Samenvatting
ICT speelt een belangrijke rol in het medisch-microbiologisch (MM) laboratorium en de infectieziektenzorgketen. Digitalisering heeft de kwaliteit, doelmatigheid en snelheid van onze dienstverlening aanmerkelijk verbeterd. Het digitaliseringsproces zal in de toekomst alleen maar verder versnellen, en biedt grote mogelijkheden voor de optimale uitoefening van de MM-professie. De uitdaging daarbij is gevoel te houden voor de menselijke maat, en gebruik te maken van ICT om de infectieziektenzorgketen te versterken. De digitale informatie die wordt gebruikt voor beleidsverbetering moet een zo reëel mogelijke afspiegeling van de werkelijkheid zijn. Daarbij moeten data-analyses op evenwichtige wijze worden uitgevoerd, zodat resultaten niet eenzijdig worden vertekend door het relatieve gemak waarmee data in een analyse kunnen worden betrokken en de verkregen resultaten ook werkelijk relevant zijn voor verbetering van de zorg. Ondersteuning van onze professie door artificial intelligence (AI) staat nog in de kinderschoenen maar zal ongetwijfeld belangrijker worden, in ieder geval in het laboratorium, en op epidemiologisch en diagnostisch gebied. Door het relatief eclectische karakter van het werk van de arts-microbioloog - ten opzichte van andere medisch-ondersteunende specialismen - is de definitieve rol en betekenis van AI voor onze discipline nog moeilijk in te schatten.

Summary
ICT plays an important role in the microbiology laboratory and the infectious disease service line. Digitization has considerably improved the quality, efficiency and speed of our services. The process of digitization will only speed up in the future, offering great possibilities for improvement of our professional output and impact. These possibilities come with challenges: how do we avoid losing touch with human dimensions? How do we use ICT to improve the infectious disease service line? How do we create a non-distorted digitized image of reality as a base for reliable data-analysis? How do we prevent health care policies in our field of activity being solely information-based, and skewed due to differences in attainability of relevant data? Artificial intelligence (AI) holds great promise for the near future and already has gained a firm foothold in the field of diagnostic imaging. In clinical microbiology possibilities for AI in the laboratory, and support in epidemiology and differential diagnosis are evident. However, at the moment the future impact of AI on the spectrum of our professional activities at the patient and population level is still difficult to ascertain.

Inleiding
De digitale revolutie die in de jaren 80 van de vorige eeuw is begonnen, heeft grote gevolgen voor de maatschappij en zeker ook voor de gezondheidszorg. Data worden op steeds grotere schaal vastgelegd en onafhankelijk van plaats en tijd toegankelijk gemaakt. Informatie kan steeds beter worden geaggregeerd en geanalyseerd. Data kunnen worden gepresenteerd in verschillende contexten waardoor beter overzicht wordt verkregen. Vakinhoudelijke kennis die vroeger opgeslagen lag in handboeken en bibliotheken is nu met een paar muisklikken onder handbereik. Daarnaast heeft de digitalisering ook ingrijpende gevolgen voor de wijze en intensiteit van communiceren en voor de manier waarop logistieke en productieprocessen worden ingericht en ondersteund.

Digitalisering in de medische microbiologie
In de medische microbiologie (MM), het ketenspecialisme bij uitstek, spelen informatie en communicatie een cruciale rol. Digitalisering heeft dan ook een grote impact op de wijze waarop ons vak wordt uitgeoefend. Het Laboratorium Informatie Management Systeem (LIMS) dat in de jaren 80 van de vorige eeuw zijn intrede deed, registreerde aanvankelijk alleen aanvraag en uitslag, maar ondersteunt inmiddels ook het laboratoriumproces. Onderdelen van het laboratoriumproces worden steeds vaker geautomatiseerd en gerobotiseerd, met bijvoorbeeld digitale beoordeling van kweekplaten. Kwaliteitshandboeken zijn gedigitaliseerd en standard operation procedures (SOP’s) kunnen nu tijdens de werkzaamheden eenvoudig digitaal worden geraadpleegd.

