Het woord van het jaar 2019, ‘boomer’, bestond toen nog niet, maar ik vermoed dat het in deze situatie passend was geweest. Oké, in zekere zin had hij gelijk; om moedervlekken goed te kunnen beoordelen is ‘ervaring’ nodig. Althans, als hij daarmee bedoelde dat je in staat moet zijn om (visuele) patronen te herkennen, gevolgd door een analyse (met als uitkomst: kans op een maligniteit). Eigenlijk is dit exact wat er onder basale big data analyse wordt verstaan. Zo’n gekke opmerking was het dus misschien niet.
Digitalisering
Onder invloed van digitalisering zullen de werkzaamheden van artsen drastisch veranderen. Met name op het gebied van de diagnostiek gaat het nu al hard. In 2019 zijn er tal van publicaties verschenen waarbij algoritmes en artifical intelligence (A.I.) diagnostische scans nauwkeuriger interpreteren dan getrainde radiologen. In Amerika heeft dit al geleid tot tientallen FDA (Food & Drug Administration)-goedgekeurde AI-applicaties. En dat is nog maar het begin, zoals Google’s dochterbedrijf Deepmind direct al bewees op de allereerste werkdag van 2020, bij de screening van mammografieën. Zou het kunnen dat een deel van de medische kennis, opgedaan in de schoolbanken, minder relevant wordt?
Menselijke algoritmen
Zonder afbreuk te doen aan de artsenopleiding, bestaat deze op dit moment vooral uit het leren van medische feiten, diagnostische- en behandelplannen of anders gezegd, menselijke algoritmen. Naarmate men als arts meer individuele parate kennis vergaart, des te uitgebreider worden deze algoritmen. Voeg daar een multidisciplinair overleg aan toe en de omvang groeit exponentieel. Dit klinkt al indrukwekkend, en dat is het ook, maar vergeleken met wat big data-analyses in petto hebben, is het peanuts.
Pagina’s vol programmeertaal
Ook de NHG-standaarden, de richtlijnen voor dermatologie of medische oncologie zijn in zekere zin algoritmen. Deze medische stappenplannen vallen best mee qua complexiteit, vergeleken met wat er achter de schermen gebeurt als je een foto liket op Facebook, een woord vertaalt via Google Translate of je Tesla automatisch op de rem trapt bij een overstekende labrador. Om het laatste proces te laten plaatsvinden, zijn pagina’s vol programmeertaal nodig. En terwijl de algoritmen hun werk doen, vinden gelijktijdig aanpassingen en updates plaats. Uiteraard hoeft hier geen ouderwetse automonteur aan te pas te komen.
Personalized medicine
Ik vraag me af of het nog wel nodig is dat alle kersverse studenten zich met de grootste moeite door dikke pillen als Medical Physiology en Medical Embryology heen slaan? Wordt het niet eens tijd dat perzonalized medicine niet alleen wordt toegepast op patiënten, maar ook op de toekomstige dokters zelf? Bepaalde delen van de opleiding geneeskunde kunnen dan efficiënter onderwezen worden, of zelfs helemaal vervangen worden door technologie.
Specialist in 2037
De medisch specialist van nu is minimaal twaalf jaar geleden gestart met zijn of haar studie geneeskunde, maar realistischer is zeventien jaar vanwege een bijkomend promotietraject en twee jaar ANIOS’en. Andersom beredeneerd, de medisch specialist die nu start op de universiteit, is de medisch specialist van 2037. Wordt deze arts daadwerkelijk klaargestoomd om de medisch specialist van 2037 te kunnen zijn, of heeft hij of zij meer baat bij het aanleren van andere vaardigheden? De sociale, en typische menselijke, vaardigheden van de arts worden waarschijnlijk steeds belangrijker, maar of de dermatoloog in 2037 nog steeds de dermatoscoop zal hanteren, laat zich raden.
Ronnart Kruithof
Young Innovators of Medicines
