Artificiële intelligentie wordt steeds meer geïntegreerd in de medische praktijk. Stanford Medicine geeft hiervan een nieuw voorbeeld met de lancering van ChatEHR, een conversatietool voor zorgverleners.

Dit systeem is ontworpen als een dialooginterface tussen de arts en het elektronische medische dossier en maakt het nu mogelijk om de medische voorgeschiedenis van een patiënt op een ongekend vloeiende manier te raadplegen. Het bootst de werking van grote taalmodellen zoals GPT-4 na, maar is geïntegreerd in het hart van de gezondheidszorgsystemen.

De cognitieve belasting van het zorgpersoneel verminderen
ChatEHR is ontwikkeld door een team onder leiding van professor Nigam Shah, arts en onderzoeker in de datawetenschappen, in samenwerking met de afdelingen digitale gezondheidszorg van Stanford. Het is gebaseerd op een beveiligde artificiële intelligentie die in realtime is verbonden met medische gegevens. Het doel is duidelijk: de cognitieve en administratieve belasting van zorgverleners verlichten door hen snel toegang te geven tot informatie die vaak verspreid is over honderden pagina's van patiëntendossiers, door middel van een eenvoudige tekstuele zoekopdracht.

Het medisch dossier raadplegen zoals je praat
Concreet kan een spoedarts vragen: "Heeft deze patiënt een allergische voorgeschiedenis? Heeft hij al eens een colonoscopie ondergaan? Wat zijn de laatste resultaten van zijn lipidenprofiel?" ChatEHR doorzoekt vervolgens de geschiedenis van de patiënt en genereert een beknopt antwoord in de juiste context, zonder echter het medisch oordeel te vervangen. Het gaat dus niet om een geautomatiseerd besluitvormingsinstrument, maar om een documentatieassistent die de toegang tot klinisch relevante informatie versnelt.

Een veelbelovende pilotfase
Het systeem is al enkele maanden in een pilotfase en wordt momenteel getest door een panel van 33 zorgverleners – artsen, verpleegkundigen, praktijkverpleegkundigen en medisch assistenten – die de relevantie ervan beoordelen, de prestaties verfijnen en bijdragen aan de voortdurende aanpassing ervan. De ervaringen zijn veelbelovend, vooral in situaties met een hoge informatiedichtheid, zoals opnames op de spoedeisende hulp of overplaatsingen tussen ziekenhuizen met omvangrijke papieren dossiers.

Maximale bruikbaarheid in complexe situaties
Professor Jonathan Chen, clinicus-onderzoeker aan Stanford, benadrukt dat ChatEHR vooral in deze contexten zijn nut bewijst: “Wanneer een patiënt in crisis aankomt, is niet alleen het huidige symptoom van belang, maar ook het hele klinische traject dat daaraan voorafging. Deze informatie is echter vaak niet binnen de beschikbare tijd beschikbaar. ChatEHR maakt het mogelijk om snel een gestructureerd overzicht van dit traject te geven.”

Naar een gedeeltelijke automatisering van de medische triage
Naast directe vragen heeft het ontwikkelingsteam ook automatische triage- en evaluatiesystemen ontworpen. Een daarvan analyseert bijvoorbeeld of een patiënt kan worden doorverwezen naar een minder intensieve zorgafdeling, waardoor er capaciteit vrijkomt in het hoofdziekenhuis. Andere functies zijn in ontwikkeling, met name om de criteria voor opname in de palliatieve zorg te identificeren of om de postoperatieve follow-up te begeleiden.

Een grondige evaluatie en een toekomstige uitbreiding
De evaluatie van ChatEHR is gebaseerd op MedHELM, een open source-raamwerk dat speciaal is ontworpen om AI-modellen in een echte medische context te evalueren. De volgende stappen omvatten de geleidelijke uitbreiding van de tool naar alle clinici van Stanford, vergezeld van opleidingsprogramma's, technische ondersteuning en geïntegreerde kwaliteitsindicatoren, waaronder bronvermeldingssystemen waarmee de oorsprong van de antwoorden kan worden achterhaald.

Het project wordt ondersteund door het Stanford Center for Biomedical Informatics en de afdeling Geneeskunde van Stanford en past in een logica van ethische en rigoureuze integratie van AI-technologieën in de klinische praktijk. Het laat zien hoe gezondheidszorgsystemen, mits er aandacht wordt besteed aan ergonomie en contextuele relevantie, generatieve modellen kunnen gebruiken om het dagelijkse leven in de geneeskunde te veranderen, niet door artsen te vervangen, maar door hen efficiëntere instrumenten te bieden om toegang te krijgen tot kennis.