Op 26 maart spreekt Nicky Hekster op het congres ‘Informatieprofessionals 2025’ van de KNVI-afdeling Biomedische Informatie. Hekster, technical leader healthcare & lifesciences bij IBM, zal onder andere ingaan op de inzet van de Watson-computer in de gezondheidszorg.
Wat is Watson?
‘Watson is een computer, waarvan de ontwikkeling in 2007 door IBM is gestart. Het doel was om deze computer mee te laten doen aan de Amerikaanse tv-quiz Jeopardy!. Hij kan een in spreektaal gestelde vraag interpreteren en na een zoektocht door grote hoeveelheden ongestructureerde data een antwoord op de vraag geven.’
Watson won het van de mens?
‘In 2011 won Watson van de twee grootste spelers uit de geschiedenis van de tv-quiz Jeopardy!. De deelnemers kregen steeds het antwoord met een aanwijzing en ze moesten zelf de vraag erbij verzinnen. Het computersysteem was destijds in staat om in drie seconden door 200 miljoen A4’tjes te gaan.’
Alles draait om taal?
‘Het gaat om taal, interpretaties, ambiguïteit en woordspelingen. Wij als mensen weten dat, maar een computersysteem moet je dat allemaal bijbrengen. Dat geldt ook voor de context waarin de woorden zich bevinden. Een aantal jaren hebben we Watson hierop getraind. Hij leert steeds van zijn eigen fouten.’
Hoe gaat dat trainen in zijn werk?
‘Watson wordt getraind via machine learning-technieken. Dit gebeurt via menselijke expertinteractie en ook via semi-automatische technieken. Op de achtergrond bouwt Watson via slimme algoritmen uit onder andere de computationele linguïstiek en stochastiek onder meer een neuraal netwerk op basis van associatieschema’s van data (ontologieën).’
En nu richt Watson zich op de gezondheidszorg?
‘De vraagstelling in de gezondheidszorg is min of meer vergelijkbaar met die van de tv-quiz Jeopardy!: een patiënt heeft bepaalde symptomen en de arts moet aan de hand daarvan een diagnose stellen. We zijn in 2012 begonnen om de computer met medische data te voeden. Vervolgens hebben we een partner gevonden, het Memorial Sloan-Kettering Cancer Center in de Verenigde Staten, dat heel veel data in de vorm van patiëntencases heeft en ook heel veel artsen die ons tot op de dag van vandaag helpen met de training van het systeem. Inmiddels hebben we ’m op het niveau gebracht van een oncologisch arts. Hij weet alles op het gebied van long, borst, dikke darm en endeldarm.’
Watson als gezondheidsexpert?
‘Er verschijnen jaarlijks honderdduizenden wetenschappelijke artikelen die een arts onmogelijk allemaal kan bijhouden. Watson kan inmiddels honderd miljoen pagina’s medische, ongestructureerde informatie per seconde lezen. In het Memorial Sloan-Kettering Cancer Center en University of Texas MD Anderson Cancer Center bijvoorbeeld ondersteunt Watson nu artsen bij beslissingen over behandelingen en diagnoses. Maar het is altijd aan de arts en aan de patiënt om de keuze te maken en een besluit te nemen. De mens-tot-mens-communicatie blijft essentieel. Watson fungeert dus niet als arts, maar bevordert wel de precisiegeneeskunde: een meer patiënt gerichte aanpak.’
Hoe waarborg je de kwaliteit van de antwoorden?
‘Watson wordt getraind door experts, dus we mogen ervan uitgaan dat ze het wel weten. Vervolgens moet goede informatie ingevoerd worden, al neemt dat niet weg dat er Diederik Stapels kunnen zijn die onzin publiceren. Het systeem doet ook aan keyword record matching, dat is hetzelfde mechanisme dat Google hanteert in zijn zoeksysteem. Je kijkt dus ook naar gewogen referenties, en dat geeft een mate van betrouwbaarheid. Bovendien werkt Watson op de achtergrond met een stochastisch systeem waarmee hij antwoorden “scoort” op hun waarheidsgetrouwheid. Watsons hypothesevorming/confidence scoring komt tot stand door heel veel data als test te gebruiken voor een eventueel antwoord. Simpel gezegd: hoe meer data, des te beter kun je de “waarheid” bepalen. Al bestaat er voor sommige zaken geen absolute waarheid omdat bepaalde klinische onderzoeken nooit herhaald zijn.’
Stel dat artikelen elkaar tegenspreken?
‘Als Watson dat constateert, dan zou-ie bijvoorbeeld een top-3 van antwoorden geven. Hij geeft dan aan dat er tegenstrijdigheden zijn.’
Wat kan Watson betekenen voor een medisch informatiespecialist?
‘We denken eraan om Watson ook te gaan inzetten voor informatiespecialisten. Niet alleen hebben ze zo snel toegang tot data, ook kunnen ze steeds hun vraag bijstellen. Zo hebben we een afgeleid product van Watson, de IBM Watson Discovery Advisor, waarmee je als onderzoeker of informatiespecialist heel snel documenten bij elkaar kunt krijgen rondom een bepaalde vraagstelling. Als een informatiespecialist de samenvatting leest, kan hij vervolgens de vraagstelling anders of preciezer formuleren, en een opdracht geven om op die vraag weer te gaan zoeken. Zo ontstaat er een iteratief proces waarbij snel grote hoeveelheden databronnen worden doorzocht met de juiste associaties zoals een expert die zou maken. En krijg je de juiste samenvatting van documenten die relevant zijn voor de casus van de patiënt.’
Welke richting gaat het werk van informatiespecialisten op?
‘Ik denk dat het werk van een informatiespecialist de kant opgaat van een data scientist: iemand met een bètaprofiel die goed computerhulpmiddelen kan toepassen om zijn kennis op te halen uit verschillende soorten databronnen. Het is een functie waarvoor in Nederland nu allerlei opleidingen aan universiteiten verrijzen. Aan de andere kant: waarom zou er geen studie geneeskunde met een minor big data kunnen komen of een studie big data met een minor geneeskunde?’
Hoe denk je over open data?
‘Informatiespecialisten zouden meer moeten gaan inzetten op het openstellen van data, want vaak zijn databronnen in de gezondheidszorg verkokerd of er staat een muur omheen. De data is bijvoorbeeld in het bezit van een ziekenhuis. Maar ook kan een arts “op zijn data gaan zitten”, want hij zegt: “Ik moet publiceren, ik word gemeten op mijn Pubmed-score, ik ga dus mijn data niet delen met anderen.” De informatiespecialist zou hier een brugfunctie kunnen vervullen.’
Komt Watson ook binnen bereik van de burger?
‘Het is mijn toekomstvisie dat de Watsontechnologie via een app voor burger of patiënt beschikbaar komt. Dergelijke apps met medische informatie moeten nooit medicaliseren: zo’n app moet niet in de trant van “gij zult” of “gij moet” de gebruiker commanderen. Mensen moeten altijd zelf de keuzes kunnen maken. De informatie zou meer een preventieve functie kunnen hebben. En je kunt de gebruiker laten zien wat anderen in zijn geval hebben gedaan. In een IBM Watson Mobile Developer Challenge heeft de start-up GenieMD al zo’n app afgeleverd. Het is een eenvoudige app, maar het begin is er.’
Deze bijdrage komt uit IP nr. 2 / 2015. Het gehele nummer kun je hier lezen