Gezondheid wordt in hoge mate bepaald door je leefstijl. Of je rookt, genoeg beweegt, voldoende slaapt, gezond eet en weinig stress hebt. Die dingen zijn vaak weer afhankelijk van andere factoren zoals hoe je bent opgegroeid, welk inkomen je hebt, waar je woont, welke school je hebt gevolgd en je sociale netwerk.

Schuldsanering of sportvereniging

Als we gezonder willen worden en gezond willen blijven moeten we onze leefstijl aanpassen. Maar hoe weten we welke aanpassing het meeste effect heeft en werkt voor die persoon ? Wat heeft bijvoorbeeld meer zin voor de gezondheid van een burger met schuldenproblematiek – een schuldsaneringstraject of een gratis lidmaatschap van een sportvereniging? En wat is beter voor een groep mensen, een accijnsverhoging op sigaretten of minder snackbars in de buurt?

AI als voorspeller van gezondheid

Artificiële intelligentie (AI) kan helpen bij dit soort vragen. AI kan namelijk vele factoren in ogenschouw nemen om het gewenste effect van een interventie (zoals verbeteren van gezondheid met leefstijlaanpassing) te voorspellen. Zowel op individueel niveau als op groepsniveau. Maar om een dergelijke AI te leren heb je veel gegevens nodig van mensen. Die gegevens zijn vaak persoonlijk en dat maakt ze zeer gevoelig. Bovendien staan ze op diverse plekken zoals bij mensen zelf, bij het Centraal Bureau van de Statistiek (CBS), bij de huisarts etc.

CARRIER

We hebben in Nederland inmiddels technologie – genaamd Personal Health Train – die op een privacybeschermende manier gegevens met elkaar kan koppelen en een AI kan leren die gezondheid op basis van vele factoren kan voorspellen. De crux van de Personal Health Train is dat data niet wordt verplaatst en dus onder controle blijft van diegenen die de data hebben. Een voorbeeld is het CARRIER project waarin gegevens van het ziekenhuis, huisartsen, CBS en een persoonlijke eCoach wordt gecombineerd en er een AI-ondersteund, persoonlijk leefstijladvies kan worden gegeven om het risico op hart- en vaatziekten te verkleinen. Het idee van CARRIER is dat een meer persoonlijk advies met een glasheldere voorspelling van gezondheidswinst, mensen zal helpen om een leefstijlverandering te starten en vooral vol te houden.

Vooringenomen AI

AI toepassingen die op basis van vele factoren kunnen adviseren welke actie het meeste gezondheidswinst oplevert, kunnen dus worden gemaakt met bescherming van privacy. Maar, naast zorgen over privacy, roept deze ontwikkeling ook andere ethische en maatschappelijke vragen op. Een van de belangrijkste is of een AI niet vooringenomen is. Bijvoorbeeld: stel dat we de AI ontwikkelen op data van blanke mensen geboren en getogen in Limburg. Werkt die AI dan nog wel voor mensen met een andere achtergrond? Of als we een AI mede baseren op basis van gegevens uit een smartwatch, sluiten we dan impliciet mensen met een lagere sociaaleconomische status uit? Cruciaal om dit soort vooringenomenheid te voorkomen is goed nadenken over de mensen voor wie we de AI willen toepassen en zorgen dat we de gegevens van en voor de bedoelde doelgroep gebruiken.

Onbedoelde effecten van AI

Een ander ethisch dilemma is dat AI weliswaar met de beste bedoelingen kan worden ontwikkeld en ook met de juiste gegevens, maar dat het onbedoeld allerlei negatieve effecten heeft. Hoe kunnen we bijvoorbeeld ervoor zorgen dat AI mensen niet (nog meer) stigmatiseren, zoals nu al gebeurt met zichtbare zaken zoals gewicht, roken en afkomst? Hoe voorkom je dat AI mensen gaat dwingen in plaats van ondersteunen bij keuzes? Persoonlijk vrijheid in keuzes is een groot goed en we moeten ervoor zorgen dat AI toepassingen dat niet beperken.

Het zijn dit soort vragen waarop we als onderzoekers en als maatschappij op dit moment geen goed antwoord hebben. Dat vergt praten met elkaar. Er is interactie nodig tussen medische, data en sociaal wetenschappers, juristen, ethici en filosofen. En vooral met de gewone burger. Zodat we met zijn allen en met vertrouwen AI kunnen inzetten voor onze gezondheid. Waarbij de privacy wordt beschermd. Mensen hun eigen keuzes kunnen maken. En AI voor minder in plaats van meer gezondheidsverschillen zorgt.

Over Andre Dekker

Andre Dekker (1974) is klinisch fysicus en hoogleraar Clinical Data Science bij Universiteit Maastricht, Maastricht UMC+ en Maastro Clinic. Met een groep van 50 onderzoekers werkt hij aan 1) het delen van gezondheidsdata op een goede, privacybeschermende manier, 2) leren van AI algoritmen op basis van gezondheidsdata en 3) het toepassen van AI voor een betere gezondheid.