De resultaten gaven aan dat de laatste 5 jaar voornamelijk onderzoek verricht werd in de disciplines revalidatie, radiologie en oncologie. Verder nazicht van het soort onderzoek toont aan dat het grote aantal onderzoeken in de discipline revalidatie kan worden toegeschreven aan de ontwikkeling van
rehabilitation robots. Zoals in de discussie van onderzoeksvraag 1 (cfr. supra) werd verduidelijkt,
is dit een onderzoekdomein waar reeds voor de recente hipe van AI en Big Data veel onderzoek naar verricht werd (37).
Het onderzoek in de discipline radiologie bestaat voor 75% uit Reviews & Perspectives. Een reden voor dit grote percentage kan zijn dat de ontwikkeling van AI in de radiologie al verder staat en er de laatste 5 jaar bijgevolg meer nood was aan overzichtsartikels. En andere reden kan zijn dat er door de vele beweringen, waarin er geopperd wordt dat AI en Big Data radiologen in de toekomst overbodig maken, nood was aan perspectief (38,39). Een antwoord daarop werd al door veel onderzoekers gegeven: geen ‘replacement’ wel ‘engagement’. (36,38,40).
In de discipline oncologie zijn de soorten onderzoeken die verricht worden meer gelijk verdeeld. Zo komt oncologie het tweede meest voor bij het onderzoek naar het ontwikkelen van machine
learning algoritmes en bij het onderzoek naar het opslaan, verwerven of verwerken van data. Bij
de groep van reviews en perspectieven komt oncologie het derde meest voor. Volgens vele onderzoekers is ook oncologie een discipline waar consistent veel onderzoek verricht wordt naar AI (36,41). De discipline oncologie moet hier wel in een brede zin geïnterpreteerd worden: van het ontstaan tot de diagnose en therapie van kanker. Zo kan AI gebruikt worden in de vorm van
machine learning algoritmes voor het vinden van geassocieerde genmutaties, het stellen van een
diagnose op histologische coupes, het zoeken naar een specifieke target therapie, etc.
Hoewel neurologie en cardiologie ook disciplines zijn met veel onderzoek naar AI (36,41), kwamen ze in deze masterproef niet frequenter voor. Slechts 2,1% van het totale aantal in deze masterproef geanalyseerde artikels werd ingedeeld in de discipline cardiologie en 1,3% in de discipline neurologie. Deze lage percentages kunnen te wijten zijn aan de aard van de indeling van de groep
AI Devices. Deze groep werd ingedeeld naargelang soorten devices en niet naargelang discipline.
In deze groep is het dus mogelijk dat bijvoorbeeld de onderdelen telemedecine of apps/software artikels bevatten uit de discipline cardiologie en de onderdelen rehabilitation robots of
telerehabilitation artikels bevatten uit de discipline neurologie. Bijgevolg werden deze artikels, die
in se wel behoren tot een medische discipline, niet meegeteld bij de telling van het aantal artikels per discipline wat tot een lager percentage leidt van deze disciplines.
Het substantiële aantal artikels over automated search in de groep waar onderzoekers zelf een
machine learning algoritme ontwikkelden ligt in de lijn van de belangstelling naar het onderzoek
van natural language processing in de geneeskunde (41).
Het hoge percentage artikels uit de discipline health informatics in de groep Data is logisch te verklaren door de nood aan health informatics bij bijvoorbeeld het maken van een database of een elektronisch patiëntendossier.
Onderzoeksvraag 3: tekorten
De analyse van de gegevens uit de eerste database gaf aan dat er op verschillende niveaus minder onderzoek verricht werd.
Onderzoeksvraag 3.1
In 2,9% van alle artikels werd onderzoek verricht naar het opslaan, verwerven of verwerken van medische data. Dit is, vergeleken met de percentages van de andere soorten onderzoeken van deze masterproef, een beduidend laag cijfer. Omwille van het cruciale belang van data voor het gebruik van AI werd dit in deze masterproef geïdentificeerd als belangrijkste tekort (cfr. supra). Het onderzoek naar data en het beheren ervan werd als belangrijkste uitdaging voor AI en Big Data in de geneeskunde geïdentificeerd, hoewel het slechts op de 5 de plaats komt wat betreft het aantal publicaties (41). De 2,9% van de totale publicaties die in deze masterproef werden weerhouden is vermoedelijk een onderschatting (36). Dit komt waarschijnlijk doordat er bij het zoeken van de artikels geen specifieke Big Data zoektermen gehanteerd werden. Op die manier werden vermoedelijk heel wat data gerelateerde artikels niet opgenomen in deze studie.
