Van een smartwatch die de progressie van de ziekte van Parkinson in kaart brengt tot een robot die treinreizigers de weg wijst. Met AI bedenken wetenschappers oplossingen voor medische en maatschappelijke problemen. Vox licht er vijf uit.

1. Het in kaart brengen van de ziekte van Parkinson met een smartwatch

Met bijna 12 miljoen patiënten is parkinson de snelst groeiende hersenziekte ter wereld. Een ingewikkelde ziekte met een veelheid aan symptomen – van motorische achteruitgang tot cognitieve en emotionele problematiek – die bovendien steeds meer jonge mensen treft. Talloze onderzoekers werken aan behandelingen die de ziekte kunnen afremmen.

Maar hoe meet je de effectiviteit van die behandelingen? Dat is complex, zegt onderzoeker Luc Evers van het AI for Parkinson-lab. ‘Omdat parkinson zich vaak erg langzaam ontwikkelt, is het lastig om de effecten van een nieuwe therapie aan te tonen op basis van korte ziekenhuisbezoeken waarin de patiënt testjes uitvoert’, vertelt hij. ‘Zo’n bezoek is een momentopname. Hoe een patiënt presteert, hangt onder andere af van hoe gestrest iemand op dat moment is en of er net medicatie is ingenomen.’

Sensorsignalen
Het horloge lijkt een beetje op de consumentenhorloges van Garmin of Fitbit. ‘Alleen maken wij gebruik van ruwe sensorsignalen’, legt Evers uit. ‘We meten de hartslag en de bewegingen die iemand maakt op heel hoge frequentie, 100 metingen per seconde. Vervolgens gebruiken we AI om in die signalen patronen te herkennen die specifiek iets zeggen over parkinson. We kunnen uit die data niet alleen afleiden hoe actief mensen zijn, maar bijvoorbeeld ook wanneer mensen trillen, hoe hun looppatroon eruitziet en of daarin afwijkingen te zien zijn.’

‘We meten de hartslag op heel hoge frequentie’

Ook voor de behandeling van individuele patiënten kan de smartwatch mogelijk een verschil gaan maken. ‘Omdat de symptomen sterk kunnen wisselen gedurende de dag, is het vaak lastig om een effectief medicijn- of beweegschema te vinden. Als een horloge die verschillen kan meten, wordt het voor een zorgverlener makkelijker om de behandeling af te stemmen op het individu.’

De algoritmes die Evers en zijn team ontwikkelden om de data van de parkinson-smartwatch te analyseren, zijn onlangs openbaar gemaakt. ‘Deze ParaDigMa-toolbox stelt onderzoekers wereldwijd in staat om zelf parkinsonklachten in kaart te brengen op basis van sensordata van smartwatches.’

Evers ontwikkelde daarom een smartwatch die onderzoekers in staat stelt om met behulp van digitale parameters de progressie van de ziekte over langere tijd in kaart te brengen. In een grootschalige studie die hij opzette droegen zo’n zeshonderd mensen met vroege parkinson dag en nacht zo’n apparaat. Twee tot drie jaar lang. Dat resulteerde in een enorme hoeveelheid gegevens. ‘Omdat zo’n smartwatch voortdurend de hartslag en bewegingen van patiënten meet, hopen we de werking van een nieuw medicijn in de thuissituatie veel sneller én completer in beeld te brengen.’

2. Het berekenen van betrouwbare routes op het elektriciteitsnet

Met een overvol stroomnet neemt de kans op overbelasting en stroomstoringen toe. Netbeheerders moeten ervoor zorgen dat het elektriciteitsnet betrouwbaar blijft. Als er bijvoorbeeld een stroomkabel uitvalt, wordt de stroom via andere routes omgeleid, zodat de lampen gewoon blijven branden. Maar die alternatieve routes worden door de omleiding ook hoger belast, wat weer voor nieuwe problemen kan zorgen. Om die voor te zijn testen net beheerders op voorhand of de alternatieve routes die extra belasting wel aankunnen. Tot voor kort gebeurde dat met wiskundige (computer)berekeningen die de mogelijke omleidingsroutes stuk voor stuk controleerden. Een tijdrovende klus die uren duurt.

Promovendus Charlotte Cambier van Nooten onderzocht in opdracht van netbeheerder Alliander of dat met AI sneller kan.

Nieuwe methode

‘Omdat het zo druk is op het net, wil je liever niet dat het iedere keer uren duurt als je kleine aanpassingen wil testen’, legt Cambier van Nooten uit. Met behulp van machine learning ontwikkelde de promovendus samen met collega’s een nieuwe methode. ‘In plaats van naar elke route apart, bekijkt deze methode het hele netwerk als één geheel. In slechts enkele seconden kunnen we nu aangeven welke alternatieve routes wel en welke minder goed werken, dat is duizend keer sneller dan voorheen.’ De werkwijze is bovendien 5 procent nauwkeuriger dan traditionele methoden.

