Algemene Natuurwetenschappen · Klas 6 VWO · Gezondheid en Technologie · 4.º Período

Kunstmatige intelligentie in de zorg

Leerlingen onderzoeken hoe AI wordt ingezet voor diagnoses en gepersonaliseerde behandelingen. Ze reflecteren op de privacy- en ethische aspecten van deze technologie.

Kort samengevat:Kunstmatige Intelligentie (AI) transformeert de gezondheidszorg in een razendsnel tempo. In VWO 6 onderzoeken leerlingen hoe algoritmes worden getraind om medische beelden te analyseren, ziektes te voorspellen en gepersonaliseerde behandelplannen te maken. We kijken naar de techniek achter 'machine learning' en de noodzaak van grote, kwalitatieve datasets. Het onderwerp verbindt informatica met biologie en ethiek.

• SLO Kerndoelen en Eindtermen
• Domein B: Kennis van natuurwetenschappen en technologie
• Domein C: Wetenschap en samenleving

Over dit onderwerp

Kunstmatige Intelligentie (AI) transformeert de gezondheidszorg in een razendsnel tempo. In VWO 6 onderzoeken leerlingen hoe algoritmes worden getraind om medische beelden te analyseren, ziektes te voorspellen en gepersonaliseerde behandelplannen te maken. We kijken naar de techniek achter 'machine learning' en de noodzaak van grote, kwalitatieve datasets. Het onderwerp verbindt informatica met biologie en ethiek.

Dit thema sluit aan bij de SLO-domeinen B en C. Het dwingt leerlingen om na te denken over de toekomst van het artsenberoep en de privacy van patiëntgegevens. De ethische vragen zijn complex: wie is verantwoordelijk voor een fout van een AI? Hoe voorkomen we dat algoritmes vooroordelen (bias) overnemen uit de data? Door actieve werkvormen zoals het testen van eenvoudige algoritmes of het voeren van een moreel beraad, ontwikkelen leerlingen een kritische en realistische kijk op deze technologie.

Kernvragen

1. Kan een algoritme een betere diagnose stellen dan een menselijke arts?
2. Hoe beschermen we patiëntgegevens bij het gebruik van AI?
3. Wie is aansprakelijk als een medische AI een fout maakt?

Pas op voor deze misvattingen

Veelvoorkomende misvatting

AI is een 'magische doos' die altijd het juiste antwoord geeft.

Wat je in plaats daarvan kunt onderwijzen

AI is zo goed als de data waarop het getraind is. Door actieve voorbeelden van foutieve AI-voorspellingen leren leerlingen dat algoritmes patronen herkennen, maar geen echt medisch 'begrip' hebben.

Veelvoorkomende misvatting

AI zal binnenkort alle artsen vervangen.

Wat je in plaats daarvan kunt onderwijzen

AI is vooral goed in specifieke taken (zoals beeldherkenning), maar mist empathie en het vermogen om complexe, contextuele beslissingen te nemen. Actieve discussie over de arts-patiënt relatie helpt leerlingen de aanvullende rol van AI in te zien.

Ideeën voor actief leren

Onderzoekskring

AI vs. Arts

Leerlingen onderzoeken casussen waarbij AI beter presteerde dan artsen (bijv. bij het herkennen van huidkanker). Ze analyseren hoe het algoritme getraind is en presenteren de sterke en zwakke punten van zowel de mens als de machine.

50 min·Kleine groepjes

Filosofische stoelen

Socratisch Debat: Verantwoordelijkheid van AI

Een debat over aansprakelijkheid: als een AI een verkeerde diagnose stelt, wie is dan verantwoordelijk? De programmeur, de arts die het advies opvolgde, of het ziekenhuis? Leerlingen moeten hun standpunt onderbouwen met juridische en ethische argumenten.

45 min·Hele klas

Denken-Delen-Uitwisselen

Bias in Medische Data

Leerlingen krijgen voorbeelden van algoritmes die minder goed presteren bij bepaalde bevolkingsgroepen door eenzijdige trainingsdata. Ze bedenken in paren strategieën om deze 'bias' te voorkomen en delen deze met de klas.

25 min·Duo's

Veelgestelde vragen

Hoe leert een algoritme om een ziekte te herkennen?

De meeste medische AI gebruikt 'supervised learning'. Een algoritme krijgt duizenden voorbeelden van bijvoorbeeld röntgenfoto's waarbij door experts is aangegeven of er wel of geen afwijking te zien is. Het algoritme leert patronen in de pixels te herkennen die samenhangen met de ziekte, zodat het bij een nieuwe foto zelf een voorspelling kan doen.

Wat zijn de grootste privacyrisico's van AI in de zorg?

Om AI te trainen zijn enorme hoeveelheden patiëntgegevens nodig. Het risico is dat deze gegevens herleidbaar zijn tot individuen of dat ze in handen vallen van partijen die er misbruik van kunnen maken, zoals verzekeraars. Goede anonimisering en strikte beveiliging zijn daarom essentieel.

Waarom is een actieve aanpak belangrijk bij het thema AI?

AI kan voor leerlingen aanvoelen als 'tovenarij'. Door actief te onderzoeken hoe data-input de output beïnvloedt, wordt de technologie gedemystificeerd. Het stimuleert hen om kritische vragen te stellen over de bron van de data en de beperkingen van algoritmes, wat essentieel is voor hun toekomstige rol als kritische burger of zorgprofessional.

Wat is 'bias' in een medisch algoritme?

Bias ontstaat wanneer de trainingsdata niet representatief is voor de hele populatie. Als een algoritme voor het herkennen van huidkanker bijvoorbeeld alleen getraind is op foto's van mensen met een lichte huid, zal het bij mensen met een donkere huid minder nauwkeurig zijn. Dit kan leiden tot ongelijkheid in de kwaliteit van de zorg.