Net zoals de resultaten van deze masterproef aangaven dat er in sommige disciplines veel onderzoek verricht wordt naar AI, zijn er disciplines waar er weinig tot geen onderzoek verricht werd naar AI. Gastro-enterologie en geriatrie zijn disciplines waar, wat dat betreft, weinig onderzoek werd verricht (36,40).
Het enige artikel over de implementatie van AI bevestigt het tekort aan onderzoek naar de implementatie en validatie ervan in de praktijk. Voor heel wat AI is er nood aan studies die de effectieve waarde van het gebruik in de praktijk evalueren (42).
Verder is er nood aan het opstellen van een duidelijke regelgeving met een ethisch kader om de privacy van de medische data te verzekeren (43,44). De veiligheid van medische data is een complexe zaak omwille van 3 redenen. Ten eerste moet vermeden worden dat onderzoekers (onbedoeld) identificeerbare data vrijgeven. Ten tweede wordt de beveiliging van de data technisch heel moeilijk omwille van haar continue toename in dimensies en ten derde kunnen de ethische opvattingen naarmate de technologieën ontwikkelen veranderen (43). De nood aan goed opgeleide en bewuste onderzoekers (zie verder) (40,43,45), de technische vooruitgang van de
computerwetenschappen en de sensibilisering van de maatschappij omtrent het gebruik van AI in de geneeskunde kan hiervoor niet genoeg benadrukt worden (46).
Onderzoeksvraag 3.2
De 5 ontwikkelingen van de 40 publicaties uit de groep Data geven een overzicht van het onderzoek naar het opslaan, verwerven of verwerken van medische data. Ze kunnen gebruikt worden voor de opzet van verder onderzoek.
Discipline
Meer dan de helft van de publicaties werd geschreven door health informatics, met of zonder samenwerking met een andere discipline. Onderzoek waarin medische data verzameld, opgeslagen of verwerkt worden, vereist heel wat computerwerk. Samenwerking met informatici wordt bijgevolg steeds belangrijker. Toch moet elke onderzoeker die gebruik wil maken van AI en Big Data beschikken over een goed theoretisch inzicht in deze technieken om tot een kwaliteitsvol onderzoek te kunnen komen (40,43,45). Het sensibiliseren van de populatie omtrent AI en Big Data om the Digitally Engaged Patient, en dus zo betrouwbaar mogelijke data, te bekomen mag ook hier niet over het hoofd gezien worden (46).
Land
Het grootste aantal artikels werd geschreven in de VS. Gu et al. publiceerde in 2016 dat het grootste deel van het onderzoek naar medische data verricht werd in de VS en dat deze onderzoeken bovendien het meeste impact hadden. De VS leverde niet alleen een grote bijdrage aan de ontwikkeling van Big Data in de gezondheidssector door het grote aantal onderzoeken, maar ook door de vele investeringen. In 2012 investeerde de Amerikaanse overheid onder president Obama 200 miljoen dollar voor de opstart van The Big Data Research and Development
Initiative (47). Volgens het recent rapport van BIS Research heeft de VS het grootste aandeel van
de wereldwijde markt rond Big Data in de gezondheidszorg. Deze zou naar schatting 68 miljard dollar bereiken tegen 2025, waarvan 28 miljard dollar in de VS alleen (48-49).
Instelling
In 40% van alle artikels en in 70,8% van de artikels waarin onderzoekers iets ontwikkelden, werd er samengewerkt tussen verschillende instellingen. Samenwerking tussen verschillende instellingen laat toe om de algemene kwaliteit van een onderzoek te verbeteren, optimaal gebruik te maken van elkaars sterktes en belangrijke informatie te delen (50). De vele samenwerkingen
weerspiegelen de multidisciplinaire aard van AI en Big data. Om optimaal effect te hebben dienen de samenwerkingen echter meer gecoördineerd te gebeuren (47).
Jaar
Het aantal artikels steeg progressief van 2014 tot 2018. Deze trend leek zich niet verder te zetten in 2019 (3 artikels in september 2019 in tegenstelling tot 12 artikels in het jaar 2018). Vele onderzoekers rapporteerden een progressieve toename van het aantal artikels over de jaren heen, wat meer aannemelijk is (36,40,41).
Type onderzoek
Het merendeel van de artikels betreft het ontwikkelen van bijvoorbeeld een ontologie, een database of een tool voor digitale kennisoverdracht. Deze bevinding bevestigt de trend dat er momenteel meer artikels worden gepubliceerd waarin onderzoekers zelf iets ontwikkelen dan dat er overzichtartikels worden gepubliceerd (36). Toch mag ook hier het belang van een tijdige evaluatie en kritische beoordeling niet onderschat worden.