Blog I Meer dan alleen data
4 april, 2022
Vorige maand kwam mij het verhaal van Abraham Wald, een Hongaarse wiskundige, ter oren. Gedurende de Tweede Wereldoorlog kwamen gevechtsvliegtuigen met kogelgaten terug vanuit de gevechtslinie. De geallieerden vonden de gebieden die het vaakst door vijandelijk vuur werden getroffen en tekenden dit uit op hun bouwtekeningen (zie figuur via link). Ze probeerden de meest beschadigde delen van de vliegtuigen te versterken om het aantal neergeschoten vliegtuigen te reduceren. Echter, veranderde dit niets aan de situatie. Abraham Wald wees toen op het feit dat er mogelijk een andere manier was om naar de datapunten te kijken. Hij veronderstelde dat de reden dat delen van de vliegtuigen niet bedekt waren met kogelgaten kon zijn dat juist de vliegtuigen die op deze plekken geschoten waren niet terug kwamen. Dit inzicht leidde ertoe dat de bepantsering werd versterkt op de delen van het vliegtuig waar geen kogelgaten waren. En met succes.
Locatie van de getroffen plekken op het vliegtuig. (McGeddon, CC BY-SA 4.0, via Wikimedia Commons)
Het verhaal van Abraham Wald beschrijft mooi de manier waarop we naar data kunnen kijken. Hij noemt het ook wel survivorship bias; het concentreren op de mensen of dingen die door het selectieproces zijn gekomen en degenen die dat niet zijn over het hoofd zien, meestal vanwege hun gebrek aan zichtbaarheid. In de klinische praktijk gebeurt misschien wel hetzelfde. Clinici zijn voortdurend bezig met het verzamelen en samenstellen van stukjes data verkregen van individuele patiënten om beslissingen te nemen over de diagnose, prognose en behandeling van de patiënt. Klinische beslisondersteuning systemen (ook wel clinical decision support systems, CDSS) kunnen hierin helpen bij het identificeren en ordenen van grote hoeveelheden data, patronen en verbanden. Zorgverleners kunnen deze informatie verkregen uit het CDSS gebruiken, maar verkrijgen maar een beperkt deel van het totaalplaatje doordat ze ook te maken hebben met de persoonlijke omstandigheden, omgeving en andere externe factoren die niet meteen in data te vangen zijn. De zorgverlener ziet dit totaal plaatje veel completer. Het verhaal achter de data blijkt dus minstens zo belangrijk te zijn als de data zelf. Dit is een van de redenen waarom Baalen et al., een artikel schreef over Clinical Reasoning Support Systems ipv Clinical Decision Support Sytems (van Baalen et al., 2021). De taak van het CDSS moet dus worden ingebed in het klinisch redeneerproces van de zorgverlener, omdat in het CDSS nog niet alle informatie aanwezig is die nodig is voor de daadwerkelijke beslissing. Het CDSS kunnen we dus beschouwen als een hulpmiddel bij het klinisch redeneren; een Clinical Reasoning Support System.
Deze twee voorbeelden vormen een leidraad door mijn promotieonderzoek naar klinische beslisondersteuning in de huisartsenpraktijk. Of eigenlijk moet ik zeggen; naar klinische redeneerondersteuning in de huisartsenpraktijk. Een aantal vragen doet daarbij herhaaldelijk zijn intrede tijdens besprekingen binnen het consortium: Waar ligt de grootste meerwaarde van AI/kennisregels in het klinisch redeneerproces van de zorgverlener? En hoe gebruiken we de grote hoeveelheden aan data in een proces waarin ook sociale, en niet te meten factoren, een rol spelen? Vragen die we ons wat mij betreft niet vaak genoeg kunnen blijven stellen. Ze geven context aan de beslissingen die we maken.
Auteur: Margot Rakers