliteit van leven. Dus dat je nog kan lopen, praten, slapen, alles versus het andere land.

Robert: O, maar dat wil je eigenlijk weten als arts, toch? En dan met elkaar vergelijken , want dan is het wel logisch om juist voor die andere methode te kiezen, toch?

Benjamin: Precies.

Robert: Ja, dat is eigenlijk een mooie oplossing.

Benjamin: Ik heb zelf dus niet iets gevonden waar we dat dan echt zagen... maar andere onderzoekers hebben dus wel wat meer dat soort dingen dus bijvoorbeeld hoeveel vocht je geeft aan iemand. Heeft iemand een mooie studie over gedaan dat dat dan wel heel erg uitmaakt. En of je wel of niet bijvoorbeeld opereert bij een bepaalde soort hersenbloeding. Dat verschilt ook heel erg bij landen... en dan zagen ze als je dus wel opereert... dat het dan wel beter is.

Nour: Als we de focus verleggen, niet naar wat is de beste behandeling.... maar terugkomen op die patiënten waar je eerder naar refereerde. Welke patiënten moeten nou als eerste weer behandeld... of bijvoorbeeld geopereerd worden na corona. Heb je daar beter inzicht in kunnen krijgen in je promotietraject?

Benjamin: Dat was eigenlijk een beetje na mijn promotietraject. Maar dat maakt niet uit. Die als eerste behandeld worden. Ja, met name zagen we daar dus de mensen die echt als ze langer wachten... Niet alleen kwaliteit van leven, maar ook echt levensjaren. Dus echt. de hoeveelheid.

Nour: Wie waren dat dan?

Benjamin: Vooral bijvoorbeeld oncologische patiënten kwamen dan hoog op die rij. Dus mensen waarbij je inderdaad echt ziet dat als je dus langer wacht.... dat dat dan vervolgens die ziekte erger wordt... en dat je minder kans hebt om lang te leven. Je hebt ook natuurlijk ziektes die ook snel moeten worden gedaan... zoals bijvoorbeeld Hoe leg je dat rustig uit? Ja, bijvoorbeeld ook wel de ziekte die van de perifere vaten... kun je ook heel veel verkalking hebben in je aderen.

En bij die mensen die veel van die verkalking hebben in de aderen... heb je soms nodig dat je een stent moet plaatsen... om dat vat weer open te krijgen... omdat mensen anders hun been verliezen. Maar niet alleen verliezen ze dan hun been, maar ook is dat weer een grote kans op infecties en meer problemen.

Nour: Van de regen in de drup, zeg maar.

Benjamin: In de regen in de drup. En dat waren ook operaties... die bijvoorbeeld heel hoog in die ranglijst

kwamen.

Nour: Dus ik zie zo voor me als een arts voorheen een onzekere keuze had... van: ik heb maar beperkte operatieprogramma bijvoorbeeld... kan die nu op basis van je onderzoek meewegen... dat iemand wellicht kanker in de voorgeschiedenis heeft of heeft gehad bijvoorbeeld. Of misschien ze een probleem aan de vaten heeft... dat het een extra argument kan zijn om die patiënt eerst te opereren.

Benjamin: Nou, dit gaat meer over echt die specifieke operaties. Dus bijvoorbeeld, stel je zou die operatie willen doen... en je bent een OK-planner... en je moet zeggen welke operaties... want we hebben maar dertig uur in deze week bijvoorbeeld. Welke moeten echt gedaan worden. En dan kan je dus inderdaad dat soort operaties vanuit ons perspectief meer verkiezen. Maar er spelen natuurlijk meer belangen mee. En we zagen ook dat er in de praktijk die belangen ook heel belangrijk waren. En dit ging dan ook vooral ook over chirurgen die natuurlijk ook vochten voor hun patiënten. Want daarmee doe je omdat je maar dertig uur hebt bijvoorbeeld of vijftig uur... doe je ook tekort aan die andere groep patiënten.

Robert: Dat zijn echt moeilijke keuzes. Maar wat je nu aanraakt is eigenlijk ook, denk ik, voor een deel acceptatie misschien wel, he.

Dus de data helpen jou om als arts, zeg ik even... om een beter geïnformeerde keuze te maken. Het is echt een hulpmiddel, zou je kunnen zeggen. Maar ik kan me voorstellen dat er artsen zijn die zeggen: ik zit niet te wachten op die data... en die slimme jongens en meisjes... die nu weer iets nieuws bedenken met zo'n algoritme.

