Op dit moment is hergebruik van zorginformatie eigenlijk alleen echt goed mogelijk als de systemen waarin de informatie wordt vastgelegd ook goed begrijpen wat je bedoelt. Als het gecodeerd is dus, en makkelijk geïnterpreteerd kan worden. Dat betekent in de praktijk vaak dat een arts gestructureerde velden moet vullen: dat kost veel tijd, nuance is moeilijk en je kunt je ei net niet kwijt. Ja, de weg, die raak je wel vaak kwijt in waar wat dan precies vastgelegd moet worden.
Eerder in ICT&health schreef ik al over het belang van meer aandacht voor het helpen van zorgverleners in het eenvoudig goed kunnen registreren. Dat er weinig zinvols uitgewisseld kan worden als we hier niet maximaal ons voor inzetten. Helemaal nu we toe willen naar databeschikbaarheid voor hergebruik (en we dus van puzzelstukjes naar legoblokjes willen).
Hoe fijn zou het zijn: eindelijk een oplossing voor al dat gevink in checkboxes of radiobuttons… voor het eindeloze gezoek naar jouw tekst in een drop-down list en voor het zoeken naar codes in een diagnose-, verrichtingen- of medicatielijst die je nooit goed kan vinden. Wat zou dat een uitkomst zijn om de tijd en moeite te beperken die elke zorgverlener steeds maar weer moet steken in goed registreren!
Mooie voorbeelden
Natuurlijk heeft iedereen de mooie voorbeelden van bijvoorbeeld het UMCG1 gezien, hoe ChatGPT werk uit handen kan nemen bij het te woord staan van patiënten op een nog begrijpelijkere (en vaak vriendelijkere) manier dan we dat altijd zelf deden. Of hoe het kan helpen in het samenvatten van het dossier, zoals in het Tilburgse ETZ. Maar daarmee hebben we al dat geklik en gevink in dat elektronische patiëntendossier nog slechts een beetje opgelost.
De echte hulp in deze ellende wordt pas echt geboden als het gestructureerd (of discreet) registreren je als zorgverlener uit handen genomen kan worden. Door Robotic Process Automation (RPA) bijvoorbeeld: waarbij een stukje software je repetitieve standaardhandelingen uit handen kan nemen; met name voor administratieve processen een uitkomst. En ja, de potentie van ChatGPT of andere LLM’s (large language models, red.) om ook geschreven tekst ‘discreet’ te maken is groot: ook daar zijn eerste voorbeelden van bekend.
Verwerken gesproken taal
Maar hoe krachtig zou het zijn als je die samenvattende capaciteit van ChatGPT-achtige taalmodellen kunt gebruiken samen met het verwerken van gesproken taal? Mark Scheper ea2. schreven hier recent een mooi artikel over. Zij zien veel in de enorme potentie die Natural Language Processing-technieken hierin kunnen betekenen. Veel leveranciers zijn hier al mee aan het experimenteren: met behulp van ambient listening technologie vangen ze gesprekken tussen arts en patiënt op om zo direct goed gecodeerd, met de juiste labels weg te schrijven in de systemen.
Bijna te mooi om waar te zijn….! Het kan me niet snel genoeg gaan om eindelijk af te komen van die vinkjes en van de onmogelijke opgave voor zorgverleners om alles maar gestructureerd vast te moeten leggen. Dus zorgverleners van Nederland, verenigt u! Vraag erom, oefen ermee en zet hier vol op in!
