Mayo Clinic heeft 150 AI-modellen in gebruik

Het Amerikaanse Mayo Clinic heeft inmiddels zo’n 150 AI-modellen draaien in zijn zorgsysteem, van hulp bij dossieronderzoek tot vroege kankerdetectie en triage op de spoedeisende hulp. Dat meldt Becker’s Hospital Review op basis van uitspraken van Matthew Callstrom, radioloog en medisch directeur van het generatieve-AI-programma van de kliniek. Nederlandse vakuitgave ICT&health nam de cijfers over.

Wat die 150 modellen doen

Mayo Clinic behandelt jaarlijks 1,3 miljoen patienten uit meer dan 130 landen, en dat archief vormt de basis onder vrijwel elk model. Een van de bekendste toepassingen heet Record Time, gebouwd samen met Scale AI. Het gereedschap zet een patientdossier chronologisch op een rij en tilt de belangrijkste feiten naar boven, zodat een arts niet meer zelf door tientallen pagina’s hoeft te bladeren. Volgens Mayo scheelt dat vijf tot dertig minuten voorbereiding per patient.

Andere modellen mikken op vroegtijdige signalen. REDMOD, gericht op alvleesklierkanker, herkende in evaluatie 73 procent van de gevallen die later daadwerkelijk werden gediagnosticeerd, gemiddeld zestien maanden voordat de diagnose viel. Een systeem dat patienten selecteert voor palliatieve zorg leidde tot 44 procent meer tijdige doorverwijzingen. Het triagemodel voor de spoedeisende hulp is getraind op 49.350 bezoeken.

Pathologie als proeftuin

De grootste dataset zit in de pathologie. Het Atlas-model, ontwikkeld met het Duitse Aignostics en Charite-Universitatsmedizin Berlin, is getraind op ruim 1,2 miljoen digitale coupes. Via het Fusion AP-platform komt daar toegang bij tot 22,6 miljoen gescande preparaten. Dat is precies het soort schaal waar beeldherkenning het goed doet: veel voorbeelden, duidelijke annotaties, herhaalbare beoordelingen.

Voor de rekenkracht en de infrastructuur leunt Mayo op partners. Google Cloud loopt sinds 2019 met een tienjarig contract, en verder staan Microsoft, NVIDIA, Cerebras, Techcyte, Bayesian Health en Predicate AI op de lijst. Niet elk model is klinisch in gebruik; een deel zit nog in validatie of ontwikkeling. Die tussenstap is geen formaliteit, want een model dat in retrospectief onderzoek goed scoort kan in de dagelijkse praktijk alsnog tegenvallen.

De arts blijft aan zet

Callstrom trekt in het artikel een scherpe lijn: AI neemt het zoeken en ordenen van informatie over, de diagnose en de behandelbeslissing blijven bij de arts. Die taakverdeling zie je vaker terugkomen in medische AI. Google liet met AMIE in videoconsulten op huisartsniveau zien hoever een gespreksmodel kan komen, maar ook daar bleef de menselijke controle het sluitstuk. Onderzoek naar AI-uitleg bij huidziekten wees uit dat dezelfde toelichting een arts helpt en een leek juist op het verkeerde been zet.

Wat betekent dit

Honderdvijftig modellen in een enkel ziekenhuisnetwerk laat zien dat medische AI voorbij de pilotfase is. De winst zit voorlopig niet in spectaculaire diagnoses maar in tijd: minder voorbereiding, eerdere signalen, snellere doorverwijzing. Tegelijk groeit het beheersvraagstuk. Elk model heeft data, rekenkracht en periodieke hertoetsing nodig, en 150 stuks tegelijk bijhouden is een vak apart. Voor Nederlandse zorginstellingen die nu naar AI op wearables of naar gekoppelde gezondheidscoaches kijken, is dat de echte les uit Rochester: het bouwen is het begin, het onderhouden is het werk.