Zorgverleners inzicht geven in de kwetsbaarheden van oudere patiënten met behulp van AI. Dat is het doel van het project ‘Slimme Zorg voor Ouderen: Kwetsbaarheid Herkennen met Text Mining technologie’ onder leiding van het Deventer Ziekenhuis. Geavanceerde tekstanalyse van de ongestructureerde medische gegevens in het patiëntendossier moet aanwijzingen opleveren voor eventuele kwetsbaarheden.
tekst • Hans van Eerden
Grant uit innovatiefonds
Met het Pioneers in Health Care Innovatiefonds stimuleren Universiteit Twente (UT), hogeschool Saxion, Medisch Spectrum Twente (MST), Ziekenhuisgroep Twente (ZGT) en Deventer Ziekenhuis de introductie van innovatieve technologie in de kliniek. Jaarlijks worden daarvoor tien innovatievouchers à €60.000 uitgereikt. Eind januari ging een van de vouchers naar het projectvoorstel ‘Slimme Zorg voor Ouderen: Kwetsbaarheid Herkennen met Text Mining technologie’ van het Deventer Ziekenhuis in samenwerking met UT, ZGT en MST.
Het project richt zich op het verbeteren van de zorg voor kwetsbare oudere patiënten door gebruik te maken van slimme technologie voor tekstanalyse. Analyse van ongestructureerde medische gegevens moet signalen van kwetsbaarheid, zoals fysieke en cognitieve achteruitgang, opleveren die automatisch worden herkend zonder extra administratielast. Uiteindelijk kan dit complicaties zoals vallen en delier voorkomen.
Gestructureerd en ongestructureerd
In de klinische praktijk worden heel veel data gegenereerd en geanalyseerd, vertelt Wietze Pasma, data scientist bij het Deventer Ziekenhuis en trekker van het project. “Tot nu toe worden vooral gestructureerde data gebruikt om voorspellingen te doen (voor bijvoorbeeld diagnose en prognose, red.). Denk aan labbepalingen, metingen of administratieve registraties zoals van DBC’s, opnames en verrichtingen. Daarnaast is er heel veel beeldmateriaal, met name bij radiologie; voor de analyse daarvan worden al veel algoritmes ontwikkeld en gebruikt.”
Het grootste deel van het EPD bestaat echter uit tekst, weet Pasma. “Artsen en verpleegkundigen schrijven op wat ze hebben gezien en besproken, en wat ze hebben gedaan en nog gaan doen. Dat zijn ongestructureerde data die de context van de zorg, met alle nuance en onzekerheid, bevatten en het klinisch redeneren vastleggen. Tot nu toe deden we in ons ziekenhuis heel weinig met tekstdata. Daar willen we met dit project verandering in brengen.”
‘Het zou mooi zijn als zachte kwetsbaarheden automatisch kunnen worden herkend’
Complexe dossiers
Deze insteek heeft ook te maken met de trend dat dossiers steeds complexer worden, vervolgt Pasma. “Collega’s melden dat ze geen overzicht meer hebben in de dossiervoering. ‘Ik moet heel veel dossiers lezen voor ik een overleg of patiëntgesprek kan ingaan of polibezoek kan doen’, zeggen ze. De meest complexe dossiers zijn die van de kwetsbare oudere patiënten. De informatie in deze dossiers die het snelst verloren gaat of niet wordt meegenomen, betreft de zachte kwetsbaarheden, zoals fysieke en cognitieve achteruitgang; denk aan verwardheid en het risico op vallen of delier. Het zou mooi zijn als die automatisch kunnen worden herkend.”
Naar gouden standaard met tekstanalyse
Concreet willen de projectpartners met tekstanalyse kwetsbaarheden in bestaande medische gegevens opsporen. Dat heet text mining en gebeurt met natural language processing (NLP), een vorm van kunstmatige intelligentie (AI). “Dat kan simpel beginnen: welke woorden komen in een tekst voor die iets zeggen over de conditie van de patiënt? Het wordt al complexer als je gaat kijken welke woorden in een zin voorkomen en wat ze in de context van die zin betekenen. Verder kun je natuurlijk ook meenemen welke diagnoses en metingen in een tekst worden genoemd. In de meest complexe variant geef je een complete tekst aan een taalmodel (een large language model zoals ChatGPT er een is, red.) en vraag je aan het model of de patiënt wel of niet tekenen van verwardheid vertoont.”
De bedoeling is met alleen geschreven tekst aan de slag te gaan. “Met alle steno en afkortingen, die bij de ene afdeling weer iets anders betekenen dan bij een andere, en ook nog eens schrijffouten is die tekst al een uitdaging.” Het streven is de ‘gouden standaard’ te bepalen voor het vaststellen van kwetsbaarheden op basis van geschreven tekst, verklaart Pasma. “We moeten eerst de keuze maken welke kwetsbaarheden we het belangrijkst vinden en daar geannoteerde data bij zoeken.” Daarmee doelt hij op teksten die door deskundigen zijn geanalyseerd en waar bij staat welke kwetsbaarheid wel of niet is waargenomen. “Die data gebruiken we om het model mee te trainen. Vervolgens kunnen we dan nieuwe teksten gaan analyseren.”
