PremiumIntensieve zorg

Geert Meyfroidt: “Ik kan geen zestig patiënten tegelijk zien”

Op intensieve zorgen kan artificiële intelligentie (AI) helpen om complicaties vroeger te herkennen en de aandacht van de arts naar de juiste patiënt te leiden. Maar AI levert niet vanzelf betere zorg op, waarschuwt intensivist Geert Meyfroidt. Menselijke zorg aan het bed moet steeds het vertrekpunt zijn.

Op een zaterdag met wachtdienst ben ik verantwoordelijk voor zestig kritiek zieke patiënten. Dat vertelt Geert Meyfroidt, diensthoofd intensieve geneeskunde in UZ Leuven tijdens een keynote gedurende de Health Tech Sessions van het technologiefestival FTI.

“Elk van hen heeft in de loop van die dag mijn aandacht nodig. Maar stel dat ik één na één elke patiënt bezoek en er vijf minuten blijf, dan kom ik misschien pas in de namiddag bij een patiënt bij wie zich een infectie heeft ontwikkeld, of stel ik vast dat iemand al lang naar een gewone verpleegafdeling had kunnen worden overgebracht.”

Zodra ik aan het bed sta, twijfel ik niet: onze modellen zijn niet beter dan artsen

“Zestig patiënten maal vijf minuten: dat kost nu eenmaal vijf uur. Hier zou een AI-copiloot me kunnen helpen: om prioriteiten aan te geven, te signaleren welke patiënt ik eerst moet zien en me te helpen anticiperen. Zodra ik aan het bed sta, twijfel ik niet: onze modellen zijn niet beter dan artsen. Artsen kunnen de toestand van een patiënt aan het bed even goed of beter beoordelen. Maar ik kan geen zestig patiënten tegelijk zien.”

Veel data, moeilijke beslissingen

Intensieve zorgen worden vaak genoemd als een bijzonder veelbelovende omgeving voor AI. De toestellen en onderzoeken leveren een voortdurende stroom gegevens op, terwijl de toestand van patiënten snel kan veranderen. De intensivist moet die informatie interpreteren, de behandeling bijsturen en beoordelen of de aanpassing het gewenste effect heeft.

Meyfroidt maakte twintig jaar geleden zijn doctoraat in dit nog nieuwe onderzoeksdomein. “Redacteurs en reviewers overtuigen van het nut ervan was destijds veel moeilijker dan vandaag”, lacht hij.

Een van de toepassingen waaraan zijn onderzoeksgroep werkt, is het voorspellen van acute nierschade (acute kidney injury, AKI). “We kunnen dat vaststellen met labo-onderzoek. Maar wanneer de diurese afneemt of de creatinineconcentratie stijgt, is de nierfunctie al aangetast”, zegt Meyfroidt, die erop wijst dat AKI gepaard gaat met een hogere mortaliteit, een langere verblijfsduur en een grotere behoefte aan nierfunctievervangende therapie.

Aan het andere uiteinde van het spectrum kan hyperdynamische circulatie bij jonge traumapatiënten tot een verhoogde renale klaring leiden. Sommige antibiotica worden daardoor sneller uitgescheiden, waardoor de toegediende dosis ontoereikend kan zijn.

De modellen die de onderzoeksgroep ontwikkelde om de evolutie van de nierfunctie te voorspellen, werden herhaaldelijk getest en gevalideerd met prospectieve studies in de klinische praktijk. Ze blijken volgens Meyfroidt even goed te presteren als een ervaren arts en beter dan onervaren artsen.

Intracraniële druk bewaken

Een tweede onderzoekslijn betreft traumatisch hersenletsel, dat Meyfroidt de wereldwijd meest voorkomende neurologische aandoening noemt. Bij deze patiënten moeten onder meer de cerebrale perfusie, de intracraniële druk en de zuurstofvoorziening van het hersenweefsel nauwlettend worden opgevolgd. Invasieve monitoring levert daarvoor veel gegevens op, maar de interpretatie van die signalen vraagt expertise.

De onderzoeksgroep ontwikkelde daarom de MONTE-monitorsoftware. Die geeft aan het bed aanvullende informatie en kan episodes van verhoogde intracraniële druk voorspellen.

Aantonen dat de software levens redt, is niet de inzet van dit onderzoek, benadrukt Meyfroidt. “De lopende studie onderzoekt hoe artsen die informatie gebruiken, welke beslissingen ze ermee nemen en of ze de ondersteuning nuttig vinden.”

De kloof tussen model en praktijk

Die stap van model naar klinische praktijk blijft in het bredere onderzoeksveld een zwak punt. Samen met een onderzoeksgroep uit Rotterdam maakte Meyfroidts team een literatuuroverzicht van AI-modellen voor intensieve zorgen. De conclusie: “Modellen ontwikkelen gebeurt volop. Deze modellen valideren bij nieuwe patiënten al veel minder. Tests in een klinische omgeving, integratie in de werkprocessen en evaluaties of de modellen tot betere klinische uitkomsten leiden, zijn bijna onbestaande. Er gaapt dus een enorme kloof tussen ontwikkeling en toepassing.”