De onderzoekers hebben hun model getraind met veel verschillende data, zodat ze het bij een nieuwe situatie slechts een beetje hoeven aan te passen. ‘Het stroomnetwerk in een stad als Nijmegen verandert regelmatig, want er komen nieuwe huizen, bedrijven of hele woonwijken bij. Je wilt niet dat je bij iedere toevoeging je model opnieuw moet trainen, dat is heel kostbaar’, aldus Cambier van Nooten.

‘Deze methode werkt duizend keer sneller’

Nieuwe methoden als deze zorgen uiteindelijk voor een meer betrouwbare stroomvoorziening. ‘In de huidige situatie van een overvol stroomnet maakt onze methode het mogelijk om alle ruimte op het net goed te benutten en veranderingen op voorhand te testen. Als we het laten zoals het is, dan zijn de problemen over tien jaar nog groter en zitten we misschien veel vaker zonder stroom.’ Netbeheerder Alliander is inmiddels begonnen met de implementatie van deze nieuwe technologie.

3. Het menselijker maken van een hulprobot

Chatbots zoals ChatGPT en DeepSeek kennen we nu wel. Maar wat nu als je ook een face to facegesprek kunt voeren met AI? De Furhat Robot – vernoemd naar de muts die de robot droeg tijdens een van de eerste presentaties – noemt zichzelf een ‘sociale robot’. Tijdens de realtime-gesprekken die je ermee kunt voeren maakt de robot oogcontact, toont hij gezichtsuitdrukkingen en detecteert hij emoties van de gesprekspartner. Allemaal aan de hand van AI.

‘Bij intensief oogcontact kijken mensen sneller weg’

Chinmaya Mishra, verbonden aan het Max Planck Instituut in Nijmegen, onderzoekt hoe hij het contact tussen de Furhat Robot en mensen nog natuurlijker kan maken.

Een van zijn bevindingen is dat mensen bij intensief oogcontact door de robot geneigd zijn vaker weg te kijken.

De Furhat Robot bestaat uit een hoofd op een voetstuk met de projectie van een gezicht, dat kan variëren in huidskleur, gender en gelaatstrekken. De robot is niet statisch, maar kan knikken, schudden en draaien. Ingebouwd in het voetstuk zit een camera, die het gezicht van de gesprekspartner observeert.

Slechtnieuwsgesprekken

Om alle functies van Furhat mogelijk te maken, werken er meerdere AI-systemen parallel aan elkaar. Die analyseren de gezichtsuitdrukkingen van de persoon tegenover het robothoofd en converteren zijn of haar uitspraken naar tekst. Dan is er nog een systeem dat een reactie met een bijpassende gezichtsuitdrukking genereert én een die zorgt voor de juiste uitspraken van de robot.

Furhat is al te bewonderen als receptionist bij een bibliotheek in Stockholm. En bij de Deutsche Bahn wijst hij treinreizigers de weg. In Nederland gebruikt de Rabobank de robot om medewerkers te trainen in slechtnieuwsgesprekken. In de toekomst zou Furhat zich ook nuttig kunnen maken in de ouderenzorg. ‘Je kunt denken aan een gesprekspartner of aan een hulp om elektronische apparaten aan te sturen.’ Mishra ziet ook mogelijkheden bij het begeleiden van autistische kinderen. ‘Kinderen die moeite hebben met het herkennen van emoties kunnen dit oefenen met Furhat.’

Nu doen ze dat vaak met afbeeldingen, maar dat is lang niet zo echt, aldus de onderzoeker. Een robot die menselijke emoties toont, herkent, gesprekken kan voeren… Moeten we al vrezen voor een robotinvasie? Mishra lacht. ‘Het is een grapje hier op het instituut dat het maar goed is dat Furhat geen armen of benen heeft.’

4. Het ontwikkelen van een leesapplicatie op maat voor leerlingen

Wie dit leest kan het al, letters en lettercombinaties herkennen en deze verbinden tot woorden en zinnen. Ook wel ‘technisch lezen’ genoemd. P-oe-s is poes en b-a-k is bak. Pas als een kind goed en snel woorden kan lezen, kan het zich beter richten op de inhoud van een tekst.

‘Kinderspraak is voor AI moeilijk te analyseren’

Niet voor niks dus dat in de eerste basisschooljaren veel nadruk ligt op het bijbrengen van deze vaardigheid. ‘Het oefenen hiermee is een tijdrovend proces’, vertelt co-creatiemanager Eva van de Sande van het Nationaal Onderwijslab AI (NOLAI). ‘Om inzicht te krijgen in wat kinderen al kunnen, moeten ze doorgaans in één minuut zoveel mogelijk woorden voorlezen. Voor leraren is het dan vrijwel onmogelijk om van iedere leerling te zien welke klanken en woorden nog meer oefening vergen. Terwijl gerichte sturing een leerling juist verder kan helpen.’

