Levensreddende technologie gevaarlijk?

 

 

Tekst door: Meike Wind & Nina van Klooster

Dat Big Tech bedrijven, zoals Amazon, Facebook, Google en Microsoft, de gezondheidszorg als cruciale markt zien voor de groei van hun bedrijf, is geen nieuw geluid meer. De rol die Big Tech gespeeld heeft in de bestrijding van het corona-virus maakt duidelijk dat technologiebedrijven over hele vitale technologieën en data beschikken die van belang kunnen zijn voor onze gezondheidszorg.1 Dit voorbeeld laat dan ook duidelijk de steeds grote rol zien die grote Tech-bedrijven in onze gezondheidszorg spelen. Techbedrijven proberen al hun vaardigheden op het gebied van data en technologie in te zetten om hun markt aantrekkelijk te maken. Zij hebben namelijk de macht om te beschikken over een enorm aantal gebruikers, zijn bekend bij de consument en hebben een enorm vermogen om te investeren.

Ook Microsoft doet mee met ‘het spelletje’ om de gezondheidszorg opnieuw vorm te geven en nieuwe tools te ontwikkelen met een toegevoegde waarde voor consumenten, medische professionals en verzekeraars. Een van de manieren om haar concurrentievoordeel op de markt te gebruiken om een deel van de gezondheidszorgmarkt in handen te krijgen, is het ‘Project InnerEye’. Dit initiatief zal verder besproken worden in het artikel hieronder.

De belangrijkste vraag die veel mensen zichzelf stellen, is wat de gevolgen zijn als zo’n groot Big Tech bedrijf, zoals Microsoft, gaat opereren in de markt waar het gaat om brede medische kennisgebieden? Wat voor een machtspositie verwerven dit soort bedrijven? Is er een mogelijkheid dat dit zal leiden tot een private monopolie?2 Menselijke kennis zal namelijk gecentraliseerd worden en in private handen komen. Grote bedrijven, zoals Microsoft, zien de zorg als potentiële groeimarkt en zij zijn bereid hierin fors te investeren. Daarnaast zij zijn positief gezind om Big Data te gebruiken om deze markt te laten groeien. Big Data zal ongetwijfeld een grote bijdrage leveren aan het opvullen van de grote lacunes aan medische kennis, maar belangrijker is de vraag hoe dit alles zich in de toekomst zal gaan ontwikkelen en wat het gehanteerde verdienmodel zal zijn. Het verdienmodel zal over het algemeen in grote mate bepalen wat de machtspositie van Big Tech bedrijven in de gezondheidsmarkt wordt.

In dit artikel zal worden geschetst hoe Microsoft de gezondheidszorgindustrie kan veranderen met hun nieuwe initiatief ‘Project InnerEye’. Ook zal er worden gekeken hoe Microsoft voordeel haalt uit, en een bedreiging vormt voor, de gevestigde gezondheidszorg met dit initiatief. Wij zullen ook ingaan op de marktmacht die dit initiatief creëert. Tot slot leggen wij de barrières bloot voor de toepassing van de vrije mededinging welk ‘Project InnerEye’ met zich mee zal brengen.

Artificiële intelligentie
Zoals hierboven al is benoemd, biedt Big Data veel mogelijkheden voor de zorg.3 Toepassingen van Big Data zullen de zorg die patiënten ontvangen drastisch laten veranderen.4 Door Big Data te voeren aan algoritmes kan men tot inzichten komen over geschikte behandelingen.5 Artificiële intelligentie (hierna: AI) combineert verschillende soorten algoritmes waardoor computers menselijke intelligentie kunnen nabootsen.6 Naast intelligentie beschikt AI ook over een zekere mate van zelfstandigheid.7 Hoe zelfstandiger de AI te werk gaat, hoe minder menselijke betrokkenheid bij de toepassing van de AI aanwezig is.8 AI maakt vaak gebruik van artificiële neurale netwerken: toepassingen geïnspireerd door het menselijk brein.9 Er worden model-neuronen gemaakt die met elkaar communiceren en daarmee lijken op de zenuwcellen in het brein.10 AI die van artificiële neurale netwerken gebruik maakt leert door processen steeds weer te herhalen en tussendoor te leren van de fouten die het de vorige keer heeft gemaakt.11 Het systeem probeert allerlei verschillende resultaten totdat het juiste resultaat gevonden is. Vervolgens herhaalt het algoritme het proces dat werd gebruikt om de juiste uitkomst te krijgen. De AI heeft dan geleerd van zijn fouten.12 Artificiële neurale netwerken worden onder andere gebruikt bij machine learning algoritmes.13 Degenen die de AI ontwerpen zetten data om in een model dat ze trainen met gestructureerde testdata. Met dit model doen ze vervolgens specifieke voorspellingen.14 Naast machine learning algoritmes zijn er ook algoritmes die gebruik maken van een techniek die deep learning wordt genoemd. Een deep learning algoritme bestaat uit een hiërarchische en gelaagde toepassing van machine learning technieken. Hierdoor zijn deep learning algoritmes een stuk complexer.15 De ingevoerde data hoeft bovendien niet gestructureerd te zijn.16 Ook deep learning algoritmes worden ook vaak gebruikt in combinatie met artificiële neurale netwerken.17

