Tot nu toe was de geneeskunde een prestigieus en vaak extreem lucratief carrière keuze. Maar zullen we in de nabije toekomst evenveel artsen nodig hebben als nu? Zullen we in het komende decennium een ​​aanzienlijke medische werkloosheid zien?

Dr. Saxon Smith, president van de NSW-vestiging van de Australian Medical Association, zei in een rapport eind vorig jaar dat de meest voorkomende problemen die hij ondervindt van artsen-in-opleiding en medische studenten zijn, "wat is de toekomst van de geneeskunde?" en "zal ik een baan hebben?". De antwoorden, zei hij, blijven hem ontwijken.

Terwijl de Australische, Britse en Amerikaanse universiteiten steeds meer medische studenten afstuderen, is de voor de hand liggende vraag waar deze nieuwe artsen in de toekomst zullen werken?

Zal er een grotere rol zijn weggelegd voor medische professionals als gevolg van onze vergrijzende bevolking? Of is er druk om de kosten te verlagen en tegelijkertijd de resultaten te verbeteren die de adoptie van nieuwe technologie waarschijnlijk zullen forceren, waardoor het aantal rollen dat momenteel door artsen wordt uitgevoerd waarschijnlijk afneemt?

De kosten verlagen

Alle regeringen, patiënten en artsen over de hele wereld weten dat de kosten voor gezondheidszorg zullen moeten dalen als we meer mensen willen behandelen. Sommigen stellen voor om patiënten meer te laten betalen, maar hoe we het ook betalen, het is duidelijk dat het kostenverlagend is wat er moet gebeuren.

Het gebruik van medische robots om menselijke chirurgen bij te staan wordt steeds wijdverspreider, maar tot nu toe worden ze gebruikt om de resultaten van de patiënt te verbeteren en niet om de kosten van chirurgie te verlagen. Kostenbesparingen kunnen later optreden als deze robottechnologie ouder wordt.

Het is op het gebied van medische diagnostiek, waar veel mensen mogelijk een aanzienlijke kostenbesparing zien en tegelijkertijd de nauwkeurigheid verbeteren gebruik van technologie in plaats van menselijke artsen.

Het is al gebruikelijk voor bloedtesten en genetische testen (genomics) om automatisch en zeer kosteneffectief te worden uitgevoerd door machines. Ze analyseren het bloedspecimen en produceren automatisch een rapport.

De tests kunnen zo eenvoudig zijn als een hemoglobinegehalte (bloedtelling) tot en met diabetes, zoals insuline of glucosespiegels. Ze kunnen ook worden gebruikt voor veel gecompliceerdere tests, zoals het kijken naar de genetische samenstelling van een persoon.

Een goed voorbeeld is Thyrocare Technologies Ltd in Mumbai, India, waar meer dan 100,000 diagnostische tests vanuit het hele land worden elke avond gedaan en de rapporten die binnen 24 worden afgeleverd, worden urenlang bloed van een patiënt afgenomen.

Machines versus mensen

Als machines bloedtesten kunnen lezen, wat kunnen ze anders doen? Hoewel veel artsen deze gedachte niet leuk zullen vinden, zal elke test die patroonherkenning vereist uiteindelijk beter worden gedaan door een machine dan een mens.

Veel ziekten hebben een pathologische diagnose nodig, waarbij een arts naar een bloed- of weefselmonster kijkt om de exacte ziekte vast te stellen: een bloedtest om een ​​infectie te diagnosticeren, een huidbiopt om te bepalen of een laesie al dan niet kanker is en een weefselmonster genomen door een chirurg die op zoek is naar een diagnose.

Al deze voorbeelden, en eigenlijk alle pathologische diagnoses worden gemaakt door een arts met behulp van patroonherkenning om de diagnose te bepalen.

Kunstmatige intelligentie technieken met behulp van diepe neurale netwerken, die een soort machine learning zijn, kunnen worden gebruikt om deze diagnostische machines te trainen. Machines leren snel en we hebben het niet over één enkele machine, maar over een netwerk van machines die wereldwijd via internet zijn verbonden, waarbij ze hun verzamelde gegevens gebruiken om verder te verbeteren.

Het gebeurt niet van de ene op de andere dag - het kost wat tijd om te leren - maar eenmaal getraind zal de machine alleen maar beter worden. Na verloop van tijd is een adequaat getrainde machine superieur in het herkennen van patronen dan welke mens ooit zou kunnen zijn.

Pathologie is nu een kwestie van laboratoria van meerdere miljoenen dollars, afhankelijk van schaalvoordelen. Het duurt ongeveer 15 jaar om de middelbare school te verlaten om een ​​opleiding te volgen patholoog om onafhankelijk te functioneren. Het duurt waarschijnlijk nog een 15-jaar voor de patholoog om zo goed te zijn als ze ooit zullen zijn.

Enkele jaren later gaan ze met pensioen en is al die kennis en ervaring verloren. Het zou toch beter zijn als die kennis zou worden vastgelegd en gebruikt door toekomstige generaties? Een robot-patholoog zou precies dat kunnen doen.

