AI in het ziekenhuis: een onmisbaar instrument?

Artikel zoals het verscheen in Fokus-online op 30.03.2023

AI, ICD-10 medisch coderen, machine learning, metaverse… De zorgsector transformeert. En daar plukken zowel patiënt als zorgverlener de vruchten van, want de kwaliteit van de zorg én van zorgjobs stijgt. Ook artificiële intelligentie is onmisbaar voor het ‘smart ziekenhuis’.

Kunstmatige intelligentie, NLP, ICD-10 medisch coderen en CLU zijn meer dan buzzwoorden. Nog niet iedereen voelt er vandaag de krachten al van, maar dat er wat schuift en beweegt is ontegensprekelijk. Han Peetermans, business developer bij ibis.ai, kan het kostbare magma dat de AI-vulkaan bevat als geen ander naar waarde schatten.

Wat zijn volgens u de grootste voordelen van artificiële intelligentie voor zorgorganisaties?

Peetermans: “Vandaag gaan zorgverleners gebukt onder een zware administratieve werklast. In het verleden voerde ik een onderzoek uit naar tijdsbesteding bij artsen. Daaruit bleek dat een arts ongeveer zeven minuten aan een patiënt kan besteden. In die zeven minuten doet de patiënt zijn verhaal, vindt er eventueel een medisch onderzoek plaats, en gaat de arts over tot diagnose. Dat is bijzonder kort. Daarbij moet ook het elektronisch patiëntendossier nog eens manueel ingevuld worden. Dat is eerlijk gezegd tijdverspilling. Ook andere zorgverleners krijgen dagelijks te maken met een heleboel checkboxen en dropdownlijsten. Kunstmatige intelligentie kan veel beter structureren en registreren, dus laten we dat dan maar gewoon gebruiken. De tijd die zorgverleners niet aan administratie moeten besteden, gaat naar de patiënt. Daar wordt iedereen beter van.”

Voor een sector waar het water aan de lippen staat, kan AI een redder in nood zijn

“Vergeet niet dat zorgverleners niet per definitie technologisch geschoold zijn. Ze zijn empathisch sterk, maar daarom hebben ze nog geen administratieve spierkracht. Bovendien werkt zowat ieder ziekenhuis met een ander registratiesysteem. Ook dat is vermoeiend. Voor een sector waar het water iedereen al aan de lippen staat, kan artificiële intelligentie een redder in nood zijn.”

De sector heeft het inderdaad moeilijk door de hoge werkdruk. Denkt u dat AI een oplossing kan bieden voor het personeelstekort?

Peetermans: “Ik ben daar wel van overtuigd, ja. Aan alle aanvullingen in het elektronisch patiëntendossier, zoals verslagen, medicatielijsten, laboresultaten, ontslagbrieven, protocollen enzovoort, worden codes gehangen om data te verzamelen die belangrijk zijn voor de optimalisatie van de werking van het ziekenhuis. Hoeveel mensen worden er opgevolgd? Welke pathologieën ziet het ziekenhuis het vaakst? Hoe lang verblijven mensen na een bepaalde operatie in opname? Vandaag gebeurt die codering manueel. Dat systeem is sinds de jaren negentig onveranderd. Dat is absurd, want het is veel werk. Dat terwijl er vandaag AI-toepassingen bestaan die werken met deeplearningmodellen. Deze tools zetten medische taal om naar gestructureerde data waardoor deze essentiële processen vlotter én nauwkeuriger uitgevoerd worden.”

Waarom is het dan zo belangrijk voor een ziekenhuis om op de hoogte te zijn van de demografie van haar bezoekers?

Peetermans: “De overheid duwt zorgorganisaties richting specialisatie. Ziekenhuizen zijn dus maar beter op de hoogte van waar hun expertise precies ligt. Stel dat er een grote oncologische afdeling is, maar uit data blijkt dat deze niet bijzonder efficiënt is, dan kan een ander ziekenhuis binnen hetzelfde netwerk – waar er meer een beroep wordt gedaan op oncologie – daarin investeren. Op die manier moeten niet alle ziekenhuizen dezelfde robots en scanners kopen, en kan er gerichter gewerkt worden.”

“Dat verhaal gaat nog verder, want als je als ziekenhuis weet wie je over de vloer krijgt, kun je ook je marketing daarop aanpassen. Tonen data aan dat patiënten met cardiologische aandoeningen in het ziekenhuis sneller dan gemiddeld herstellen en dus een kortere verblijfsduur hebben? Dan kun je daarop inzetten en dat uitspelen. Mensen willen tenslotte ook gewoon de beste zorg krijgen. Een win-win.”

