227 Nederlandse samenvatting nog steeds worden gebruikt om individuen te identificeren, vooral wanneer de gegevens aan andere gegevensbronnen worden gekoppeld. Als er bijvoorbeeld zeer specifieke geografische informatie is, met kleine leeftijdsgroepen, kunnen er in bepaalde groepen slechts één of twee individuen zijn voor analyse, wat het risico op identificatie vergroot. Er moet hierbij dus een afweging worden gemaakt tussen verbeterde surveillance en privacy van individuen. Ten slotte is het essentieel om gegevensbronnen voortdurend te valideren en ervoor te zorgen dat de gegevenskwaliteit voldoende is voor ziektesurveillance. Een belangrijke vraag is hoe kunstmatige intelligentie (AI) de surveillance van ziekten in de (nabije) toekomst gaat veranderen. AI bestaat al tientallen jaren, maar is de afgelopen jaren beter, goedkoper en meer toegankelijk geworden. Zelfs met de geautomatiseerde gegevensverzameling en -aggregatie zoals hierboven beschreven, zijn er nog steeds arbeidsintensieve stappen waarvoor mensen nodig zijn, zoals de interpretatie van gegevens. Gezien de exponentiële groei van het aantal ziektegevallen tijdens een uitbraak is vroegtijdig ingrijpen van groot belang, en AI zou de vroege detectie mogelijk kunnen verbeteren. Gegevensbronnen die vanwege de omvang voor mensen vrijwel onmogelijk te analyseren zijn, zijn voor computers gemakkelijk. Met de ontwikkelingen op het gebied van Large Language Models wordt het verzamelen, filteren en analyseren van gegevens uit verschillende (open) online bronnen (bijv. sociale media, nieuwsuitzendingen, Wikipedia-paginaweergaven) en ziekenhuisgegevens (bijv. ontslagbrieven) toegankelijker. Naast deze (ongestructureerde) gegevensbronnen kan AI ook afbeeldingen en video’s interpreteren, wat een aanvulling zou kunnen zijn op de traditionele (gestructureerde) gegevens die doorgaans worden gebruikt voor surveillance. Dit zou een eerdere detectie van uitbraken, monitoring van regionale patronen en surveillance in landen of gebieden met minder middelen mogelijk kunnen maken. HealthMap is een voorbeeld van een AI-algoritme dat verschillende online bronnen (zoals zoekopdrachten, sociale media, nieuwsberichten) scant op tekenen van ziekte-uitbraken. Op 30 december 2019, een paar dagen nadat het eerste geval van COVID-19 in Wuhan, China, was vastgesteld, werd er voor het eerst een alarm afgegeven voor een mogelijke uitbraak. Het idee om AI, en met name machine learning, te gebruiken om patronen te detecteren en trends te analyseren is niet nieuw, maar kan in toenemende mate nodig zijn om complexe gegevens te analyseren. AI zou mogelijk een bijdrage kunnen leveren aan de traditionele surveillance van infectieziekten door vroege waarschuwingen te genereren, te helpen bij het detecteren van ziektegevallen met complexe data, en ingewikkelde geografische informatie of gegevensbronnen te interpreteren die een constante datastroom genereren, zoals draagbare apparaten die de hartslag, het aantal stappen of de zuurstofverzadiging monitoren. Een ander aspect waarin AI de surveillance van infectieziekten zou kunnen bevorderen, is door de verbetering van de modellering en simulaties van epidemieën. Er zijn echter ook een aantal belangrijke zorgen met betrekking tot het gebruik van AI. Deze zorgen beperken zich niet tot de geneeskunde of infectieziekten, maar zijn desalniettemin belangrijk. Ten eerste geldt het principe van ‘garbage in-garbage out’ ook in de context van AI. Een tweede belangrijk punt van zorg betreft de introductie van bias (vertekening). Er zijn veel voorbeelden van AI-modellen die worden getraind
RkJQdWJsaXNoZXIy MTk4NDMw