Artsen-microbioloog autoriseren vanaf het scherm, met de overige resultaten van onderzoek bij de betreffende patiënt onder handbereik. Consulten worden digitaal vastgelegd, zijn onderling inzichtelijk voor de vakgroep en kunnen via koppelingen worden getoond in het EPD. Ook voor de infectiepreventie zijn er wezenlijke implicaties: informatie die vroeger alleen kon worden verkregen met noest turven en het moeizaam handmatig samenbrengen van afzonderlijke datasets, kan nu geheel geautomatiseerd worden geaggregeerd uit LIMS en EPD, en worden getoond in dashboards en andere informatieve overzichten. Ook in de infectiepreventie worden processtappen steeds beter ondersteund door algoritmen. Door de koppeling van LIMS, consultmodule en voorschrijfsystemen ontstaan mogelijkheden om antibioticumgebruik en het verband met MM-resultaten en consultatie te analyseren en terug te koppelen aan de aanvrager.

Door lokale, regionale, landelijke en internationale aggregatie van data kunnen waardevolle overzichten worden gegenereerd van overdraagbare infectieziekten en antimicrobiële resistentie. De ongekende hoeveelheid informatie die wordt verkregen uit de sequenties van complete genomen van micro-organismen kan alleen worden gehanteerd dankzij krachtige analysesoftware.

Gevolgen van digitalisering voor de kwaliteit van MM dienstverlening
De digitalisering binnen de MM heeft de kwaliteit van onze dienstverlening op alle onderdelen verbeterd. Door digitale aanvragen kan meer gericht informatie worden verkregen over de precieze specificaties van het specimen, de doelstelling van de aanvrager en de klinische context. Monsterverwisselingen en het zoekraken van materiaal wordt voorkomen door tracking en tracing. Koppelingen van analyse-apparaten met het LIMS versnellen het proces en voorkomen vergissingen bij handmatig overschrijven van deelresultaten. Robotisering van de kweekprocedures reduceert handmatig werk en opent de deur naar verdere verkorting van de doorlooptijd door continue monitoring van kweken en gevoeligheidstesten. Door algoritmen kunnen standaardvervolgacties worden geïnitieerd, zoals het melden van relevante resultaten aan de afdeling Infectiepreventie of GGD.

Analisten kunnen voor hun keuzes tijdens het MM-onderzoek gemakkelijk de betreffende SOP’s, de overige onderzoeken bij dezelfde patiënt, de eerdere consulten van de arts-microbioloog en zo nodig het EPD raadplegen. Dit verbetert de kwaliteit van hun werk, hun gevoel van betrokkenheid en hun alertheid om de arts-microbioloog te attenderen op relevante voorlopige resultaten. Door digitale rapportage kan de aanvrager zonder tijdsverlies worden geïnformeerd, en wordt het eenvoudiger om frequenter voorlopige uitslagen te genereren.

De digitaal vastgelegde consultatie kan intern worden gebruikt bij de opleiding en tijdens overdrachten, wat leidt tot kritische reflectie en uniformiteit in het consultatieve beleid van de vakgroep. De verkorting van de doorlooptijd als gevolg van digitalisering en de zichtbaarheid en consistentie van de consulten van de arts-microbioloog versterkt een cultuur waarin het beleid bij patiënten met infectieziekten wordt bepaald door MM-resultaten en expertise. Deskundigen infectiepreventie worden beter en sneller voorzien van relevante informatie, terwijl ze minder tijd kwijt zijn aan het verzamelen van data. Digitalisering biedt nieuwe mogelijkheden voor surveillance van nosocomiale infecties.¹ Bril et al. beschrijven elders in dit tijdschrift hoe deskundigen infectiepreventie door goede digitale datapresentatie en procesondersteuning meer proactief kunnen opereren, meer effectief uitbraken kunnen voorkomen, en meer tijd voor hun kerntaken overhouden, zoals het verbeteren van het hygiënisch werken door het onderhouden van contacten met de werkvloer en audits.²