Kun je daar iets over zeggen, over die acceptatie . Zijn er dan artsen die zich daar heel erg ook tegen verzetten... of zeggen ze juist van supercool?

Benjamin: Nou ja, ook meer data betekent vaak ook in de praktijk helaas ook meer administratie.

Robert: Daar zijn artsen niet zo gek op, he. Verpleegkundigen in het algemeen niet.

Benjamin: Nou ja, van de tien uur die je werkt ben je al vier uur aan het schrijven, maar typen. Dus vaak is dat ook gewoon meer werk die je niet per se leuk vindt. Maar niet alleen dat. Ik denk ook dat ze inderdaad heel vaak het niet. Nou ja, het zijn best wel ingewikkelde hele specialistische algoritmes.

En het kan ook een beetje zijn alsof er over je wordt beslist. Terwijl het gaat ook echt over mensenlevens en over jouw patiënten. En artsen zijn ook heel erg een soort van beschermend over hun patiënten.

Robert: En dat is misschien juist goed ook, maar.

Benjamin: En als daar dan over wordt beslist door iets wat inderdaad een beetje zwart-wit is... of dat jij het gevoel hebt van dat houdt hier geen rekening mee. Ik denk dat je dan wel een beetje in verzet raakt, ja. Dat snap ik, denk ik ook wel.

Robert: Nour, hoe kijk jij hiernaar? Je zit in de allerlaatste fase van je studie geneeskunde. Je bent bijna klaar. Als dit wordt uitgezonden, ben je waarschijnlijk ook klaar.

Zo mooi is het. Maar als je dit verhaal zo aanhoort... en je zal natuurlijk meer... met dit soort datamodellen... en algoritmes en zo te maken hebben gehad... . Vind je dat een goede ontwikkeling, of hoe kijk je daarnaar?

Nour: Ja, sterker nog, ik weet niet of ik er nog eenmaal objectief naar kan kijken. Want ik word er ook steeds meer in opgegroeid, zogezegd.

Er zijn steeds meer automatische scores die ik moet berekenen... of die voor mij worden berekend. Op basis waarvan ik ook mijn keuze maak... of ik inderdaad iemand met verdenking op een longembolie.... toch wel ook door de CT-scan zou willen halen of niet. En waar dat voorheen puur op de tast was, zeg maar.

Het klinische gevoel is het pluis, niet pluis, dat is heel typisch. Kan ik niet anders dan automatisch eigenlijk die scores berekenen en dat ook meewegen. Dus ik denk dat dat enigszins natuurlijk op dit moment gaat. Omdat ik dus nog wel op dit moment studeer, ben ik nog niet helemaal belast met alle administratieve taken.

Dus kan ik zeggen, wat mij betreft, hoe meer, hoe beter. Maar in de praktijk moet ik dat gewoon nog even ervaren eigenlijk. Ik kan me voorstellen dat het op een gegeven moment ook wel heel veel wordt. En dan is het voordeel dat er steeds meer automatisch verzameld kan worden. Denk aan slimme horloge bijvoorbeeld... die alvast even je bloeddruk... of niet je bloeddruk... maar je hartslag bijhoudt. En ik denk dat daar wat meer oplossingen in zitten... om bijvoorbeeld ook die administratieve taken wat meer te verlichten.

Robert: Oke, mooi.

Benjamin: Ja, want wij hebben bijvoorbeeld ook nu een beslismodel of een keuzemodel... om te voorspellen wat de kans is... dat iemand als we al een keizersneden hebben gehad... succesvol weer normaal vaginaal bevalt. Maar dat is inderdaad niet iets wat in ons patiëntendossier staat... maar dan moeten we dat in een Excelsheet helemaal invullen... al die factoren zelf invullen, dan komt daar een kans uit. En die bespreek je dan op een bepaalde manier met de patiënten. Maar dat is natuurlijk ook weer meer gedoe.

Robert: Maar even puur. Mijn oudste zoon is geboren met een keizersnede. Mijn jongste zoon niet. Maar dit zijn inderdaad dingen die ik echt in de praktijk helemaal heb meegemaakt... en waarbij wat wij heel fijn vonden was dat gynaecoloog bij ons,echt dat stap voor stap doornam.

Dus ze zei: als we in deze fase zitten, dan moet het er zus en zo uitzien. Dan kan wel gewoon een vaginale bevalling. Anders moeten we weer opnieuw een keizersnede hebben. En die kans is ongeveer zo groot. Wij vonden dat allebei ook heel erg fijn. Maar goed, wij zijn allebei wetenschapsjournalisten, mijn vrouw en ik.

