Autoscriber: slimmere registratie met AI

Petra Kok, reumatoloog en Chief Medical Information Officer (CMIO) in het Reinier de Graaf ziekenhuis in Delft, ervaart aanzienlijk minder administratieve druk dankzij het gebruik van Autoscriber in combinatie met het elektronisch patiëntendossier (EPD).

Autoscriber genereert automatisch een samenvatting van consulten, waardoor de zorgprofessionals minder tijd kwijt zijn aan registratie en zich meer kunnen richten op patiëntenzorg. Daarnaast draagt het systeem bij aan een hogere kwaliteit en consistentie van medische data, wat zowel zorgverleners als patiënten ten goede komt.

AI voorspelt no-shows

Een no-show in de zorg betekent dat een patiënt zonder afmelding niet komt opdagen voor een geplande afspraak in het ziekenhuis. Met een gemiddelde no-show van 5 procent vinden in Nederlandse ziekenhuizen jaarlijks naar schatting 1,8 miljoen gemiste afspraken plaats, wat de gezondheidszorg ongeveer 300 miljoen euro per jaar kost*.

Het Erasmus MC ontwikkelde als eerste een AI-voorspelmodel voor no-shows. Het systeem kijkt naar factoren als leeftijd, afstand tot het ziekenhuis, dag van de week, eerder no-showgedrag, type afspraak en weersomstandigheden. Het model analyseert deze gegevens om patiënten met een hoog risico op wegblijven te identificeren.

Na het succes in het Erasmus MC hebben ook ziekenhuizen als het UMC Utrecht, Zuyderland en ZGT een no-showvoorspelmodel geïmplementeerd. Als we ervan uitgaan dat de inzet van deze modellen het aantal no-shows met gemiddeld 20 procent vermindert, betekent dit in heel Nederland 360.000 minder gemiste afspraken en een jaarlijkse besparing van 60 miljoen euro*. Daarnaast draagt het bij aan kortere wachtlijsten, een efficiëntere inzet van zorgcapaciteit, minder werkdruk en een betere toegankelijkheid van de zorg.

Ilse Kant (teamlead AI for Health) en Eric Wolters (data scientist) vertellen in een van de afleveringen van de podcast over de ontwikkelingen en het gebruik van het no-showvoorspelmodel in UMC Utrecht. Zij hebben ook hun code openbaar gemaakt via Github, waardoor andere zorginstellingen het model kunnen aanpassen aan hun eigen situatie. Dit heeft inmiddels geleid tot effectieve kennisdeling binnen de Nederlandse ziekenhuiszorg.

AI schrijft ontslagbrieven

Het UMC Utrecht heeft ook een voortrekkersrol in het automatisch genereren van ontslagbrieven met AI. Waar artsen gemiddeld een uur besteden aan het schrijven van een ontslagbrief, ontwikkelde het UMC Utrecht een AI-applicatie die dit proces grotendeels automatiseert.

Jaarlijks besteden Nederlandse ziekenhuizen naar schatting zo’n 40 miljoen euro aan het opstellen van ontslagbrieven, gebaseerd op een conservatieve schatting van 5.000 opnames per ziekenhuis per jaar. Met behulp van AI kan tot 70 procent van deze tijd worden bespaard, wat neerkomt op een jaarlijkse kostenreductie van ruim 25 miljoen euro*. Daarnaast krijgen artsen meer tijd voor directe patiëntenzorg, wat de kwaliteit van de zorg ten goede komt.

Om AI succesvol te implementeren, volgt het UMC Utrecht een duidelijke AI-strategie: het ziekenhuis identificeert problemen, ontwikkelt AI-oplossingen en implementeert deze vervolgens in de praktijk. Wat sterk is aan de aanpak van het UMC Utrecht, is dat het ook de samenwerking zoekt met andere ziekenhuizen. Zo werkt het ziekenhuis samen met het Julius Centrum om de effectiviteit en veiligheid van de AI-tool voor het schrijven van ontslagbrieven te evalueren.

Zeno AI: detectie van hoofd-halskanker

Beeldherkenning is momenteel misschien wel de meest gebruikte AI-toepassing in de Nederlandse gezondheidszorg. Deze technologie wordt vooral ingezet in de radiologie, waar AI-systemen ondersteunen bij het analyseren van röntgenfoto’s, CT-scans, MRI’s en andere medische beelden.

De impact is significant: AI-algoritmen presteren in sommige gevallen zelfs beter dan menselijke radiologen bij het opsporen van specifieke aandoeningen zoals longkanker, borstkanker en diabetische retinopathie. Deze technologie maakt niet alleen snellere diagnoses mogelijk, maar vermindert ook de werklast van medisch specialisten, zodat zij zich kunnen concentreren op complexere gevallen.

In een van de afleveringen van de podcastserie gaat David Wellenstein, KNO-arts en specialist in hoofd-halschirurgie, dieper in op Zeno AI, een AI-assistent die artsen ondersteunt bij de vroege detectie van hoofd-halskanker.

Zeno AI is een toepassing die KNO-artsen real-time ondersteuning biedt tijdens endoscopische onderzoeken. Het systeem helpt door afwijkingen in de keel direct te lokaliseren, te classificeren en te beoordelen. Zeno AI bespaart KNO-artsen tussen de 50.000 en 100.000 euro per jaar door snellere en nauwkeurigere diagnoses mogelijk te maken, waardoor minder onnodige vervolgonderzoeken nodig zijn en behandeltrajecten efficiënter kunnen worden ingericht. Dit kan in Nederland oplopen tot een totale besparing van 25 tot 50 miljoen euro per jaar*.