E-learning kan worden ingezet voor nascholing en verbeterde naleving van protocollaire afspraken door artsen en verpleegkundigen. Automatisering maakt een onderbouwd antibiotic stewardbeleid mogelijk. Regionale, landelijke en internationale aggregatie van resistentiedata leidt tot systematische monitoring van antibioticumresistentie en een vroeg zicht op de verspreiding van multiresistente stammen. Al deze door de digitale revolutie mogelijk gemaakte ontwikkelingen dragen bij aan betere behandeling en preventie van infecties, en leveren ons belangrijke wapens in de slag om het behoud van de effectiviteit van antibiotische therapie.

Gevolgen van de digitalisering voor de MM-organisatie
Naast deze vakinhoudelijke ontwikkelingen heeft digitalisering ook gevolgen voor de bedrijfsvoering en logistiek van de MM-organisatie. Door monitoring van productie en het inrichten van kostenplaatsen en -soorten kan de kostenontwikkeling van het laboratorium nauwlettend worden gevolgd en gebenchmarkt. ICT wordt gebruikt bij voorraadbeheer, inroostering en HR-overzichten voor salariëring, ontwikkeling van personeelskosten, nascholing en ziekteverzuim. Automatisering en robotisering van processen kunnen worden gebruikt om medewerkers efficiënter in te zetten. Door digitale communicatie lijkt de plaats waar onderzoek wordt uitgevoerd minder relevant te worden. Onderdelen van het laboratoriumproces kunnen worden gemonitord om via de plan-do-check-actcyclus de kwaliteit ervan te verbeteren. Ook het onderhoud van het kwaliteitssysteem zelf wordt digitaal gemonitord.

Randvoorwaarden voor succesvolle digitalisering
Succesvolle digitalisering stelt hoge eisen aan mens en organisatie, nog afgezien van de beschikbaarheid van hardware, applicaties en technische ondersteuning. Het tempo van de werkzaamheden is door de digitalisering steeds verder verhoogd. Er kan en moet steeds meer informatie worden verzameld. Keuzes in het vastleggen van informatie worden niet alleen op vakinhoudelijke gronden gemaakt, maar ook vanuit doelstellingen van bestuurders, overheid en verzekeraars. Bovendien is informatie alleen van betekenis als zij op de juiste wijze is vastgelegd. Dat betekent dat vaak relatief hoge scholing noodzakelijk blijkt voor op het oog eenvoudige invoer van data. Deze ontwikkelingen hebben ongetwijfeld bijgedragen aan de veelgehoorde klachten van overbelasting en demotivatie bij werkers in de gezondheidszorg, zeker ook omdat het voor degene die de gegevens invoert vaak discutabel of onbegrijpelijk is wat voor hem of überhaupt de zin van het vastleggen van de betreffende informatie is. Omdat zal blijken dat de informatiehonger niet eenvoudig te stillen is, verdient de vereenvoudiging van invoer van gegevens ook veel aandacht, bijvoorbeeld door patiëntparticipatie, invoer via spraak en eenmalige vastlegging aan de bron.

Behalve de hoeveelheid informatie speelt daarbij ook nog een rol dat deze informatie bij voorkeur geparametriseerd moet worden aangeleverd, om goed te kunnen worden geaggregeerd en geanalyseerd. De wijze van parametriseren en de gebezigde termen moet daarvoor zijn gestandaardiseerd. De noodzaak van parametrisering dwingt om intuïtief begrepen jargon om te bouwen tot formele statements en die breed in de discipline geaccepteerd te krijgen.