Dus we hadden zoiets van neem ons mee, alsjeblieft, in die afwegingen. En wij vertrouwen dan dat de juiste afweging wordt gemaakt. Maar ik kan me voorstellen als je dat ook nog in zo'n model kan invoeren. Dat was er toen nog niet. Het komt voor mij heel dichtbij... omdat dit inderdaad is waar ik ook in de praktijk mee te maken heb gehad.

Nour: Daarom noem je denk ik wel een belangrijke kanttekening. Het is denk ik wel goed dat je kunt blijven uitleggen waarom je dan een bepaalde keuze maakt. Dus in de uitleg dat er niet wordt gezegd, de score was drie. Dus we gaan naar een operatiekamer. Maar dat dan wel wordt gezegd. Ik heb gekeken naar A, B en C. En dat baart mij zorgen. Daarom gaan we naar de operatie.

Robert: Precies, het was dan ook heel erg op basis van de data... want de bevalling van mijn oudste zoon, dat is nu ruim twaalf jaar geleden. Dat was best wel heftig. Er werd uiteindelijk een keizersnede. Maar de gynaecoloog, dat was midden in de nacht... en de gynaecoloog die er toen bij zat... die nam ons dus ook echt al ook toen al stap voor stap mee. En die zei ook aldoor: op basis van deze waarde en deze hartslag... dan ging het over zuurstof in het bloed en weet ik veel. Ik vond het allemaal heel heftig. Sowieso is het heel heftig om mee te maken, maar goed.

Maar ik vond het echt te gek hoe hij dat deed. Omdat hij keek naar ons en hij zag wij kunnen daarover meedenken... of wij vinden het fijn om juist zo geïnformeerd te zijn. En uiteindelijk kwam alles goed en werd mijn zoon geboren, fantastisch. Maar toen bleek dus dat hij nog maar net afgestudeerd was... of hij was misschien nog niet helemaal afgestudeerd, weet ik niet. Maar 's ochtends was ik dus helemaal lyrisch over hem... en toen stond zijn begeleider ernaast. Dus die kwam daarna nog naar me toe en die zat helemaal: heel goed dat je dit weer deed. Toen was hij helemaal trots.

Benjamin: Punten gescoord.

Robert: Ja, maar soms merkte aan hem wel van het zijn moeilijke afwegingen en hoe je dat allemaal doet. En ik denk dat zo'n model of modellen en die steeds verfijnen dat dat echt kan helpen. Zo voor mij aan de patiëntenkant, als voor jou als gynaecoloog...

Benjamin: Ja, dus dat wordt vaak genoemd als echt argument voor of tegen dat soort algoritmes. Als je het begrijpt, dan zijn ze vaak beter. Maar tegelijkertijd is de informatie die erin zit ook vaak niet helemaal te begrijpen. Zeker de voorspellende waarde van bijvoorbeeld . hoe de vorige keizersnede is gesteld of waarom die is gedaan.

Waarom dat precies het risico op die manier verhoogt. Dat weten we ook vaak niet zo goed. En dat is ook niet zo heel relevant voor hoe die keuze... of hoe die percentages dan precies tot stand komen. een beetje technisch verhaal, maar.

Robert: Nee, nee, maar ik snap het. Eigenlijk hoe ik het nu beschrijf is een soort quick fix, waar ze beiden weten van oke, dit vul je in en dan rolt er iets uit...

en dan denk je oke, dat is de oplossing, we gaan nu keizersnede doen. Maar zo makkelijk is het ook weer niet.

Benjamin: Vaak zeggen mensen als ze het begrijpen, dan is het waardevol. Maar soms begrijpen we het niet helemaal, maar werkt het toch. En dan is het eigenlijk ook een beetje een soort van eng.

Nour: Is het dan minder waardevol?

Benjamin: Is het minder waardevol. Misschien verbetert het dan echt wel die keuze voor jou als patiënt.. zonder dat je het helemaal begrijpt. Dat doen we bij heel veel dingen. Je hebt heel veel dingen die je niet begrijpt en toch maar doet.

Robert: En ergens smullen onderzoekers hier natuurlijk van. Want die denken O, wat interessant, hier kan ik meer onderzoek naar doen. Maar we hebben het hier over mensenlevens... en dat maakt jullie vakgebied wat dat betreft misschien nog wel belangrijker, dat geeft het wel heel veel waarde.