In het project Technisch leren lezen met ASR (Automatic Speech Recognition) ontwikkelt NOLAI samen met scholen, wetenschappers en het bedrijfsleven een leesapplicatie op basis van automatische spraakherkenning. Die biedt leerlingen oefeningen op maat en leerkrachten inzichten in de ontwikkeling van de leerlingen op klank- en woordniveau. ‘Dankzij spraaktechnologie kun je kinderen iets hardop laten voorlezen en uit die opname informatie halen over wat een kind wel en nog niet kan’, vertelt Van de Sande. ‘Een kind kan bijvoorbeeld moeite hebben met de au- of juist de sch-klank, of met langere woorden.’

Akoestische dataset

Met de verkregen informatie kan een leerkracht sneller zien waar een kind vastloopt en welke specifieke oefenopdrachten het nodig heeft. Of juist vaststellen dat een leerling vooroploopt en wel wat extra uitdaging mag krijgen. Bij de ontwikkeling van de applicatie komt wel het nodige kijken. ‘Kinderspraak is voor AI veel moeilijker te analyseren dan volwassenenspraak’, legt Van de Sande uit. ‘Kinderen spreken vaak sneller en hebben een heel hoge toonhoogte.’

Voor dit project stellen de onderzoekers daarom een akoestische dataset samen met kinderstemmen uit verschillende delen van het land. Dit maakt de applicatie geschikt voor die brede diversiteit aan stemmen, intonaties en uitspraak.

‘We trainen de applicatie met veel verschillende klanken. Neem bijvoorbeeld de letter ‘e’; die klinkt in een woord als redeneren iedere keer net een beetje anders. Of neem de zachte ‘g’ van een kind uit Limburg.’

De ASR-leesapplicatie komt snel beschikbaar voor scholen, is de intentie van de ontwikkelaars. Binnenkort wordt die getest op verschillende scholen.

5. Het verbeteren van de diagnose en de behandelkeuze bij lage rugpijn

Lage rugpijn is een veelvoorkomend probleem, vooral bij ouderen. De onderliggende oorzaak is echter vaak moeilijk vast te stellen. Hoewel MRI-scans verschillende afwijkingen in de wervelkolom kunnen tonen, blijft het voor radiologen een uitdaging om te bepalen welke daarvan de pijn veroorzaakt. Voor zijn promotieonderzoek in het Radboudumc onderzocht Jasper van der Graaf of AI daarin een handje kan helpen.

‘De technologie werkt soms beter dan een arts’

In een eerste fase onderzocht Van der Graaf welke MRI-kenmerken rugpijn veroorzaken, zoals ingezakte of uitpuilende tussenwervelschijven. Met behulp van vijfhonderd scans trainde hij AI-modellen in de herkenning van deze afwijkingen. ‘Het AI-model moest leren waar het op de scan naar moest kijken’, legt de onderzoeker uit. Omdat er geen standaardsoftware voor dit doel bestaat, programmeerde hij alles zelf in Python.

Meer begrip

De modellen die Van der Graaf ontwikkelde, kunnen automatisch en precies afwijkingen zoals scoliose en zenuwvernauwingen herkennen op een MRI- scan. Dat helpt artsen bij de inschatting of een operatie zinvol is of niet. Van der Graaf: ‘Veel patiënten met lage rugpijn ondergaan een operatie, maar een groot deel blijft ontevreden. Als we beter kunnen voorspellen of een patiënt baat heeft bij een ingreep – door het profiel te vergelijken met dat van honderden vergelijkbare patiënten – kunnen we onnodige operaties voorkomen en alternatieve behandelingen aanbieden.’

Volgens Van der Graaf analyseert AI in sommige gevallen nu al nauwkeuriger dan een arts. Dat is niet alleen handig voor artsen bij het nemen van medische beslissingen, maar ook voor patiënten kan het zinvol zijn. ‘Een arts die simpelweg zegt: “We gaan niet opereren” stuit soms op weerstand’, legt hij uit. ‘Maar als je laat zien dat vergelijkbare patiënten ook niet gebaat waren bij een operatie, kan er meer begrip komen voor een andere behandeling.’ Volgens de onderzoeker zijn nog niet alle artsen overtuigd van de winst door AI. ‘Maar inmiddels is aangetoond dat de technologie voor sommige diagnoses net zo goed, of zelfs beter werkt dan de beoordeling van een arts.’

Het AI-model dat Van der Graaf ontwierp is voorlopig nog niet geïntegreerd in de behandelpraktijk van ziekenhuizen. ‘Een volgende promovendus moet het onderzoek voortzetten en de algoritmes verder verfijnen, maar daarvoor is eerst financiering nodig.’