AI helpt artsen om patiëntendossiers beter te structureren
Nieuwe toepassing herkent en codeert negen op de tien diagnoses uit medische verslagen voor probleemlijst

Ziekenhuis aan de Stroom (ZAS) heeft samen met zorgtechnologiebedrijf Coforix een AI-toepassing ontwikkeld die helpt om patiëntendossiers beter te structureren. De toepassing biedt diagnoses en relevante medische voorgeschiedenis uit medische verslagen automatisch aan voor de gestructureerde probleemlijst van de patiënt. Dat is een gecodeerd overzicht van de aandoeningen en belangrijke medische problemen van een patiënt. Zo kunnen deze gegevens makkelijker worden uitgewisseld en verwerkt door verschillende ziekenhuizen en computersystemen.
Bij tests herkende en codeerde de toepassing negen op de tien diagnoses correct. ZAS gebruikt de software inmiddels in de dagelijkse zorgverlening binnen elf medische disciplines.
Van medisch verslag naar gecodeerde probleemlijst
Diagnoses en relevante medische voorgeschiedenis die een arts in een medisch verslag beschrijft, moeten voor een goede (Europese) gegevensuitwisseling ook afzonderlijk worden opgenomen in de gestructureerde probleemlijst van de patiënt. Die dubbele registratie vraagt aandacht, want zit niet in het natuurlijke zorgproces van de arts. Daardoor staat informatie vaak wel in het medisch verslag, maar is ze nog niet beschikbaar als gecodeerd gegeven dat zorgverleners en computersystemen onderling kunnen uitwisselen.
Volgens een Belgische bevraging is meer dan twee derde van de ziekenhuizen nog niet actief bezig met het opbouwen en onderhouden van een gecodeerde probleemlijst.
Minder administratieve last, vollediger probleemlijst
De AI-toepassing die ZAS ontwikkelde met Coforix helpt de arts bij die stap. De software analyseert de vrije tekst in verslagen van raadplegingen en medische brieven en vergelijkt die met de bestaande probleemlijst van de patiënt. Diagnoses en relevante medische voorgeschiedenis die nog niet in de lijst staan, worden automatisch voorgesteld en gekoppeld aan een gestandaardiseerde medische code.

“Onze AI-toepassing neemt het opzoek- en codeerwerk grotendeels over. De arts blijft zelf beslissen welke voorstellen worden overgenomen. Zo willen we de administratieve last verminderen en tegelijk de probleemlijst vollediger en actueler maken”, zegt dr. Mark Helbert (CMIO ZAS).
De software heeft gemiddeld tien seconden nodig om alle diagnoses te identificeren, te coderen en als aanvulling voor te stellen. De arts controleert ze en beslist welke aanvullingen worden opgenomen. Vervolgens worden de goedgekeurde gegevens automatisch toegevoegd aan de probleemlijst.
Negen op de tien diagnoses correct herkend en gecodeerd
Voor de ontwikkeling en evaluatie werden aanvankelijk meer dan duizend geanonimiseerde medische brieven uit zeven specialismen (reumatologie, nefrologie, hematologie, longziekten, intensieve zorg, geriatrie en cardiologie) gebruikt. Artsen voorzagen de documenten handmatig van medische codes die als referentie dienden voor het AI-model.
Vervolgens werd de toepassing getest op nieuwe documenten die het model nog niet eerder had gezien. Daarbij werd nagegaan in welke mate de software de in de verslagen beschreven diagnoses herkende en correct codeerde. Uit de tests bleek dat de toepassing meer dan negen op de tien van die diagnoses correct identificeerde en codeerde.
Sindsdien is de toepassing verder ontwikkeld voor vier bijkomende disciplines, waarmee het totaal op elf komt. De toepassing werd ontwikkeld met steun van de FOD Volksgezondheid.
Bouwsteen voor Europese gegevensuitwisseling
Doordat diagnoses en relevante medische voorgeschiedenis op een gestandaardiseerde manier worden vastgelegd, kunnen ze gemakkelijker worden uitgewisseld en verwerkt door verschillende ziekenhuizen en computersystemen. Wat een arts vandaag in zijn verslag noteert, wordt zo ook bruikbaar bij elke andere zorgverlener die de patiënt behandelt.
Dat belang neemt sterk toe door de Europese gezondheidsdatawetgeving (EHDS, European Health Data Space), die voorziet in een gefaseerde invoering van gestandaardiseerde uitwisseling van patiëntgegevens. Een actuele en gecodeerde probleemlijst vormt daarvoor een belangrijke bouwsteen.
De ZAS-toepassing maakt gebruik van SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms), een internationaal medisch terminologiestelsel dat medische begrippen koppelt aan unieke codes. Daardoor kunnen verschillende informaticasystemen dezelfde medische informatie in verschillende talen op een eenduidige manier interpreteren. In een omzendbrief definieerde de FOD Volksgezondheid SNOMED CT als verplicht te gebruiken terminologie in de zorg.
Over Coforix
Coforix is een zorgtechnologiebedrijf uit Eindhoven (Nederland) dat ziekenhuizen helpt om AI veilig en doeltreffend in te zetten. De Coforix Patient Context Engine zet vrije tekst uit medische verslagen en brieven om in gestructureerde, gecodeerde gegevens. Zo ontstaat een compleet en betrouwbaar patiëntbeeld. Artsen en verpleegkundigen zien daardoor in één oogopslag het actuele medische overzicht van hun patiënt, zonder zelf door verslagen te moeten zoeken. Diezelfde gegevens zijn daarna ook bruikbaar voor registraties, onderzoek en elk AI-model dat erop voortbouwt. De Slimme Probleemlijst is daarvan een concrete toepassing. Deze oplossing is volledig geïntegreerd in het elektronisch patiëntendossier HiX van ChipSoft, zodat de arts binnen de eigen werkomgeving blijft. Coforix werkt samen met ziekenhuizen in België en Nederland en is ISO 27001 en NEN 7510-gecertificeerd.
Website: www.coforix.ai
Tom Van de Vreken