Benjamin: Ja, en spannend.

Robert: Data-onderzoek is dus niet alleen een kwestie van veel data verzamelen en vergelijken... maar vraagt ook nauwkeurige interpretatie. Met deze nieuwe inzichten kan uiteindelijk nog gerichter... de juiste zorg aan de juiste patiënt worden gekoppeld. Voor welke gezondheidskeuzes zou jij graag een datamodel willen raadplegen? Of maak je juist zorgen om meer datagebruik in de zorg? Wij zijn benieuwd naar jouw mening.

Deel ze met ons via @NEMOKennislink op X en Instagram. We kijken nu een stuk verder in de tijd naar de zorg van de toekomst. Benjamin, jij bent basisarts gynaecologie. Maar wanneer gaan datamodellen en voorspellende algoritmen jouw baan nou vervangen?

Benjamin: Ja, ik denk dus dat dat niet zo heel snel gaat gebeuren. Het zijn eigenlijk toch allemaal wel hulpmiddelen. En wat jij net ook beschrijft, ja, de meeste keuzes maak je uiteindelijk samen met een patiënt. En die algoritmes geven altijd zo'n soort van één deel van de werkelijkheid... Bijvoorbeeld de kans op een succesvolle vaginale baring. Of de kans op bijvoorbeeld een hersenbloeding. Dat dat één deel is van wat iemand is en wil en kan. Dus dat doe je toch eigenlijk altijd in samenspraak met de patiënt. En het belangrijkste gedeelte van mijn werk is samen met mensen beslissen wat het beste is voor hun. Dus dat gaat denk ik niet zo snel veranderen. Ik denk wel dat heel veel onderdelen van dat proces... een soort van geautomatiseerd of makkelijker gemaakt kunnen worden. Dus misschien inderdaad automatisch al die data in de computer zetten... dat we het niet meer zelf hoeven in te vullen. Dat lijkt me geweldig.

Nour: Toch die snellere zorg. Was jij de persoon die dat had ingevoerd of niet?

Benjamin: Dat lijkt mij heel lekker.

Nour: Ja. En dit is helemaal heel erg vanuit de artsen bekeken ook, he. Maar op welke manier kunnen ook patiënten nou direct profiteren van dat er meer data wordt verzameld... dat zij ook misschien meer toegang hebben tot data?

Benjamin: Nou ja, ze kunnen nu inderdaad ook bijvoorbeeld zelf meer zien in hun patiëntendossier.

Ze kunnen het nu zien wat er allemaal wordt verzameld over ze. Je in ieder geval ziet wat er allemaal verzameld wordt.

Nour: Dat je meer betrokken bent in het proces. Of betrokken voelt anders op z'n minst.

Benjamin: Ja. Precies. En hoe voelen ze het nog meer? Ja, ik denk dat die keuzes inderdaad dat je dan wel hoort van dat we dit allemaal hebben gezien... en dat deze kans bestaat. En wat betekent dat dan voor jou? Dat is eigenlijk denk ik, die vraag, denk ik wordt steeds vaker gesteld. Maar waar vroeger misschien iemand zei van: ja, je moet gewoon dit doen. Is het misschien vaker dat je met zo'n kans dan met elkaar in gesprek gaat?

Nour: Ja. Dat is belangrijk.

Benjamin: Dat is denk ik wat je dan vaker merkt.

Robert: Je hebt zo aardig wat voorbeelden genoemd. Maar zijn er nou bepaalde dingen waarvan je zegt van hier, op dit onderdeel van de geneeskunde of van onderzoek.... is dat data-gedreven-onderzoek juist het zie ik hele grote mogelijkheden. Is het misschien wel het meest veelbelovend.

Benjamin: Waar heel erg hype over is... maar ik denk ook wat de meeste terechte hype is... over die patroonherkenningsalgoritmes.

Robert: Waar moet ik dan aan denken?

Benjamin: Dus dat is dan misschien niet leuk voor radiologen. Dat hoor je wel vaak. Natuurlijk is een radioloog meer dan alleen maar het herkennen in een scan of iemand wel of niet bijvoorbeeld een klaplong heeft.

Daar speelt veel meer mee in die baan als radioloog. Maar dat is wel een klein beetje waar die algoritmes heel erg goed in zijn. Dus in een scan van longen kijken is er wel of niet een long ingeklapt. En is er het tekenen van een infectie in de longen.

