AI detecteert opioïdeproblemen en vermindert ziekenhuisopnames

Uit een klinische studie in de Verenigde Staten blijkt dat een algoritmische tool die in ziekenhuizen is geïntegreerd, verslavingsstoornissen beter kan opsporen en heropnames kan voorkomen, zonder afbreuk te doen aan de kwaliteit van de zorg.

Tegen de achtergrond van een aanhoudende crisis door het gebruik van opioïden heeft een team van Amerikaanse onderzoekers een systeem van artificiële intelligentie (AI) toegepast in een universitair ziekenhuis om patiënten die het risico lopen een verslavingsstoornis te ontwikkelen beter te identificeren. Het experiment, dat onlangs werd gepubliceerd in Nature Medicine, toont aan dat een dergelijke technologie niet alleen gevallen van verslaving betrouwbaar opspoort, maar ook de behandeling ervan vergemakkelijkt en tegelijkertijd het aantal ziekenhuisopnames binnen dertig dagen na ontslag aanzienlijk vermindert.

De AI-tool, ontworpen om gegevens in elektronische medische dossiers - waaronder klinische aantekeningen, voorgeschiedenis en voorschriften - in realtime te analyseren, geeft waarschuwingen af aan zorgverleners wanneer een patiënt een profiel vertoont dat overeenkomt met een stoornis in het gebruik van opioïden. Deze meldingen moedigen patiënten aan om een specialist in verslavingsgeneeskunde te raadplegen en ontwenningsmonitoring te starten. Dit systeem, dat rechtstreeks in de workflow van het ziekenhuis wordt geïntegreerd, fungeert als een klinische assistent, zonder het medische oordeel te vervangen.

Vergeleken met een zorgsysteem dat uitsluitend gebaseerd is op het initiatief van artsen, leidde de toevoeging van deze algoritmische filter tot een lichte maar significante toename van het aantal doorverwijzingen naar specialistische consulten, terwijl het aantal vroegtijdige heropnames met bijna de helft verminderde. De resultaten tonen een daling van het aantal heropnames van 14% naar 8%, wat op de schaal van het onderzochte cohort (meer dan 50.000 ziekenhuisopnames) neerkomt op een aanzienlijke besparing voor het gezondheidszorgsysteem, geschat op meer dan $100.000 over een periode van acht maanden. Deze voordelen blijven ook geldig nadat rekening is gehouden met de kosten voor het onderhoud van het digitale hulpmiddel.

Volgens de auteurs toont dit experiment aan dat artificiële intelligentie nu de drempel van echte klinische toepasbaarheid kan overschrijden, op voorwaarde dat het rigoureus wordt geïntegreerd in de ziekenhuispraktijk. Professor Majid Afshar, hoofdonderzoeker van het onderzoek, wijst erop dat de waarde van dit soort technologie ligt in de mogelijkheid om discreet in te passen in professionele routines, door teams te herinneren aan de specifieke behoeften van bepaalde patiënten, die soms over het hoofd worden gezien in een context van overbelasting.

De implicaties van dit onderzoek reiken verder dan het terrein van de verslavingszorg. Meer in het algemeen roept het de vraag op hoe ziekenhuissystemen voorspellende technologieën kunnen gebruiken om de kwaliteit van de zorg te verbeteren, vermijdbare kosten te verlagen en vooral te voorkomen dat er klinische situaties met een hoog risico over het hoofd worden gezien. Het gebied van aan opioïden gerelateerde aandoeningen leent zich bijzonder goed voor deze aanpak, aangezien stigmatisering en onderopsporing de toegang tot zorg voor een groot deel van de betrokken patiënten blijven belemmeren.

De auteurs roepen echter op tot voorzichtigheid: het wijdverspreide gebruik van deze hulpmiddelen vereist validatie in andere ziekenhuisomgevingen, evenals zorgvuldige controle van hun neveneffecten, met name het risico van “waarschuwingsmoeheid” onder professionals. Het doel, waarschuwen ze, is niet om mensen te vervangen door algoritmes, maar om ze beter uit te rusten om op het juiste moment te handelen.

Met enkele miljoenen drugsgerelateerde bezoeken aan Noord-Amerikaanse spoedeisende hulpafdelingen per jaar kan de mogelijkheid om kwetsbare patiënten in een vroeg stadium op te sporen een belangrijke hefboom worden om het volksgezondheidsbeleid te veranderen. AI, dat nog vaak beperkt blijft tot theoretische prototypes, lijkt nu zijn nut te kunnen bewijzen aan het bed van de patiënt.

  • M Afshar, et al. Clinical implementation of AI-based screening for risk for opioid use disorder in hospitalized adults. Nature Medicine. DOI: 10.1038/s41591-025-03603-z

U wil op dit artikel reageren ?

Toegang tot alle functionaliteiten is gereserveerd voor professionele zorgverleners.

Indien u een professionele zorgverlener bent, dient u zich aan te melden of u gratis te registreren om volledige toegang te krijgen tot deze inhoud.
Bent u journalist of wenst u ons te informeren, schrijf ons dan op redactie@rmnet.be.