Alleen al in Duitsland worden elk jaar ongeveer 150 miljoen doktersbrieven geschreven. Dit kost veel tijd die beter gebruikt zou kunnen worden. De “dokterbriefgenerator”, die momenteel wordt ontwikkeld door wetenschappers van het Fraunhofer Institute for Intelligent Analysis and Information Systems IAIS, zou een oplossing kunnen bieden voor het maken van het document in een fractie van de tijd. De toepassing is gebaseerd op een combinatie van algoritmen en kunstmatige intelligentie voor Natural Language Processing (NLP). De nieuwe whitepaper “Natural Language Processing in the Medical Sector” somt de talrijke extra mogelijkheden op voor ziekenhuizen die NLP gebruiken.
- Fraunhofer-onderzoekers ontwikkelden een AI-systeem dat doktersbrieven over de behandeling van patiënten kan genereren.
- De AI werd getraind op een Duitse dataset van meer dan 12.000 anonieme doktersbrieven.
- Uit de eerste tests blijkt dat de door AI gegenereerde brieven van vergelijkbare kwaliteit zijn als door mensen geschreven brieven, wat mogelijkheden biedt voor het automatiseren van klinische correspondentie.
Gezondheidsgegevens zijn momenteel een van de snelst groeiende datasets. “Hoe we deze gegevens verwerken en welke mogelijkheden dit biedt voor patiënten, zorgprofessionals en artsen is een spannende vraag – en één waarop we in ieder geval een deel van het antwoord hebben,” legt Dario Antweiler, teamleider Healthcare Analytics bij Fraunhofer IAIS, uit. Hij heeft samen met zijn team een whitepaper geschreven over de huidige ontwikkelingen en mogelijkheden voor documentgebaseerde processen op medisch gebied.
Extra mogelijkheden door het gebruik van grote taalmodellen
In het artikel bespreken de experts Large Language Models (LLM), die de afgelopen maanden een drastische ontwikkeling hebben doorgemaakt, waardoor ze in de publieke belangstelling zijn komen te staan. Het bekendste voorbeeld van een LLM is op dit moment ChatGPT, een chatbot die natuurlijk klinkende teksten maakt. “In de niet al te verre toekomst zullen deze modellen multimodaal kunnen werken, wat betekent dat ze naast de teksten en gesproken taal waarmee ze nu al werken, ook afbeeldingen en gegevens in tabelvorm kunnen verwerken,” legt Antweiler uit. Dit opent nieuwe mogelijkheden in de medische sector, waardoor personeel kan worden vrijgemaakt voor andere taken en het behandelingsproces van patiënten kan worden verbeterd – waarbij gegevensbescherming te allen tijde in acht wordt genomen.
De gezondheidszorg staat voor tal van uitdagingen, zoals personeelstekorten, kostendruk en een “informatieoverload” door de voortdurend toenemende hoeveelheid gegevens. Veel ziekenhuisgegevens worden nog steeds moeizaam met de hand geanalyseerd. “Het evalueren, analyseren en trekken van conclusies uit de gegevens kost op verschillende momenten kostbare tijd – een grondstof die ontbreekt in het stressvolle dagelijkse leven van ziekenhuizen. In de ergste gevallen ontbreekt belangrijke informatie, wat behandelingen bemoeilijkt en leidt tot dure heronderzoeken of een onvolledige boekhouding,” legt Antweiler uit.
Generator van doktersbrieven wil eind 2024 op de markt zijn
Om een oplossing te vinden voor deze problemen in ziekenhuizen, werkt het Healthcare Analytics Team van Fraunhofer IAIS nauw samen met medische professionals. Samen met verschillende universitaire ziekenhuizen, waaronder het academisch ziekenhuis van Essen (Universitätsmedizin Essen), ontwikkelt het momenteel verschillende mogelijkheden voor informatie-extractie uit documenten. Het volgende doel is om tegen het einde van 2024 de dokterbriefgenerator op de markt te brengen, die het maken van ontslagbrieven vereenvoudigt. Hiervoor analyseert de AI alle bestaande documenten en creëert een natuurlijk klinkende tekst met eenvoudig te begrijpen uitleg voor de patiënt. Na een controle, waarbij indien nodig wijzigingen of aanvullingen worden aangebracht, kunnen de artsen de brief versturen met één druk op de knop en in een fractie van de tijd die nodig is om hem zelf vanaf nul te maken. Een ander voordeel is dat patiënten, die vaak op dit document moeten wachten op de dag van hun ontslag, het ziekenhuis sneller kunnen verlaten.
Kunstmatige intelligentie vereenvoudigt processen in ziekenhuizen
Andere functies van Klinische NLP verminderen de werkdruk van de medische staf omdat de AI automatisch cruciale informatie uit het medisch dossier van een patiënt verzamelt en deze in een duidelijk, gestructureerd formaat beschikbaar stelt aan al het klinisch personeel. Informatie is in een mum van tijd beschikbaar en kan grondig worden verwerkt en volledig toegankelijk worden gemaakt voor medisch personeel. Dario Antweiler zegt: “In de meeste ziekenhuizen worden elke dag talloze teksten handmatig geëvalueerd. Dit wordt herhaald op verschillende afdelingen en na ontslag door de huisarts of specialist. Onze toepassingen maken deze processen volledig geautomatiseerd, snel en nauwkeurig, en – wat betreft gegevensbescherming – ook veilig. Gezondheidszorgsystemen, en vooral personeel en patiënten, zouden hier baat bij hebben.”