Project InnerEye
Vandaag de dag is AI erg goed in het uitvoeren van specifieke taken binnen een beperkt domein.18 Eén van deze domeinen is het analyseren van afbeeldingen van medische scans.19 Het analyseren van dit soort afbeeldingen wordt omschreven met de term Medical Image Intelligence. De AI helpt artsen bij het correcter en sneller diagnosticeren en opstellen van behandelplannen.20 Het ‘Project InnerEye’ van Microsoft houdt zich bezig met Medical Image Intelligence. Volgens Microsoft zal deze toepassing ertoe leiden dat patiënten beter behandeld en genezen kunnen worden, omdat diagnoses en behandelplannen beter worden en ook een stuk sneller worden opgesteld.21 ‘Project InnerEye’ houdt zich bezig met het analyseren van scans van een tumor en het gericht toepassen van bestralingstherapie om de tumor te bestrijden.22 Normaliter kost het artsen een hoop tijd om handmatig de tumor in de scan te omlijnen. Bovendien kan ‘Project InnerEye’ dit niet alleen sneller maar ook beter. Daarnaast kan de technologie organen, die aangetast kunnen worden door de bestraling, identificeren, waardoor deze organen ontweken kunnen worden bij het bestralen. ‘Project InnerEye’ doet dit door gebruik te maken van de hierboven omschreven artificiële neurale netwerken en machine learning algoritmes.23 Omdat de AI leert van elke keer dat het wordt toegepast, zal ‘Project InnerEye’ bij elke toepassing beter worden. Op dit moment kan ‘Project InnerEye’ al dertien keer zo snel tumoren omlijnen als artsen en de verwachting is dat de snelheid alleen nog maar zal verbeteren.24 Dit zal ertoe leiden dat de tijd die nodig is om het behandelplan te maken voor patiënten zal afnemen.25 Op deze manier heeft ‘Project InnerEye’ de potentie om levens te redden.

‘Toepassingen van Big Data zullen de zorg die patiënten ontvangen drastisch laten veranderen.’

‘Het analyseren van dit soort afbeeldingen wordt omschreven met de term Medical Image Intelligence. De AI helpt artsen bij het correcter en sneller diagnosticeren en opstellen van behandelplannen.20

 

AI democratiseren
Microsoft stelt dat het haar doel is om de technologie van ‘Project InnerEye’ toegankelijk te maken voor zoveel mogelijk mensen en organisaties. Microsoft is daarnaast bezig met een Deep Learning Toolkit dat gebruikt kan worden door verschillende onderzoekers die eigen Medical Image Intelligence producten, gebaseerd op ‘Project InnerEye’, kunnen ontwikkelen. Op deze manier hoopt Microsoft de AI te democratiseren.26 Het blijft wel de vraag in hoeverre het mogelijk is voor nieuwe initiatieven om het al gevestigde ‘Project InnerEye’ in te halen. Gezien de kansen die de technologie biedt voor het succesvol behandelen van kankerpatiënten, is de kans groot dat artsen steeds meer afhankelijk zullen worden van de technologie van Microsoft. Omdat het ontwikkelen van een AI-systeem zoals ‘Project Inner Eye’ veel tijd en geld kost, is het meer dan logisch dat Microsoft de technologie aanbiedt tegenover een prijs.27 Bij gewone goederen en diensten wordt de prijs bepaald door concurrentie. Bij Big Data diensten ligt dit echter anders.28 AI leert van data en van elke keer dat de technologie wordt toegepast. Hierdoor heeft het bestaande ‘Project InnerEye’ van Microsoft een voorsprong op eventuele nieuwe initiatieven. Vooral voor kleinere bedrijven is het haast onmogelijk om tegen softwaregiganten als Microsoft op te boksen. Hierdoor zullen niet veel bedrijven het aandurven te investeren in AI vergelijkbaar met ‘Project InnerEye’. Dit zal de concurrentie, en daarmee te prijs van de technologie, niet ten goede komen.29 In tegenstelling tot menselijke experts is AI in staat de hele wereld ongelimiteerd te bedienen.30 Het is dan ook niet onwaarschijnlijk dat Microsoft met plezier gebruik zal maken van haar machtige positie op de markt.