‘Wacht niet passief af tot de grote leveranciers met hun versie van AI komen’
Praktische toepassing
In het project zal ook een product worden ontworpen voor het verwerken en presenteren van de analyseresultaten, zoals een dashboard. Dat kan bijvoorbeeld op een opnameafdeling verpleegkundigen inzicht geven in welke patiënt risico heeft op welke kwetsbaarheden. In eerste instantie is dit puur bedoeld als een informatief product, licht Pasma toe. “Zorgverleners moeten dat actief inzien. Het is niet de bedoeling om direct harde gegevens in het EPD weg te schrijven dat een patiënt een bepaald risico heeft en dat het EPD dan een waarschuwing geeft. Maar wie weet wat er ontstaat tijdens het ontwikkelproces; dit is een groeimodel.”
De ontwikkeling verloopt dus stapsgewijs. “We maken eerst iets kleins, vragen zorgverleners of het aan hun verwachtingen voldoet en willen zo iteratief komen tot iets dat relevant is voor de zorg. In eigen huis willen we kennis opdoen van het werken met tekstdata, zodat de drempel daarvoor lager wordt. Vervolgens gaan we vanuit de opensourcegedachte zorgen dat het ook in andere ziekenhuizen toepasbaar is. We gaan er speciale hardware voor aanschaff en, want we willen binnen de firewall van het ziekenhuis blijven en niet met bijvoorbeeld ChatGPT aan de slag. Voor het draaien van die grote taalmodellen heb je een flinke server nodig. ZGT werkt al met een eigen server en daar kunnen wij weer van leren.”
Ambitie en terughoudendheid
Er is wel ambitie om met AI aan de slag te gaan, maar ook terughoudendheid, constateert Pasma. “Wij willen collega’s stimuleren om ermee bezig te gaan en daarbij ook kritisch te zijn. Je kunt niet alles uitproberen, want dat kost te veel tijd en geld, zeker als veel extra informatie moet worden geregistreerd om een model te laten werken. We voeren discussies over de inzet van AI en kijken daarbij ook naar ethische aspecten als algoritmes eff ect hebben op beslissingen in de zorg. Bijvoorbeeld of een AImodel discriminerend is. Daarnaast moeten we nadenken over hoe we AI gaan toepassen. Het moet niet zo zijn dat er een algoritme boven op de reguliere zorg komt, maar dat we vervolgens niets doen met de voor spellingen die daaruit komen. Het moet wel iets toevoegen aan de zorg.”
Verlichting administratieve druk
De komende tijd zal het met de invoering van AI voor ondersteuning of vervanging van medische besluitvorming echter nog niet zo’n vaart lopen, verwacht Pasma. “Het kost jaren om van idee tot gecertificeerd product te komen en bovendien is nu de kwaliteit van de beschikbare data vaak nog een drempel voor AIimplementatie in de zorg.” Hij heeft voor nu zijn hoop vooral gevestigd op verlichting van de administratieve druk. “Je kunt bijvoorbeeld administratieve processen verbeteren en versnellen met behulp van large language models. Denk aan hulp bij het schrijven van teksten zoals een ontslagbrief, of het uitschrijven van een anamnese waarvan het gesprek is opgenomen.”
Tot slot wil Pasma meegeven dat het voor de zorg in Nederland belangrijk is om ervaring op te doen met AI. “Wees niet bang dat een project niet meteen iets oplevert waar je wat mee kunt, want je leert er altijd van. Wacht niet passief af tot de grote leveranciers met hun versie van AI komen en jou vertellen hoe je moet werken. Nee, als zorgprofessional moet je zelf duidelijk maken wat jij nodig hebt.”
AI Expertisecentrum
Het project is een van de AIinitiatieven in het Deventer Ziekenhuis. Om de vinger aan de pols te houden, heeft het ziekenhuis het AI Expertisecentrum opgericht, vertelt Pasma. “Ik denk dat de meeste ziekenhuizen wel met zoiets bezig zijn. Onze wens was om zicht te houden op alle initiatieven en betrokkenen te kunnen adviseren en begeleiden. Zo hebben we ook een leidraad voor de toepassing van ChatGPT; je moet daar bijvoorbeeld geen patiëntendossier in plakken.” Bestaande AItoepassingen zijn vooral bij radiologie in gebruik, voor beeldverwerking. “Voor beslissingsondersteuning is er heel weinig. Dat kunnen we als ziekenhuis ook niet zelf ontwikkelen, omdat het MDRplichtig (Europese Medical Device Regulation, red.) is”, weet Pasma.
