AI in gezondheid: meer output, betere wetenschap, betere zorg?
Op 23 april organiseerde HINT.GENT een debatavond over wat AI begint te veranderen in wetenschap en gezondheidszorg. Na een inleiding door prof. Tom Braekeleirs modereerde dr. Alexander Decruyenaere een panelgesprek met prof. Katleen De Preter, prof. Erik Mannens, prof. em. Mirko Petrovic en prof. Marijn Speeckaert.
De discussie ging al snel verder dan tools en technische prestaties. Het werd een gesprek over de vraag of meer output ook werkelijk leidt tot betere wetenschap, en uiteindelijk tot betere zorg.
Debatpanel (van links naar rechts): prof. Marijn Speeckaert, prof. em. Mirko Petrovic, prof. Katleen De Preter, prof. Erik Mannens, en moderator dr. Alexander Decruyenaere.
De discussie vermeed bewust de gebruikelijke uitersten. AI is geen wonderoplossing, maar het is ook niet iets dat de wetenschap zomaar kan negeren. Het nuttigste gesprek ligt in het midden: waar helpt AI echt, waar creëert het nieuwe risico’s, en wat moeten we voorzien om het goed te gebruiken?
Ook daar ligt een rol voor HINT.GENT. AI in gezondheid vraagt om biomedische onderzoekers, datawetenschappers, clinici, ingenieurs, lesgevers en mensen die werken rond beleid, ethiek en implementatie aan dezelfde tafel.
De eerste spanning was die tussen voorspelling en verklaring. Een model dat goed voorspelt, kan nuttig zijn, en in sommige situaties kan prestatie belangrijker zijn dan volledige verklaarbaarheid. Als een systeem duidelijk meer mensen helpt, kan dat niet zomaar terzijde worden geschoven. Maar gezondheidszorg en biomedisch onderzoek gaan zelden alleen over voorspellen. Patiënten verschillen, context doet ertoe, en onderzoekers moeten vaak begrijpen waarom een model een patroon ziet, niet alleen dát het er een ziet. Een black box kan dus nuttig zijn, maar de moeilijkere vraag is wanneer we bereid zijn die te vertrouwen, en welk soort begrip we nog nodig hebben voor we ze gebruiken in wetenschap of zorg.
De tweede spanning was die tussen democratisering en verwatering. AI kan ook veranderen wie kan deelnemen aan wetenschap, maar niet op een eenvoudige manier. Verschillende sprekers wezen erop dat AI echt nuttig kan zijn voor onderzoekers die geen moedertaalsprekers van het Engels zijn: het kan hen helpen om vlotter te schrijven, vertalen, samenvatten en communiceren. In die zin kan het een reële drempel verlagen. Verschillende sprekers waarschuwden ook dat toegang tot de beste tools duur kan worden, waardoor nieuwe ongelijkheden ontstaan tussen goed gefinancierde groepen en onderzoekers met minder middelen. Gemakkelijker schrijven betekent ook gemakkelijker overproduceren. Het resultaat kan zijn: meer papers, aanvragen en rapporten, zonder een evenredige toename in wetenschappelijke waarde.
De derde spanning was die tussen AI-gegenereerde inhoud en kwaliteit in peer review. Peer review was een van de ongemakkelijkere onderdelen van de discussie. AI kan helpen om een manuscript samen te vatten of specifieke punten te controleren, maar niemand stelde dat het expertenoordeel kan vervangen. De moeilijkere kwestie is dat de huidige regels niet altijd overeenkomen met de praktijk. Auteurs gebruiken AI nu al om taal of structuur te verbeteren, terwijl reviewers vaak worden ontmoedigd, of niet toegelaten, om gelijkaardige tools te gebruiken. Dat roept moeilijke vragen op over transparantie en eerlijkheid. AI-detectoren lossen dat probleem niet op: ze zijn onbetrouwbaar en kunnen vooral niet-moedertaalsprekers van het Engels treffen die AI gebruiken om hun werk duidelijker te maken. In de praktijk is de vraag minder of AI gebruikt werd, maar vooral of de auteur of reviewer nog steeds volledige verantwoordelijkheid neemt voor de uiteindelijke tekst en beoordeling.
Het vierde thema, individuele winst versus collectief verlies, bracht de discussie terug naar de dagelijkse onderzoekspraktijk. AI is nuttig omdat het de individuele onderzoeker helpt. Het kan schrijven, coderen, brainstormen, en literatuurwerk en administratie versnellen. Voor sommige senior onderzoekers kan het zelfs praktisch wetenschappelijk werk opnieuw toegankelijker maken, omdat het de drempel verlaagt om opnieuw code te schrijven, een idee verder uit te werken of snel een onderzoeksvraag te verkennen. Maar het collectieve effect is minder duidelijk. Als veel mensen dezelfde tools op dezelfde manier gebruiken, kunnen wetenschappelijk schrijven en zelfs wetenschappelijk denken uniformer worden. Het risico is niet alleen meer output, maar meer van dezelfde output.
Dat betekent niet dat AI alleen voor routinetaken gebruikt moet worden. Verschillende mensen stelden dat AI ook nuttig kan zijn als sparringpartner: om een idee uit te dagen, zwakke punten bloot te leggen, alternatieven voor te stellen of te testen of iets werkelijk nieuw is. Op die manier is AI minder interessant als machine die antwoorden geeft, en interessanter als iets dat betere vragen afdwingt.
Onderwijs kwam de hele avond opnieuw terug. Verschillende sprekers maakten zich zorgen dat studenten net die onderdelen van leren zouden beginnen vermijden die het belangrijkst zijn: schrijven, redeneren, worstelen met een probleem, en leren beoordelen of een argument klopt. AI kan deze stappen optioneel doen lijken, zeker wanneer de output overtuigend oogt. Toch zou AI verbieden of negeren studenten niet voorbereiden op de wereld waarin ze terechtkomen. De echte uitdaging is om hen vroeg genoeg te leren hoe ze AI kritisch kunnen gebruiken, en ervoor te zorgen dat ze nog steeds begrijpen welk werk ze indienen of waarop ze vertrouwen.
De avond eindigde met een eenvoudige vraag: als het panel financiering kreeg voor een vierjarige doctoraatspositie, zouden ze dan een menselijke onderzoeker aanwerven of het budget besteden aan AI-tools en tokens?
Het antwoord was unaniem: werf de menselijke onderzoeker aan.
Het was een nuttige herinnering. AI zal deel worden van onderzoek en zorg, en is dat op veel plaatsen al. Maar het neemt de nood niet weg om mensen op te leiden, expertise op te bouwen, moeilijke afwegingen te maken en verantwoordelijkheid te nemen voor wetenschappelijke of klinische beslissingen.
Voor HINT.GENT ligt hier waarschijnlijk de kern van het debat. AI in gezondheid is niet alleen een vraag voor ontwikkelaars of AI-experts. Het raakt ook clinici, onderzoekers, docenten, studenten, reviewers, instellingen en patiënten. Die perspectieven samenbrengen in één gesprek is precies het soort rol dat HINT.GENT kan opnemen.