In deze maandelijkse column ‘Mee met het idee’ gaan verschillende deskundigen dieper in op een zelfgekozen onderwerp dat past binnen de thema’s van De Maakbare Mens. De auteur krijgt de ruimte om een gedachte of probleem uit te werken en daagt ook jou uit: ben jij mee met het idee?
Deze column is verschenen in de nieuwsbrief van 18 april 2019.
![]() | door Sigrid Sterckx, professor verbonden aan UGent en Bioethics Institute Ghent. |
Besluitvorming is een cruciaal aspect van gezondheidszorg, zowel op het niveau van de arts-patiënt interactie als op het niveau van gezondheidszorgbeleid en regelgeving. De voorbije decennia heeft de toename van medische kennis en mogelijkheden geleid tot een exponentiële toename van het aantal en de complexiteit van te nemen beslissingen.
Het nemen van beslissingen in de geneeskunde begint vanzelfsprekend met informatie en met een raamwerk voor het integreren van die informatie met waarden en voorkeuren van patiënten. Die informatie heeft idealiter het statuut van ‘evidence’ (cf. evidence based medicine) en de methode die als de gouden standaard geldt voor het bekomen van ‘evidence’ bestaat in het uitvoeren van gerandomiseerde gecontroleerde klinische studies.
Echter, dit soort studies is doorgaans heel duur en soms onmogelijk wegens onethisch. Bovendien stelt zich vaak het probleem dat de resultaten van die studies niet veralgemeend kunnen worden naar patiënten die niet in de studie zaten, zeker nu mensen aan steeds meer aandoeningen tegelijkertijd lijden. Kortom, de manier die tot voor kort als de beste manier werd beschouwd om medische kennis te genereren, is niet optimaal, onvolledig en in diverse opzichten ‘gebiased’.
“De manier die tot voor kort als de beste manier werd beschouwd om medische kennis te genereren, is niet optimaal, onvolledig en in diverse opzichten ‘gebiased’.”
Momenteel heerst heel wat optimisme over het potentieel van zgn. ‘Big Data’ om onderzoek en besluitvorming in de geneeskunde te verbeteren. De razendsnelle uitbreiding van hardware, software, connectiviteit (cf. het ‘Internet of Things’) en opslagcapaciteit maken het mogelijk om veel meer data dan ooit tevoren te genereren en te verwerken.
Tegelijkertijd rijzen allerlei ethische en juridische vraagstukken met betrekking tot de toepassing van het ‘Big Data’ paradigma in de contexten van onderzoek en besluitvorming in de geneeskunde en de gezondheidszorg. Ik vermeld hier slechts twee voorbeelden van die vraagstukken, bovenop de voor de hand liggende vraagstukken i.v.m. privacy en gegevensbescherming.[1]
Ten eerste stellen zich diverse problemen omwille van de vaak problematische kwaliteit van de data (ontbrekende data, verkeerde data, datasets die niet aan elkaar kunnen worden gelinkt, etc.). Om deze problemen aan te pakken is heel wat expertise nodig van statistici, in het bijzonder statistici die gespecialiseerd zijn in methoden die een rechtvaardiging kunnen vormen van het trekken van conclusies over oorzakelijke verbanden in het domein van de geneeskunde.
Ten tweede is een van de bedoelingen van gezondheidsgerelateerde Big Data om als ‘input’ te dienen voor het trainen van algoritmen. Die zijn bedoeld voor de automatisering van klinische besluitvorming (zogenaamde ‘decision support systems’), een soort activiteit die vaak als “Artificiële Intelligentie” wordt bestempeld. Dit kan gaan over beslissingen i.v.m. diagnoses maar ook over het selecteren van specifieke behandelingsopties voor patiënten.
Een groot probleem dat zich in dit verband stelt, is echter dat er geen solide juridische regels bestaan betreffende de validiteit en betrouwbaarheid van die algoritmen. Ook al traint men de computersystemen met massa’s en massa’s data, als die data zelf van onvoldoende kwaliteit zijn of bvb. biases bevatten, dan kunnen de aanbevelingen of beslissingen die eruit voortvloeien natuurlijk onmogelijk kwalitatief goed zijn. Niettemin wordt dit soort geautomatiseerde besluitvorming in allerlei contexten binnen de gezondheidszorg ingevoerd.
Een bijkomende hindernis voor de mogelijkheid tot validering van de algoritmen is dat ze vaak geheim worden gehouden omwille van bescherming verleend door een bepaald type van intellectuele eigendomsrechten, nl. fabrieksgeheimen. Dit maakt transparantie en validering onmogelijk.
Bovendien doet de (gedeeltelijke of volledige) automatisering van besluitvorming talloze vragen rijzen betreffende de arts-patiënt relatie, zoals de volgende: hoe zal dit de visie van artsen over hun professionele rol, ethische verantwoordelijkheid en juridische aansprakelijkheid beïnvloeden?; in welke mate zal dit tot (verdere) discriminatie leiden van patiënten uit kwetsbare groepen die nu reeds een groot risico lopen om minder (goede) gezondheidszorg te ontvangen?; wat is de juridische en deontologische verantwoordelijkheid van de gebruikers van geautomatiseerde, op door ‘Big Data’ gevoede algoritmen gebaseerde besluitvorming?; in welke mate kunnen en mogen artsen aanbevelingen van dergelijke systemen ‘overrulen’ en welke zijn de aansprakelijkheidsrisico’s die ze lopen indien ze dergelijke aanbevelingen niet volgen in specifieke gevallen?; wie is verantwoordelijk wanneer blijkt dat de door de algoritmen gegenereerde aanbeveling fout was?
” Deze ontwikkelingen hebben ongetwijfeld het potentieel om verbeteringen mogelijk te maken. Dit zal echter enkel kunnen gebeuren indien de talloze methodologische, ethische en juridische uitdagingen van Big Data in de context van gezondheidszorg ernstig worden genomen.”
Er bestaat terecht optimisme en enthousiasme over de nieuwe en boeiende mogelijkheden die (zullen) worden gecreëerd door de steeds toenemende verspreiding van het gebruik van Big Data en hieraan gerelateerde technologieën in de gezondheidscontext. Deze zullen een diepgaande invloed hebben op onderzoek en besluitvorming in en verstrekking van gezondheidszorg. Deze ontwikkelingen hebben ongetwijfeld het potentieel om verbeteringen mogelijk te maken.
Dit zal echter enkel kunnen gebeuren indien de talloze methodologische, ethische en juridische uitdagingen van Big Data in de context van gezondheidszorg ernstig worden genomen. Dit vereist een kritisch in vraag stellen van het momenteel groeiende maar onterechte geloof dat data alle problemen zullen oplossen en dat meer data per definitie gelijkstaat aan betere kwaliteit van onderzoek en besluitvorming.
[1] Voor uitgebreide analyses zie bvb. Mittelstadt & Floridi (eds) 2016, The Ethics of Biomedical Big Data, Springer. Zie ook Holm & Ploug 2017, Big Data and health research – The governance challenges in a mixed data economy, Bioethical Inquiry 14: 515-25.