Robert: En dat doet nu een radioloog? Want die kijkt dan gewoon naar de afbeelding van de scan, kan ik me zo voorstellen.

En die zegt dan hier is wel iets aan de hand of hier is niets... of ik zie gekke vlekjes of dat soort dingen, denk ik.

Benjamin: Ja, ze doen meer, maar.....

Robert: Nee, dit is wat ik weet, he. Dus niet. Ik wil je niks in de mond leggen. Maar dit is even als leek wat voor beeld het bij mij oproept. En misschien zijn het dus super ingewikkelde patronen allemaal. Heel goed dat je dat zegt. Maar juist gekke patronen misschien herkennen... of misschien wel voor de hand liggende patronen... dat zou je voor een deel ook kunnen automatiseren...

Benjamin: Ja, dat zeker. En dan zou dat alleen maar een radioloog... kunnen bevestigen of dat echt wel zo is... Dat een algoritme dan zegt dit is een klaplong, kijk maar hier. En dat hij dan zegt dat klopt inderdaad wel, want ik heb ook dit verhaal erbij. Want daar gaat het natuurlijk ook om. Het gaat niet alleen maar om een foto... maar ook iemand die zegt dat hij bijvoorbeeld pijn heeft in zijn rechterlong... en dat er links een klaplong is. Dat klopt dan niet. Dus dat is iets wat dan weer vaak bijvoorbeeld door mensen moet worden geverifieerd. Maar dat soort patroonherkenningen, dat wordt denk ik wel steeds automatischer.

Nour: Steeds grootser, ja. Wat op dit moment heel groot is, Benjamin, is een taalmodel, specifiek Chat GPT. En tot slot hebben wij ook de vraag die we aan het begin hebben gesteld... aan Chat GPT gesteld. Want ja, die heeft dus alle antwoorden. En die vertelt ons dat favoriete vakantie moet toch echt strand zijn. Favoriete toetje ijs. De favoriete kleur blauw. Aan de laatste vraag kon jij niet beantwoorden. Maar als we het aan Chat GPT vragen, dan moet je kiezen voor Amsterdam.

Benjamin: Dat dacht ik al.

Nour: En een baan als onderzoeker. We hebben nog even doorgevraagd. Hoe ben je nou tot die keuzes gekomen. Daar kwam verrassend genoeg wel op zich een redelijk antwoord uit. Bijvoorbeeld dat een analytische tool zoals Chat GPT toch eerder een onderzoeker zou willen zijn... en kritische vragen zou willen stellen... dan bijvoorbeeld arts zou willen zijn.

Robert: Ik zit meer op die Amsterdam, zei hij daar wat over?

Nour: Dat ligt ook gevoelig voor jou.

Robert: Ik woon in Rotterdam. Ik werk in Amsterdam, dus ik ga geen uitspraken erover doen. Prachtige NEMO Museum staat natuurlijk ook in Amsterdam. Maar ik ben wel benieuwd hoe Chat GPT daarop antwoord. Dus ik ben blij dat er niet iets over voetbal is gevraagd....

Nour: Nee, goed, het is een taalmodel.. laten we duidelijk zijn. Maar wat tot slot ook nog wel leuk is. We hebben ook nog gevraagd welke keuze zou Benjamin Gravesteijn dan moeten maken? Daarop was het antwoord Benjamin Gravesteijn moet deze keuze maken... op basis van zijn eigen smaak en interesses. Nou, ja. In de acute situatie heb je er helemaal niks aan. Maar het is wel mooi.

Benjamin: Ja. Ja, eens. En die heb ik wel, maar ik heb nog steeds geen keuze kunnen maken. Oke, laten we die in het midden.

Robert: We nodigen hem nog een keer uit en elke keer als we jou uitnodigen voor deze podcast, leggen we hem voor. Tot zover deze aflevering van Oplossing Gezocht over datadokteren.

Nour: Over twee weken zijn we weer bij je terug. Met een ander onderwerp, een ander probleem, een andere oplossing, maar wel dezelfde hosts.

Robert: Met mij dus Robert Visscher.

Nour: En met mij Nour Eldín Emara.

Robert: Met dank aan onze gast Benjamin Gravesteijn... en redactieleden Dimitri van Tuijl, Elvira Elzinga, Eva Poort en Erika Renckens. Wil je meer weten over onze wetenschapsjournalistiek... volg ons dan op X en Instagram en bekijk onze site nemokennislink.nl. Tot de volgende keer.