Is investeren in AI-toepassingen wel realistisch voor een sector die financieel in slechte papieren zit?

Peetermans: “Een ziekenhuis ontvangt financiële ondersteuning van de overheid onder andere op basis van de zorgzwaarte die het verwerkt. Hoe beter een zorgorganisatie op de hoogte is van wat er intern allemaal gebeurt, hoe nauwkeuriger dat werkingsbudget afgesteld is op de realiteit. Om die reden is het erg belangrijk te weten wie er komt, en hoe lang die persoon in het ziekenhuis verblijft. AI-toepassingen verlichten daarnaast het werk van zorgmedewerkers en van IT-medewerkers in de zorginstelling. Zij kunnen zich op andere taken focussen die op hun beurt een meerwaarde creëren. Ook dat is een financiële opsteker.”

Investeren in het automatiseren van coderingsprocessen, is op pakweg een half jaar terugbetaald.

“AI-tools hebben doorgaans een lage instapkost. De meeste aanbieders bieden een eenvoudig basispakket aan dat van goede kwaliteit is. Het is een laagdrempelige manier om er als organisatie mee aan de slag te gaan. Ervaring leert me trouwens dat men er snel de financiële voordelen aan ondervindt. Voor het automatiseren van het coderen van medische data is de investering op pakweg een half jaar terugverdiend.”

Welke uitdagingen resten er nog voor de goede uitrol van AI-toepassingen?

Peetermans: “Medische gegevens moeten terecht goed beschermd worden. Je wilt niet dat deze data in de handen van mensen met slechte bedoelingen vallen. Maar aan de andere kant zijn medische data wel essentieel om AI te voeden en slimmer te maken. Ook daar zijn vandaag oplossingen voor want medische data hoeven het ziekenhuis niet te verlaten om gecodeerd te worden. Dat kan perfect gebeuren op een server van het ziekenhuis zelf, of indien die niet krachtig genoeg is, kunnen de data gecapteerd en onleesbaar gemaakt worden op een externe server. Toch zullen data die gecodeerd moeten worden nooit volledig anoniem zijn, want nuances zijn belangrijk om linken te leggen die wij niet zien. Het is wat dat betreft wikken en wegen: welke informatie gooi je overboord, en welke medische details verliezen we zo misschien?

Zo is pseudonieme data wel nog leesbaar voor mensen, maar wordt enkel de persoonlijke data dan gemaskeerd. Voor het trainen van de modellen gebruiken we gepseudonimiseerde data die vervolgens ook nog eens gehasht wordt. Dit zijn enkel eentjes en nullen die niet leesbaar zijn voor de mens, maar voor een machine nog wel bruikbaar is. Een soort van ‘digital twin’ voor de computer van het originele dossier (bruikbaar voor ons model, onbruikbaar voor mens of buitenwereld en dus veiliger om te gebruiken).

Waar let een zorgorganisatie die wil investeren in een AI-tool voor administratieve processen en medische codering best op?

Peetermans: “Heel wat AI-bedrijven bieden technologie aan die werkt op basis van NPL, Natural Language Processing. Dit is een basistool die teksten analyseert. Het herkent woorden en koppelt deze aan bepaalde concepten. Bij coderen is dat belangrijk. Er zijn daarentegen ook bedrijven die gebruik maken van Clinical Language Understanding en Extraction (CLUE). Dit is een deeplearningmodel dat dieper gaat. Het kan linken leggen over verschillende bronnen heen. Deze modellen zijn vandaag zo sterk geworden. Ze kunnen ingezet worden voor medische codering, maar tegelijkertijd vormen ze een krachtige zoekmachine omdat het model ook semantisch kan denken. Het maakt meer verbindingen dan wij.”

“Zo kunnen er nieuwe linken gelegd worden tussen symptomen, ziektes, medicatie enzovoort. Dat gaat ons ongetwijfeld veel inzichten opleveren, meer nauwkeurige diagnoses en betere behandelingswijzen. Men moet het niet eens integreren in de zoekvraag; de modellen werken op zichzelf. AI zal slimmer en slimmer worden. Dat is niet alleen relevant voor de gezondheidssector, ook de farmaceutische industrie zal er straks baat bij hebben. En de samenleving, uiteraard.”