Meyfroidt ziet hiervoor twee verklaringen. Een eerste is volgens hem de regelgeving. De Europese Medical Device Regulation (MDR) stelt hoge eisen aan software die als medisch hulpmiddel wordt gebruikt. “Een onderzoek om aan te tonen dat je aan alle voorwaarden voldoet, duurt drie tot vier jaar en kost enkele honderdduizenden euro’s. Dat geld gaat naar consultants en juristen in plaats van naar onderzoek. Dat is voor kleine onderzoeksgroepen niet haalbaar.”

Zijn eigen onderzoeksgroep ondervond hiervan al de gevolgen. De AKI Predictor was via een website internationaal beschikbaar, maar met de komst van de MDR moest die toegang worden beperkt. Alleen samenwerkingspartners kunnen het model nog gebruiken.

“We hebben ergens ons pragmatisme verloren. Volgens mij is het evenwicht zoek en is de proportionaliteit verloren gegaan. Het is aan de wetgevers om daar iets aan te doen”, verzucht Meyfroidt.

Zorg is meer dan cijfers

Een tweede knelpunt is minstens even belangrijk: de aanvaarding van technologie door zorgverleners. Meyfroidt verwijst naar het artikel Why Doctors Hate Their Computers dat chirurg en auteur Atul Gawande in 2018 in The New Yorker publiceerde. De onvrede die dat artikel schetst, blijft herkenbaar, vindt hij. “Eigenlijk hebben we als artsen een hekel aan de manier waarop we met ziekenhuisinformatiesystemen moeten werken. We hebben ermee leren leven, maar niemand is er gelukkig mee.”

AI-ondersteunde beslissingsondersteuning betekent dan ook niet automatisch dat de zorg verbetert. Op intensieve zorgen moeten soms ingrijpende keuzes worden gemaakt, bijvoorbeeld over het niet meer opstarten van behandelingen waarvan geen voordeel wordt verwacht. Daarvoor moet de arts weten wat de patiënt en zijn familie belangrijk vinden. Zulke beslissingen laten zich niet in cijfers vatten.

“Technologie is onmisbaar op intensieve zorgen, maar haar waarde is relatief. Ze meet fysiologische parameters en geeft een objectief beeld van de lichamelijke toestand. Zorg daarentegen ontstaat pas wanneer we die gegevens interpreteren binnen het leven van een mens”, zegt Meyfroidt.

Het perspectief dat hem aanspreekt, vindt hij in het boek Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again van de Amerikaanse cardioloog Eric Topol. AI zou bijvoorbeeld het opzoeken of invoeren van gegevens minder omslachtig kunnen maken en zo ruimte vrijmaken voor patiëntencontact.

“Dat zijn toepassingen die ons bevrijden van het systeem dat tussen arts en patiënt is komen te staan. Zo kunnen we onze tijd besteden aan wat we echt willen doen, aan de reden waarom we geneeskunde zijn gaan studeren: het contact met de patiënt.”

‘Mechanische studenten’

Geert Meyfroidt: “Ik heb een boeiende job, maar ik moet altijd uitleggen wat we op intensieve zorgen precies doen. Sommige mensen baseren hun beeld op fictiereeksen zoals The Pitt. En tijdens de covidpandemie wist plots iedereen dat België 2.000 bedden voor intensieve zorgen heeft, en las ik op het internet reacties van mensen die meenden mijn job beter te kennen dan ikzelf”, grapt Meyfroidt.

De essentie van intensieve zorgen is het opvangen van levensbedreigend falen van organen zoals het hart, de longen, de hersenen of de lever. “We nemen de functie van die organen tijdelijk over en proberen te achterhalen wat er precies aan de hand is. Dat is niet altijd van bij het begin duidelijk, en dat maakt ons werk bijzonder uitdagend.”

Intensieve geneeskunde als discipline ontstond tijdens de polio-epidemie van 1952 in Kopenhagen, vertelt Meyfroidt. Bij kinderen met polio die respiratoire insufficiëntie ontwikkelden, bedroeg de mortaliteit meer dan 90%. Men wist niet goed waarom; er waren geen bloedgasanalysetoestellen of vergelijkbare tests beschikbaar.

De anesthesist Bjørn Ibsen, die eerder in Boston de techniek van mechanische beademing had geleerd, stelde voor om al die patiënten op één afdeling samen te brengen en te beademen.

De eerste mechanische beademingstoestellen in Kopenhagen werden overigens ‘mechanische studenten’ genoemd, omdat ze het werk van geneeskundestudenten overnamen. De Deense brouwerij Carlsberg leverde dan weer toestellen voor bloedgasanalyse.

>> Hannah Wunsch. The Autumn Ghost: How the Battle Against a Polio Epidemic Revolutionized Modern Medical Care.

Wat heb je nodig

Meer weten over

Deel je (nieuws)verhaal

Heb je nieuws dat relevant is voor onze redactie? Deel het met ons via het meldformulier.

Nieuws melden
Print Magazine

Recente Editie
03 november 2026

Nu lezen

Ontdek de nieuwste editie van ons magazine, boordevol inspirerende artikelen, diepgaande inzichten en prachtige visuals. Laat je meenemen op een reis door de meest actuele onderwerpen en verhalen die je niet wilt missen.

In dit magazine