Conclusie

Al met al schetst dit artikel hoe Microsoft de gezondheidszorgindustrie verandert met hun nieuwe initiatief ´Project InnerEye´. Microsoft biedt met haar initiatief mooie kansen voor de gezondheidszorg, omdat zij zich al erg ontwikkeld heeft met het analyseren van afbeeldingen van medische scans. Deze vorm van AI helpt artsen bij het correcter en sneller diagnosticeren en opstellen van behandelplannen.  Zoals hierboven beschreven houdt Microsoft zich bezig met Medical Image Intelligence. Volgens Microsoft zal de toepassing uit Project InnerEye ertoe leiden dat patiënten beter behandeld en genezen kunnen worden, omdat diagnoses en behandelplannen beter worden en ook een stuk sneller worden opgesteld.

Het initiatief levert ook gevaren op voor de vrije mededinging. Artsen zullen namelijk steeds meer afhankelijk worden van de technologie van Microsoft. Omdat het ontwikkelen van een AI-systeem zoals ‘Project Inner Eye’ veel tijd en geld kost, is het meer dan logisch dat Microsoft de technologie aanbiedt voor een hoge prijs. Vooral voor kleinere bedrijven zal het haast onmogelijk worden om tegen softwaregiganten als Microsoft op te boksen. Dit zal de concurrentie, en daarmee te prijs van de technologie, niet ten goede komen.31

Zeker in de zorg is dit gevaarlijk, omdat dure apparatuur in de zorg ten koste gaat van onze gezondheid. Wanneer apparatuur duur is, wordt deze apparatuur minder toegankelijk voor ziekenhuizen. Ziekenhuizen zullen deze apparatuur dan minder gebruiken, waardoor de patiënt minder goede zorg ontvangt. Wanneer op de juiste manier ingezet, kunnen nieuwe technologieën een hoop positieve gevolgen veroorzaken. Het is dus zaak voor de wetgever om op zoek te gaan naar een balans tussen aan de ene kant het aangrijpen van de kansen die Big Data toepassingen bieden en aan de andere kant het bewaken van de vrije markt, zodat deze technologieën voor iedereen van nut kunnen zijn. Over hoe dit het beste zou kunnen, moet nog meer onderzoek gedaan worden.

‘Microsoft biedt met haar initiatief mooie kansen voor de gezondheidszorg, omdat zij zich al erg ontwikkeld heeft met het analyseren van afbeeldingen van medische scans.’

Nina van Klooster (20) is een rechtenstudente aan de UU. Haar interesse ligt vooral in het privaatrecht, daarom heeft zij ook voor het notariële traject gekozen. Momenteel volgt zij de minor ‘Recht, Innovatie en Technologie’ aan de UU.

Reageren? Stuur een mail naar: juncto@jsvu.nl

Meike Wind (22) is een derdejaars bachelorstudent rechtsgeleerdheid. Verder is ze actief bij de Rechtswinkel Utrecht. Ook is ze naast haar studie lid van U.S.R. ‘’Triton’’ waar ze een commissie doet. Ze heeft op dit moment vooral interesse in het privaatrecht en dan specifiek het intellectueel eigendomsrecht en goederenrecht.

Reageren? Stuur een mail naar: juncto@jsvu.nl

Voetnoten

1.     M. Hijink, Corona verandert ‘Big Tech’ in ‘Good Tech’ – voor eventjes, NRC 2020.

2.     L. Ottes, Big Data in de zorg, Den Haag: Wetenschappelijke Raad voor het Regeringsbeleid 2016.

3.     K. Tailor, Revolution. How Big Data and Analytics Are Transforming the Healthcare Experience, Hoboken: John Wiley & Sons, Inc. 2016, p. 135.

4.     Breaking down AI. 10 real applications in healthcare, Cambridge: Microsoft 2019, p. 4.

5.     Breaking down AI. 10 real applications in healthcare, Cambridge: Microsoft 2019, p. 7.

6.     R. Kurzweil, The age of intelligent machines, Cambridge: MIT press 1990, p. 16.

7.     M.A. Boden, AI. Its nature and future, Oxford: Oxford University Press 2016, p. 163.

8.     M. de Cock Buning, ‘Artificial Intelligence and the creative industry: new challenges for the EU paradigm for art and technology by autonomous creation’, in: W. Barfield & U. Pagallo, Research Handbook on the Law of Artificial Intelligence, Cheltenham: Edward Elgar Publishing Limited 2018, p. 513.

