The current roles of Artificial Intelligence in public health: A scoping review
Deze scoping review van publieke gezondheidspraktijken in hoge inkomenslanden van 2020 tot 2025 onthult een aanzienlijk gebrek aan bewijs met betrekking tot de real-world implementatie en de gemengde effectiviteit van AI-tools, wat de dringende behoefte onderstreept aan rigoureuze evaluatie en de verspreiding van resultaten om toekomstige adoptie te begeleiden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereld van de volksgezondheid voor als een enorme, drukke bibliotheek. De bibliothecarissen (volksgezondheidsprofessionals) proberen de gemeenschap gezond te houden, maar ze zijn vaak onderbezet, werken met een krap budget en verdrinken in het papierwerk. En dan komt Artificiële Intelligentie (AI) binnen: een nieuwe, supersnelle robotassistent die belooft het zware werk te doen, de planken te ordenen en zelfs met de bezoekers te praten.
Dit artikel is een "scoping review", wat eigenlijk een grote schatzoektocht is. De auteurs wilden weten: "Hoe worden deze robotassistenten op dit moment daadwerkelijk in de bibliotheek gebruikt?" Ze vroegen niet alleen wat de robots zouden kunnen doen; ze zochten naar bewijs van wat ze daadwerkelijk doen tijdens het werk.
Hier is wat ze vonden, eenvoudig uitgelegd:
De resultaten van de schatzoektocht
Het team doorzocht vier enorme digitale bibliotheken (databases) op zoek naar verhalen over het gebruik van AI in de volksgezondheid tussen 2020 en 2025. Ze zeefden 5.400 potentiële aanwijzingen en lazen 155 volledige verhalen, maar uiteindelijk vonden ze slechts 8 rapporten die lieten zien dat AI daadwerkelijk werd gebruikt in de praktijk van de volksgezondheid.
Het is alsoalsof je op zoek bent naar een specifiek type zeldzame vogel in een bos zo groot als een continent, maar slechts acht waarnemingen vindt. De auteurs realiseerden zich dat hoewel iedereen over AI praat, er heel weinig geschreven bewijs is van hoe het daadwerkelijk werkt in de dagelijkse taken van de volksgezondheid.
De acht verhalen die ze vonden
De acht rapporten die ze vonden, waren als acht verschillende gereedschappen in een gereedschapskist, elk gebruikt voor een specifieke taak:
- De behulpzame gids (De WIC-chatbot): In de VS hielp een chatbot genaamd "Maya" moeders bij het vinden van lokale voedingsprogramma's en het melden van verloren kaarten. Mensen vonden het prettig omdat het sneller was dan het bellen naar een hulplijn. Oordeel: Behulpzaam.
- De verwarde bibliothecaris (De WHO-chatbot): De Wereldgezondheidsorganisatie probeerde een chatbot genaamd "S.A.R.A.H" om de strijd tegen nepnieuws aan te gaan. Helaas gaf deze vaak slechte antwoorden, negeerde zorgen van gebruikers of klonk robotachtig. Het was zo ineffectief dat de WHO de chatbot uiteindelijk heeft uitgeschakeld. Oordeel: Een potentiële bedreiging voor het vertrouwen.
- De snelle sorteerder (Evidence Review Software): In Canada hielp een tool genaamd "DAISY" onderzoekers bij het sorteren van duizenden wetenschappelijke artikelen om de artikelen over COVID-19 te vinden. Het was ongelooflijk nauwkeurig en vond artikelen die mensen over het hoofd hadden gezien. Oordeel: Zeer nuttig voor het sorteren.
- De vriendelijke beller (CareCall): In Zuid-Korea deed een AI genaamd "CareCall" telefoontjes naar eenzame ouderen om te controleren of het goed met hen ging. Het werkte goed om meer mensen te bereiken, maar creëerde een nieuw probleem: wanneer de AI iemand niet kon bereiken, moesten menselijke medewerkers hen alsnog bellen, wat de werkdruk verhoogde. Oordeel: Een gemengd beeld van een goed bereik maar extra werk.
- De weervoorspeller (Machine Learning): In het VK werd AI gebruikt om te voorspellen wanneer ziekenhuizen overspoeld zouden worden door zieke kinderen (specifiek met hoestklachten en bronchitis). Het was vrij goed in het voorspellen van de "piektijden", waardoor ziekenhuizen zich konden voorbereiden. Oordeel: Nuttig voor de planning.
- De symptoomchecker (COVID-chatbot): In Canada hielp een chatbot genaamd "Chloe" mensen bij het controleren of ze COVID-symptomen hadden. Het gaf redelijke antwoorden op vragen, maar is niet langer actief. Oordeel: Gemengde nauwkeurigheid, nu gepensioneerd.
- De dubbelcontrole-vinder (Review Tools): In het VK hielpen AI-tools onderzoekers bij het verwijderen van duplicaten tijdens het beoordelen van bewijsmateriaal. Het bespaarde veel tijd, ook al miste het soms enkele duplicaten. Oordeel: Een tijdbespaarder.
- De beelddetective (Mpox App): In Singapore keek een app naar foto's van huiduitslag om te zien of het om Mpox ging. De app was vrij nauwkeurig in het herkennen van de uitslag. Oordeel: Effectief voor beelddetectie.
De belangrijkste les: "De kloof tussen hype en realiteit"
De belangrijkste les van dit artikel is dat we nog niet genoeg bewijs hebben.
Denk aan AI in de volksgezondheid als een nieuwe, dure motor voor een auto. Iedereen praat erover hoe snel hij zou kunnen gaan. Maar deze review vond echter dat heel weinig mensen de auto daadwerkelijk op een echte weg hebben gereden en de kilometerstand hebben genoteerd.
- Het goede: Sommige tools (zoals die voor het sorteren van artikelen of het voorspellen van drukte in ziekenhuizen) lijken goed te werken.
- Het slechte: Sommige tools (zoals de WHO-chatbot) faalden zo erg dat ze het vertrouwen in de organisatie daadwerkelijk schaden.
- Het lelijke: Soms creëert het gebruik van AI nieuwe problemen, zoals het moeilijker maken van het werk voor menselijke medewerkers omdat zij de fouten van de AI moeten herstellen.
Waarom is dit een probleem?
De auteurs wijzen erop dat de meeste van deze rapporten afkomstig zijn van grote, goed gefinancierde organisaties (zoals de WHO of nationale gezondheidsinstanties). Kleinere, lokale gezondheidsteams — die de hulp misschien wel het hardst nodig hebben — gebruiken AI wellicht ook, maar zij schrijven er niet over.
Omdat er zo weinig bewijs is, is het voor een team in de volksgezondheid moeilijk om te weten: "Moet ik deze AI-tool kopen? Zal het ons geld besparen? Zal het daadwerkelijk mensen helpen?"
De Conclusie
Het artikel eindigt met een simpel advies: Koop niet zomaar de glimmende nieuwe robot omdat het een trend is.
Als een team in de volksgezondheid AI wil gebruiken, moeten ze het eerst testen om er zeker van te zijn dat het daadwerkelijk werkt en geen schade berokkent. En als ze het testen, moeten ze hun resultaten met de rest van de wereld delen, zodat we eindelijk een echte "gebruiksaanwijzing" voor het gebruik van AI in de volksgezondheid kunnen opstellen. Tot die tijd vliegen we grotendeels blind.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.