Het gaat er niet om dat we AI gebruiken omdat het kan, maar omdat elke euro die we efficiënter besteden, direct bijdraagt aan ons doel: kanker voorkomen, genezen en ondersteunen.”
AI in oncologie: levens redden met data
KWF financiert jaarlijks honderden onderzoeksprojecten en het aantal projecten waarin AI wordt ingezet groeit snel. Een greep uit aantal onderzoeken:
- Borstkanker: AI-systemen ondersteunen bij het opsporen van tumoren en bieden radiologen een tweede paar ogen.
- Slokdarmkanker: wat met het blote oog nauwelijks waarneembaar is, kan door AI al in een vroeg stadium worden ontdekt, waardoor de overlevingskansen sterk stijgen.
- Hersentumoren: DNA-onderzoek duurt normaal twee weken. Met AI-gestuurde apparatuur krijgt de chirurg tijdens de operatie al inzicht in het type tumor, waardoor de strategie direct kan worden aangepast.
“Eén op de twee mensen krijgt ooit kanker. Jaarlijks horen 130.000 Nederlanders die diagnose. Linksom of rechtsom komt iedereen ermee in aanraking.” De urgentie is groot, benadrukt Ourahou. “Daarom is elke innovatie die kan bijdragen baanbrekend.”
De grootste revolutie van onze tijd
Twee jaar geleden, bij de opkomst van generatieve AI, legde Miloud Ourahou dit onderwerp voor aan het managementteam: “We weten nog niet precies wat, maar dit is technologie die we moeten testen. Vanaf daar verspreidde het zich als een olievlek.”
Ourahou noemt AI de grootste technologische revolutie van onze tijd. Toch faalt volgens een MIT-onderzoek maar liefst 95% van de AI-pilots. “Niet omdat de technologie niet werkt, maar omdat organisaties nog niet weten hóe ze AI goed moeten toepassen.”
Dat inzicht leidde tot een belangrijke conclusie: AI mag nooit een doel op zich zijn. “Als het slechts een los tooltje is, gaat het falen. Het moet ingebed zijn in bestaande werkprocessen.”
Lessen uit een experiment met een chatbot
Ook KWF maakte dat zelf mee. Een van de eerste projecten was een chatbot om actievoerders sneller van antwoorden te voorzien en het serviceteam te ontlasten. “Het resultaat: geen chatbot op de website,” lacht Ourahou.
De chatbot had niet direct het gewenste resultaat. Ten eerste omdat de basisdata onvoldoende waren. “Een chatbot op basis van websiteteksten werkt niet. Die teksten zijn gemaakt om snel te lezen, niet om interne processen volledig in kaart te brengen. AI is daarin net zo goed als de data die je erin stopt.” Daarnaast bleek de dynamische informatie te ingewikkeld. Informatie over collectes verschilt bijvoorbeeld per postcode en verandert regelmatig en dat is lastig voor een model om bij te houden.
De les was helder: AI faalt zelden op techniek, maar vaak op context en kennis. “Je kunt wel een externe expert invliegen die iets maakt, maar uiteindelijk moeten je eigen mensen begrijpen hoe AI werkt. Training en educatie zijn daarom cruciaal.”
Van machine learning naar organisation learning
De mislukte chatbot werd een keerpunt. Niet langer losse tools testen, maar organisatiebreed leren hoe je AI inzet.
AI is probabilistisch. Het geeft voorspellingen, geen vaste uitkomsten. Dat vraagt een heel andere manier van denken dan bij bijvoorbeeld de implementatie van een nieuw CRM of website.”
KWF ontwikkelde daarom tooling waarmee medewerkers zelf konden nadenken: waar kan AI een rol spelen in mijn werk, en waar niet? Het leverde meer dan 200 use cases op, waarvan sommige direct konden worden doorgevoerd. “Mensen in de organisatie weten vaak heel goed wat ze nodig hebben. Als AI-expert krijg je zo een veel realistischer beeld en betere use cases.”
Van idee naar impact: concrete successen
De nieuwe aanpak werpt zijn vruchten af. Enkele succesvolle implementaties zijn:
- AI-commissie secretaris: KWF financiert jaarlijks ongeveer honderden onderzoeken. De beoordelingscommissie schreef normaliter handmatig terugkoppelingen – een proces van 5 uur. Met AI is dat teruggebracht naar 10 minuten.
- Budget checker: AI ondersteunt bij het controleren van onderzoeksbudgetten en checkt bijvoorbeeld of dierproeven écht noodzakelijk zijn.
- Automatische actievoorwaarden checker: AI scant acties van fondsenwervers (zoals een biertocht) en blokkeert initiatieven die niet voldoen aan de voorwaarden.
“Het mooie is dat succesvolle toepassingen intern een sneeuwbaleffect creëren. Andere teams gaan meteen nadenken: waar kunnen wij AI inzetten?”
Leren van hoe AI leert
AI-systemen leren van menselijke data. Maar volgens Ourahou kan het ook andersom: “Wat kunnen wij leren van hoe machines leren?”
De essentie van AI is eindeloos experimenteren: testen, falen en opnieuw proberen. “Niet alles lukt, en dat is niet erg.” In een demo werkt een AI-oplossing bijvoorbeeld vaak perfect, maar zodra deze in de praktijk rekening moet houden met andere processen, blijkt hoeveel extra kennis nodig is.
Kies daarom niet alleen voor de meest sexy of futuristische toepassingen, maar kijk naar wat dicht bij de mensen ligt. Waar hebben zij écht iets aan en waar kunnen ze direct mee werken. Juist de degelijke, praktische ideeën maken uiteindelijk het grootste verschil.
De toekomst: AI-agents en een tweede kans voor de chatbot
Wat volgens Ourahou de komende tijd écht impact gaat hebben, zijn AI-agents. “Binnen een jaar zie ik daar enorme winst. Maar de échte kracht zit niet in de technologie zelf, maar in het feit dat de organisatie leert hoe ze AI kan gebruiken.”
En de chatbot? Met de geleerde lessen in het achterhoofd krijgt deze een tweede kans. “Geen medische vragen natuurlijk, maar voor praktische en ondersteunende zaken kan het zeker waardevol zijn.”
Van experimenteren naar impact
Ourahou vat zijn visie kernachtig samen: “AI draait om experimenteren, vallen en opstaan. Dat is geen falen, maar leren. En zorg dat je organisatie weet hoe ze met de techniek om moeten gaan.”
Bij KWF leidt dat niet alleen tot efficiëntere processen, maar uiteindelijk tot het belangrijkste doel: méér middelen voor baanbrekend kankeronderzoek.
Over de spreker: Miloud Ourahou
Miloud Ourahou houdt zich al acht jaar bezig met AI. Hij studeerde Big Data Analytics in Hongkong en volgde de postgradute-opleiding AI for Leaders aan de University of Texas, met een focus op de implementatie van AI in organisaties.