9.     A. Guadamuz, ‘Do androids dream of electric copyright? Comparative analysis of originality in artificial intelligence generated works’, Intellectual Property Quarterly 2017, afl. 2, p. 171.

10.   R. Sun, ‘Connectionism and neural networks’, in: K. Frankish & W.M. Ramsey, The Cambridge Handbook of Artificial Intelligence, Cambridge: Cambridge University Press 2014, p. 108-109.

11.   M. de Cock Buning, ‘Artificial Intelligence and the creative industry: new challenges for the EU paradigm for art and technology by autonomous creation’, in: W. Barfield & U. Pagallo, Research Handbook on the Law of Artificial Intelligence, Cheltenham: Edward Elgar Publishing Limited 2018, p. 514.

12.   R. Yanisky-Ravid, ‘Generating Rembrandt: Artificial Intelligence Versus Accountability – The Human-Like Workers Are Already Here’, Michigan State Law Review 2017/659, afl. 4, p. 675.

13.   M.A. Boden, AI. Its nature and future, Oxford: Oxford University Press 2016, p. 46.

14.   R. Yanisky-Ravid, ‘Generating Rembrandt: Artificial Intelligence Versus Accountability – The Human-Like Workers Are Already Here’, Michigan State Law Review 2017/659, afl. 4, p. 674.

15.   K. Arkoudas & S. Bringsjord, ‘Philosophical foundations’, in: K. Frankish & W.M. Ramsey, The Cambridge Handbook of Artificial Intelligence, Cambridge: Cambridge University Press 2014, p. 49.

16.   M.I. Jordan & T.M. Mitchell, ‘Machine learning: Trends, perspectives, and prospects’, Science 2015/349, afl. 6245, p. 257.

1.     M.A. Boden, AI. Its nature and future, Oxford: Oxford University Press 2016, p. 79.

2.     R. Kurzweil, ‘What Is Artificial Intelligence Anyway? As the techniques of computing grow more sophisticated, machines are beginning to appear intelligent—but can they actually think?’, American Scientist 1985/73, afl. 3, p. 263.

3.     X. Tang, ‘The role of artificial intelligence in medical imaging research’, 2019, afl. 2, p. 1.

4.     M. Owais e.a., ‘Effective Diagnosis and Treatment through Content-Based Medical Image Retrieval (CBMIR) by Using Artificial Intelligence’, Journal of Clinical Medicine 2019, p. 2.

5.     Breaking down AI. 10 real applications in healthcare, Cambridge: Microsoft 2019, p. 19.

6.     X. Tang, ‘The role of artificial intelligence in medical imaging research’, 2019, afl. 2, p. 2.

7.      ‘Health Intelligence’, < Health Intelligence – Microsoft Research>, laatst geraadpleegd op 15-03-2021.

8.      ‘Project InnerEye: Democratizing Medical Imaging AI’, < Project InnerEye – Democratizing Medical Imaging AI – Microsoft Research>, laatst geraadpleegd op 15-03-2021.

9.     O. Oktay e.a., ‘Evaluation of Deep Learning to Augment Image-Guided Radiotherapy for Head and Neck and Prostate Cancers’, JAMA Network Open 2020, p. 7.

10.   L. Ottes, Big Data in de zorg, Den Haag: Wetenschappelijke Raad voor het Regeringsbeleid 2016, p. 71.

11.   L. Ottes, Big Data in de zorg, Den Haag: Wetenschappelijke Raad voor het Regeringsbeleid 2016, p. 71.

12.   L. Ottes, Big Data in de zorg, Den Haag: Wetenschappelijke Raad voor het Regeringsbeleid 2016, p. 71.

13.   D. Tokmetzis & R. Bol, ‘De macht van bedrijven als Google en Apple is gigantisch. Zo trekken Europa en de VS de teugels aan ‘, De Correspondent 2020.

14.   L. Ottes, Big Data in de zorg, Den Haag: Wetenschappelijke Raad voor het Regeringsbeleid 2016, p. 71.

15.   D. Tokmetzis & R. Bol, ‘De macht van bedrijven als Google en Apple is gigantisch. Zo trekken Europa en de VS de teugels aan ‘, De Correspondent 2020.

Video
Share

Your name

Your e-mail

Name receiver

E-mail address receiver

Your message

Send

Share

E-mail

Facebook

Twitter

Google+

LinkedIn

Contact

Send

Sign up

Sign up