DRAAI: AI helpt doorligwonden te voorkomen

Decubitus, ook wel doorligwonden genoemd, is een beschadiging van de huid die ontstaat bij mensen die langdurig in dezelfde houding liggen. Decubitus vormt een aanzienlijk gezondheidsprobleem dat de kwaliteit van leven vermindert en hoge zorgkosten met zich meebrengt. Het is een van de meest voorkomende aandoeningen in de zorg, maar kan vaak worden voorkomen met de juiste preventieve maatregelen. Decubitus komt voor bij 15 tot 30 procent van de patiënten in Nederlandse zorginstellingen en brengt jaarlijks meer dan 1 miljard euro aan zorgkosten met zich mee, ongeveer 1 procent van het totale gezondheidszorgbudget in Nederland.

Steffen Greup en Denise Spoon van het Erasmus MC gaan in een van de afleveringen nader in op DRAAI (Decubitus Risico Alarm Artificial Intelligence), een innovatief AI-model dat helpt bij het voorspellen en voorkomen van doorligwonden. Het model maakt dagelijkse voorspellingen van het decubitusrisico door gebruik te maken van gegevens uit het elektronisch patiëntendossier. DRAAI analyseert verschillende factoren, zoals de verwachte opnameduur, leeftijd en ADL-score (activiteiten van het dagelijks leven), om het risico te bepalen. DRAAI presteert aanzienlijk beter dan de traditionele scorelijst die momenteel in veel ziekenhuizen wordt gebruikt.

Als we uitgaan van 1,4 miljoen ziekenhuisopnames per jaar in Nederland, waarbij 23 procent van de patiënten decubitus ontwikkelt, kan DRAAI met een 15 procent betere voorspelling leiden tot een reductie van 48.300 decubitusgevallen per jaar, oftewel een geschatte kostenbesparing van ruim 200 miljoen euro per jaar*. Een effectief voorspelmodel zoals DRAAI verlaagt overigens niet alleen de zorgkosten, maar verbetert ook het welzijn van patiënten aanzienlijk.

Van digitalisering naar digitale transformatie van de zorg

De hierboven genoemde AI-toepassingen zijn slechts enkele voorbeelden van hoe AI een bijdrage kan leveren aan de zorg. Dit soort toepassingen zijn wat mij betreft mooie voorbeelden van het optimaliseren of digitaliseren van bestaande zorgprocessen. In potentie levert dat een besparing op in tijd en geld. Het echte potentieel van AI ligt mijns inziens in het fundamenteel anders organiseren van de zorg, oftewel in de digitale transformatie van zorg.

Denk aan hoe platformen, data en slimme algoritmen vraag en aanbod in de zorg slimmer kunnen organiseren. Hoe patiënten niet voor iedere vraag een beroep hoeven te doen op een zorgprofessional, maar met goede ondersteuning direct toegang krijgen tot de juiste informatie of (ervarings)deskundigen. Maar het kan nog verder gaan: op basis van data en slimme algoritmen kunnen mensen persoonlijk advies krijgen over hun levensstijl en gezondheid, waardoor de behoefte aan zorg afneemt. Dit vraagt echter om een bredere visie dan alleen digitaliseren van de zorg; het gaat dan om de digitale transformatie van de zorg.

Voor zowel digitalisering als digitale transformatie moeten we geduld hebben. Kritische geluiden uit het werkveld moeten serieus worden genomen. Veelbelovende technologieën zoals ambient listening en dossier-samenvattende algoritmen worden getest, maar vereisen nog veel aanpassingen en validatie voordat grootschalige implementatie mogelijk is. Daarnaast is de waarschuwing voor afhankelijkheid van AI terecht. Essentiële infrastructuren, zoals een solide datafundament en uniforme regelgeving, ontbreken grotendeels. Ook de training van zorgprofessionals in AI-gebruik is een tijdrovende investering, waarbij ethische en juridische implicaties niet mogen worden onderschat. En dan is er nog de noodzakelijke samenwerking tussen de vele betrokken partijen.

AI kan de zorgsector aanzienlijk ontlasten, maar een realistische en gefaseerde aanpak is noodzakelijk. Terwijl de overheid, onder aanvoering van Agema, de voordelen en snelle implementatie benadrukt, blijven zorgprofessionals en onderzoekers terughoudend en wijzen zij op een tijdspad dat eerder in jaren dan in maanden moet worden gemeten.

In de aflevering met Jessica Workum van het Elisabeth-TweeSteden Ziekenhuis (ETZ) in Tilburg komen deze uitdagingen uitgebreid aan bod. Het ETZ hanteert een heldere visie op AI, samengevat als: Verantwoord en effectief toepassen van AI, anticiperend op de toekomst. Een visie die ik, als verantwoordelijke voor welke zorginstelling dan ook, volledig zou omarmen.

En nogmaals, mijn boodschap blijft: richt je niet alleen op het optimaliseren van bestaande processen, maar vooral op de kansen van een fundamenteel ander paradigma. Niet alleen digitaliseren, maar digitaal transformatie om te komen tot echte transformatie van de zorg!