In ons vakgebied is daarbij een extra complicatie dat door verschillende partijen in de infectieziektezorgketen (laboratoria, ziekenhuizen, huisartsen, RIVM) in het kader van hun automatisering de eigen informatie al eerder is geparametriseerd op grond van de eigen (deel)behoefte. Het vereist dan een aanzienlijke inspanning om partijen met op punten verschillende belangen en de leveranciers van hun ICT-applicaties zover te krijgen dat zij hun parametrisering alsnog uniformeren zodat de databases van hun ICT-systemen op het gewenste niveau berichten met elkaar kunnen uitwisselen en ketencommunicatie tot stand komt. Voor een meer concrete bespreking van deze problematiek, zie verder het artikel van Thijsen elders in dit NTMM-nummer.³ Het is interessant hun verhaal te vergelijken met de ontwikkeling van PALGA, het landelijk informatiesysteem van de Pathologie dat al in de jaren 70 van de vorige eeuw landelijk werd opgezet, nog voor het begin van de lokale automatisering in PA-laboratoria.⁴

Strategische implicaties
Naast de nieuwe vakinhoudelijke mogelijkheden die digitalisering op dit gebied schept voor de medische microbiologie zijn er ook zeker risico’s voor het functioneren van de infectieziektenzorgketen. Robotisering van de werkvloer lijkt aanzienlijke doelmatigheidswinst te kunnen bieden door het opknippen van het laboratoriumproces in hoog- en laagcomplexe onderdelen. Dit laatste kan op gespannen voet staan met het gevoel van eigenaarschap, het werkplezier en de klinische betrokkenheid van de microbiologisch analist. De grote investeringen die robotisering vergt, kunnen leiden tot druk op de laboratoria om te centraliseren, met vergroting van de fysieke afstand in de infectiezorgketen tot gevolg.

Uiteindelijk zijn alle inspanningen van vastleggen, aggregeren en analyseren van data bedoeld om betekenisvolle informatie te vergaren als basis voor zinvol beleid. Niet alle zaken en menselijke interacties in de zorg lenen zich echter even goed voor de boekhoudtaal van ICT. Het is lastig te voorkomen dat er een digitale wereld wordt gecreëerd die een incomplete karikatuur van de weerbarstige werkelijkheid is. Niet alle datasystemen in het ziekenhuis zijn even gemakkelijk toegankelijk. Hun beheerders worden veel bevraagd en hebben eigen prioriteiten, nog los van privacy-issues. Analyses op grond van heterogene datasets uit verschillende datasystemen (zoals LIMS/consultmodule, EPD/ERP, elektronisch voorschrijfsysteem) zijn daarom niet alleen technisch, maar ook politiek veel lastiger te realiseren dan analyses van data enkel uit het eigen LIMS. Beoogde verbetering van beleid door middel van data-analyse kan daarom gemakkelijk uitmonden in sturing op doelmatigheid en kosten van het laboratoriumproces, in plaats van op maximalisatie van de veel minder gemakkelijk te meten toegevoegde waarde van de MM-dienstverlening.

Dergelijke analyses op deelniveau leiden vaak tot de conclusie dat de toekomst van MM-laboratoria ligt in consolidatie en ontschotting, los van de niet onverdeeld gunstige ervaringen daarmee in het buitenland. De toegevoegde waarde van de Nederlandse medische microbiologie beperkt zich echter niet tot de laboratoriumdiagnostiek maar is vooral gelegen in het integrale pakket van taken die samen bijdragen aan de optimalisering van de infectieziektenzorgketen. Daarmee ligt er een belangrijke taak voor artsen-microbioloog om in deze tijd van ‘value-based health care’ actief en creatief kwantificeerbare eindpunten van onze dienstverlening te definiëren, en om met behulp van geïntegreerde gegevens uit LIMS, consultbestanden, EPD en financiële systemen van het ziekenhuis te onderzoeken hoe de infectieketenzorg als geheel het best kan worden ingericht, met het laboratorium als belangrijke functionele schakel van die keten. De steun van data-scientists die we steeds meer binnen onze laboratoria zien verschijnen, is daarbij onontbeerlijk (zie ook Berends et al. elders in dit tijdschrift).⁵

Medische data uit zeer verschillende databronnen zijn steeds beter toegankelijk en kunnen steeds gemakkelijker worden gecombineerd en bewerkt. Dit levert zeer waardevolle informatie op die kan bijdragen aan de verbetering van de zorg, mits de interpretatie van dergelijke analyses op deskundige wijze geschiedt, informatiegenererende partijen gemotiveerd blijven om hun bijdrage te leveren, en de privacy van betrokken patiënten wordt gerespecteerd. Het is daarom belangrijk data-aanleverende partijen volwaardig te betrekken bij voorgenomen data-analyses, en vooraf goede afspraken te maken over eigenaarschap, zeggenschap en beheer van de gebruikte datasets.