Radiologie, röntgenfoto's en nog veel meer

Radiologische tests zijn goed voor meer dan AUS $ 2 miljard van de jaarlijkse Medicare-uitgaven. In een 2013-rapport werd geschat dat in de 2014-15-periode 33,600,000 radiologisch onderzoek zou worden uitgevoerd in Australië. Een radioloog zou elk hiervan moeten bestuderen en een rapport moeten schrijven.

Radiologen lezen gemiddeld al meer dan zeven keer het aantal onderzoeken per dag dan vijf jaar geleden. Deze rapporten, zoals die geschreven door pathologen, zijn gebaseerd op patroonherkenning.

Momenteel worden veel radiologische tests die in Australië worden uitgevoerd door radiologen in andere landen, zoals het VK, gelezen. In plaats van een expert in Australië bij 3am uit bed te laten komen om een ​​hersenscan van een gewonde patiënt te lezen, kan het beeld in een geschikte tijdzone digitaal naar een arts worden gestuurd en vrijwel onmiddellijk worden gerapporteerd.

Wat als machines werden geleerd om röntgenfoto's te lezen die eerst met, en uiteindelijk in plaats van, menselijke radiologen werkten? Zouden we nog steeds mensen nodig hebben radiologen? Waarschijnlijk. Verbeterde beeldvorming, zoals MRI- en CT-scans, stelt radiologen in staat om enkele procedures uit te voeren die chirurgen nu uitvoeren.

Het gebied van diagnostische radiologie groeit snel. Op dit gebied zijn radiologen in staat aandoeningen te diagnosticeren en te behandelen, zoals bloedende bloedvaten. Dit gebeurt met minimaal invasieve technieken, waarbij draden door grotere vaten worden geleid om het punt van bloeden te bereiken.

Dus de radiologen kunnen uiteindelijk procedures uitvoeren die momenteel worden uitgevoerd door vasculaire en cardiale chirurgen. Het toegenomen gebruik van robot-geassisteerde chirurgie betekent dat dit waarschijnlijker is dan niet.

Er is nog veel meer aan de hand diagnose van een huidlaesie, uitslag of groei dan er gewoon naar te kijken. Maar veel van de diagnose is gebaseerd op de dermatoloog die de laesie herkent (opnieuw, patroonherkenning).

Als de diagnose onduidelijk blijft, wordt een deel van het weefsel (een biopsie) naar het laboratorium gestuurd voor een pathologische diagnose. We hebben al vastgesteld dat een machine dit laatste kan lezen. Hetzelfde principe is van toepassing op de herkenning van de huidlaesie.

Eenmaal herkend en geleerd, kan de laesie opnieuw worden herkend. Mobiele telefoons met hoogwaardige camera's kunnen linken naar een wereldwijde database die, net als elke andere database met leermogelijkheden, zal blijven verbeteren.

Het is niet zo, maar wanneer

Deze veranderingen zullen niet van de ene op de andere dag gebeuren, maar ze zijn onvermijdelijk. Hoewel veel artsen deze veranderingen als een bedreiging zullen zien, is de kans op wereldwijd goed ongekend.

Een röntgenfoto genomen in equatoriaal Afrika zou met dezelfde betrouwbaarheid kunnen worden gelezen als een opname in een Australisch topcentrum. Een aanstekelijke uitslag kan worden geüpload naar een telefoon en de diagnose wordt meteen gegeven. Veel levens zullen worden gered en de kosten van de gezondheidszorg voor de armen van de wereld kunnen minimaal zijn en in veel gevallen gratis.

Om dit te realiseren, zijn experts nodig om met machines te werken en ze te helpen leren. In eerste instantie kunnen de machines worden gevraagd om meer rechtlijnige tests uit te voeren, maar geleidelijk aan zullen ze worden aangeleerd, net zoals mensen de meeste dingen in het leven leren.

De medische professie moet deze kansen op verandering begrijpen en onze toekomstige jonge artsen moeten goed nadenken over waar de medische banen van de toekomst zullen liggen. Het is vrijwel zeker dat het medische werkgelegenheidslandschap in 15-jaren niet zal lijken op wat we vandaag zien.

Over de auteur

Ross Crawford, hoogleraar orthopedisch onderzoek, Queensland University of Technology; Anjali Jaiprakash, post-doctorale onderzoeksmedewerker, Medical Robotics, Queensland University of Technology, en Jonathan Roberts, professor in robotica, Queensland University of Technology

Dit artikel is oorspronkelijk gepubliceerd op The Conversation. Lees de originele artikel.

Verwante Boek:

at

Bedankt voor het bezoeken InnerSelf.com, waar er zijn 20,000+ levensveranderende artikelen waarin ‘nieuwe attitudes en nieuwe mogelijkheden’ worden gepromoot. Alle artikelen zijn vertaald naar 30+ talen. Inschrijven aan InnerSelf Magazine, dat wekelijks verschijnt, en Marie T Russell's Daily Inspiration. InnerSelf Magazine verschijnt sinds 1985.