De verantwoordelijkheid voor infectiepreventie en antibiotic stewardship in instellingen ligt van oudsher bij het bestuur en de professionals van de instelling zelf, die daarbij landelijke richtlijnen volgen. De mogelijkheid om door digitalisering en standaardisering op regionaal en nationaal niveau resistentie en verspreiding van overdraagbare ziekten gedetailleerd en zo goed als real time te analyseren, en de urgentie van het mondiale resistentieprobleem kunnen leiden tot discussies of naast strategische ook operationele beslissingen op dit gebied niet beter centraal kunnen worden genomen. Het lijkt echter riskant infectieziektenbeleid te baseren op geavanceerde data-analyse alleen, zonder de lokale context te verdisconteren waarin dit beleid zal moeten worden uitgevoerd. Alleen als beleid niet enkel zinvol maar ook begrijpelijk en uitvoerbaar is, kan worden verwacht dat gezondheidswerkers (en patiënten!) er zich aan zullen willen committeren. Op grond van zijn expertise en bekendheid met de plaatselijke verhoudingen heeft de arts-microbioloog alle recht en reden om ook in het digitale tijdperk voor dit deel van de infectieziektenzorgketen zijn verantwoordelijkheid te blijven nemen.

De toekomst: de rol van kunstmatige intelligentie in de medische microbiologie
De blijvende noodzaak van kostenbeheersing en verbetering van kwaliteit en doelmatigheid zullen ook in de toekomst aanjagers van een voortgaande digitale revolutie zijn, nog los van het ogenschijnlijke autonome karakter van het proces. Tot nu toe wordt digitalisering in de medische microbiologie ingezet voor communicatie, robotisering en het optimaal presenteren van data voor verbetering van het laboratoriumproces, en ondersteuning van de werkzaamheden van arts-microbioloog en deskundigen infectiepreventie. Daarbij zijn de interpretatie van data en het maken van beleidskeuzes nog het prerogatief van de humane expert. Wereldwijd werken commerciële partijen hard aan de opbouw van grote gestructureerde medische databases die kunnen worden benaderd met behulp van kunstmatige intelligentie (artificial intelligence, AI). Naar verwachting zullen krachtige AI-tools met zelflerend vermogen in de nabije toekomst een rol krijgen naast, of soms zelfs in plaats van de huisarts en specialist. Recente voorbeelden hiervan zijn programma’s zoals Babylon AI, dat via een interactieve app onlineconsultatie voor patiënten in de eerste lijn aanbiedt, en daarbij samenwerkt met onder meer de Britse National Health Service.^6,7

De toepassing van AI neemt ook een hoge vlucht in medisch ondersteunende specialismen, met name de radiologie en pathologie.^8,9,10 Het menselijk denken berust op het herkennen van patronen in sensorisch verkregen informatie en het leggen van relaties tussen deze patronen en fenomenen in de buitenwereld die we willen doorgronden en eventueel beïnvloeden. AI maakt gebruik van dezelfde patroonherkenning waarbij de computer wordt beperkt door het feit dat hij geen eigen sensorium heeft, maar voor zijn beeld van de buitenwereld afhankelijk is van (vooralsnog) door mensen aangeboden bits en bytes. Beeldvorming is relatief gemakkelijk geschikt te maken voor interpretatie door AI-systemen omdat het hier patroonherkenning in eenduidige en homogene datasets betreft, zoals een gedigitaliseerde CT-scan of H-E-coupe. Er wordt daarbij onderscheid gemaakt tussen machine learning (het herkennen van door de mens gedefinieerde fenotypische entiteiten) en deep learning (zelflerende systemen die interpreteren op grond van zelf-achterhaalde patronen die niet per se ook voor de mens als zodanig herkenbaar zijn).

Een voordeel van AI-systemen is dat ze niet zoals de mens kwalitatief en subjectief interpreteren, maar kwantitatief en objectief, en potentieel op basis van een veel groter hoeveelheid data. De grootste beperking van de toepassing van technieken in de klinische setting is de gedigitaliseerde beschikbaarheid van voldoende grote collecties van casuïstiek waarbij de informatie uit beeldvorming betrouwbaar is gekoppeld aan een histopathologische/ klinische gouden standaard (bijvoorbeeld van een PET/CT-scan aan de definitieve typering en stadiëring van een kleincellig longcarcinoom). Het meeste onderzoek op dit gebied wordt tot nu toe gedaan in het kader van oncologie. Het is echter zeker voorstelbaar dat bijvoorbeeld de matige correlatie die nu wordt gevonden tussen de soort afwijkingen op X-thorax of CT-thorax en de aard van de verwekker van de lagere luchtweginfectie met behulp van AI sterk kan verbeteren.

Geautomatiseerde patroonherkenning begint ook binnen de medische microbiologische laboratoria ingang te vinden. Geautomatiseerde interpretatie van Gram-preparaten van bloedkweken is beschreven,¹¹ evenals intelligente beeldanalyse van kweekplaten met gebruikmaking van algoritmen voor automatische detectie, kwantificering en identificatie van bacterie-kolonies.¹²

Op het gebied van infectiepreventie zal het geautomatiseerd detecteren van (dreigende) ziekenhuisverheffingen van bepaalde BRMO op basis van systematische surveillance van MM-laboratoriumuitslagen snel ingang vinden.¹³ Ook dit zijn voorbeelden van patroonherkenning in relatief eenduidige en homogene datasets. Wereldwijd komen steeds meer digitale gegevens publiek beschikbaar, bijvoorbeeld via de sociale media. Een deel van deze gegevens kan worden gebruikt als surrogaatdata om incidentie en verbreiding van overdraagbare infectieziekten beter in kaart te brengen. Hier is de uitdaging om heterogene gegevens op de juiste manier te combineren, en signaal van ruis te onderscheiden, om voldoende betrouwbaarheid te verkrijgen.¹⁴

Gaat AI ook daadwerkelijk taken van de arts-microbioloog overnemen? Softwarepakketten zoals Gideon zijn in staat infectiologische diagnoses te stellen op grond van symptomen, afwijkingen bij lichamelijk onderzoek en geografie, uitgaande van een database gevuld met tekstboekgegevens en epidemiologische informatie van de WHO.¹⁵ Deze tool is goed in staat op basis van deze informatie overdraagbare infectieziekten te herkennen of een differentiaaldiagnose te suggereren. Lastiger ligt bij de infecties met verwekkers die potentieel uit de eigen residente flora afkomstig zijn, waarvan sprake is in een groot deel van gevallen waarbij de arts-microbioloog advies geeft. De interpretatie van de betekenis van de uitkomst van (vaak incompleet) diagnostisch onderzoek voor het klinisch beeld van de patiënt is afhankelijk van factoren die per casus sterk wisselen. Daarmee laten dit soort vraagstukken zich minder eenvoudig geschikt maken voor ondersteuning door AI. Dat geldt evenzeer voor het therapeutisch beleid dat niet alleen wordt bepaald door de gevoeligheid van de verwekker en de aard van de infectie maar ook door zaken als de comorbiditeit van de patiënt en het bredere doel (curatief of palliatief) van de klinische behandeling. Nog weer complexer ligt het voor de bijdragen van de arts-microbioloog aan patiëntoverstijgend beleid: infectiepreventie, public health en antibiotic stewardship. Al met al kan met op grond van de snelle ontwikkelingen een belangrijke rol van AI ook in ons specialisme worden verwacht. Op welke onderdelen en met welke impact dit precies zal zijn, laat zich op dit moment nog lastig voorspellen.