Een stap richting minder administratie in het ziekenhuis

Het automatiseren van de medische registratie met behulp van Artificial Intelligence

Gelre ziekenhuizen heeft het afgelopen jaar geëxperimenteerd met het automatisch coderen van hoofddiagnoses in ICD-10. De Praktijk Index (dPI) ontwikkelde hiervoor algoritmes die op basis van ontslagbrieven voorspellingen genereren over de bijbehorende hoofddiagnose. Het handmatig vastleggen van deze hoofddiagnoses is namelijk een duur, tijdrovend en foutgevoelig proces. Ten eerste coderen medisch specialisten de DBC diagnosen. Daarnaast worden achteraf door medisch codeurs de ICD-10 diagnoses vastgelegd voor de medisch administratie.

De door dPI ontwikkelde algoritmes haalden in de experimenten nu al een nauwkeurigheid van 87%. Bij een groot gedeelte van de dossiers lag de zekerheid van de voorspelling al veel hoger (>95%): deze dossiers zijn nu al geschikt om geautomatiseerd te laten coderen. Bij een klein gedeelte van de dossiers lag de zekerheid lager. Dit kan komen doordat een patiënt verschillende klachten kan hebben, terwijl er maar één als hoofddiagnose wordt gecodeerd.

Een percentage van 87% is niet perfect, maar vergeet niet dat ook bij de codering door medische codeurs of door medisch specialisten variatie te zien is, en misschien wel eenzelfde foutmarge aanwezig is. Bovendien gebruikten de algoritmes in deze experimenten enkel ontslagbrieven. In het EPD staat veel andere informatie die erg bruikbaar is voor het voorspellen van een hoofddiagnose, denk hierbij aan geslacht, leeftijd, afdeling, verrichting en nog veel meer. Een jongen van 17 met borstkanker is vrij onwaarschijnlijk, bij een vrouw van 50 is dit veel aannemelijker. Daarnaast werden deze algoritmes ontwikkeld op slechts 10.000 dossiers. Als er op een grotere dataset ontwikkeld wordt, zal de nauwkeurigheid toenemen. Er is dus op korte termijn nog veel winst te behalen.

Automatische codering

Wat betekenen de resultaten van dit experiment nu? Met het ontwikkelde algoritme kan al een substantieel gedeelte van alle dossiers geautomatiseerd worden gecodeerd met een zekerheid die ver boven de 87% ligt. Een klein gedeelte van de dossiers met lagere zekerheid moeten nog handmatig worden gecodeerd. Het belangrijkste is dat de medisch specialist straks niet meer zelf diagnoses hoeft te selecteren in een menu in het EPD. Dit scheelt veel tijd en geld, waardoor er meer tijd overblijft voor zorg.

En voor de toekomst? Het doel is om zoveel mogelijk dossiers met grote zekerheid geautomatiseerd te coderen en het aantal dossiers dat nog handmatig moet worden gecodeerd te minimaliseren.

De codes die worden gebruikt voor hoofddiagnoses worden landelijk gebruikt. Dit betekent dat de algoritmes die in de Gelre ziekenhuizen zijn ontwikkeld ook landelijk toepasbaar zijn. Door artsen landelijk minder te belasten met administratieve werkzaamheden blijft er meer tijd over voor de patiënt.

Meer weten of meebouwen aan ons codeer algoritme. Laat het weten!

DPI en KPMG hebben tijdens dit project samengewerkt om de mogelijkheden van automatische codering te verkennen. Op dit moment wordt samen met Gelre Ziekenhuizen gewerkt aan een vervolg op deze pilot.

(picture in header: By U.S. Navy photo by Mass Communication Specialist 3rd Class James Seward [Public domain], via Wikimedia Commons)

De Dokter of het Algoritme (1)?

De computer die een diagnose vaststelt? Een algoritme dat een hartaanval voortijdig kan zien aankomen? Een stukje software dat een MRI interpreteert? Een (ro)botje dat mijn administratieve taken uitvoert? Is de dokter nog wel nodig? In een aantal artikelen wil ik een kijkje geven in huidige toepassingen van AI op het terrein van de zorg en bovenal de impact die zij op de zorg hebben. Het is een zoektocht naar de vraag:

Wie maakt mij nu beter, de dokter of het algoritme?

Of misschien wel:

Wie is beter, de dokter of het algoritme?

Artificial Intelligence (AI) is aan een flinke opmars bezig. Regelmatig verslaat de machine de mens al in snelheid en accuratesse van allerlei handelingen. Zo versloeg supercomputer Deepmind de beste Go-speler ter wereld met behulp van ‘Deeplearning’ technieken, iets wat lang niet voor mogelijk werd gehouden.

Door de snelheid waarmee deze technieken zich de laatste tijd ontwikkelen en doordat de machines zelfstandig kunnen leren neemt ook de angst voor AI toe. Elon Musk (Tesla/Space-X) waarschuwt met klem voor het moment dat we onze machines niet meer in de hand hUitgelichte afbeelding kiezenebben. Mark Zuckerberg (Facebook) vindt het echter allemaal wel meevallen en ziet vooral de mogelijkheden. Maar wat moeten we als zorgprofessionals en patiënten nu van deze technieken vinden?

AI: we maken er al massaal gebruik van

Opvallend is dat mensen doorgaans geen problemen hebben om een vliegtuig in te stappen dat al voor 95% van de tijd wordt bestuurd door een stukje software (de automatische piloot). De piloot is nog wel belangrijk voor een veilig gevoel, helemaal geen piloot is gevoelsmatig nog een brug te ver. Technisch gezien kan het al lang (zie bijvoorbeeld de drones die worden ingezet in oorlogsgebieden). Al jaren rijden mensen in auto’s waarbij de computer bepaalt wanneer wordt geschakeld (de bekende automaat), niets prettiger dan dat. En de nieuwere auto’s houden zelf afstand (adaptive cruise control) en blijven automatisch binnen de lijntjes (lane assist). En de allernieuwste auto’s kunnen zelfs al verkeerssituaties beoordelen en daar juist op reageren. En op een willekeurige webshop bepalen algoritmen wat ik naast mijn huidige aankoop verder nog leuk vind. Allemaal AI-toepassingen die al gemeengoed zijn geworden. En we maken er bewust of onbewust massaal gebruik van.

Wat is Artificial Intelligence eigenlijk?

Artificial Intelligence is eigenlijk een verzamelnaam van alle mogelijkheden die een computer heeft om enige mate van intelligentie aan de dag te leggen en daarmee taken uit te voeren die anders door mensen zouden worden gedaan. Dit vindt al plaats vanaf de jaren 50 en varieert van een simpele optelling van twee getallen tot een het toepassen van complexe zelflerende algoritmen.

De laatste jaren komen de ontwikkelingen rond AI in een stroomversnelling. Met name omdat de beperking van de hardware steeds minder een belemmering vormt. En daarnaast wordt nu zoveel data verzameld (zoek maar eens op ‘Bigdata’ en ‘IoT’) en vastgelegd dat er genoeg input is voor modellen om snel en accuraat te kunnen leren.

AI kent verschillende disciplines. Twee belangrijke disciplines die impact gaan hebben op de zorg zijn Machine Learning en Deep learning. In de vroege AI vertelde de mens de computer precies hoe een taak moest worden uitgevoerd (if – then – else). Machine Learning gebruikt algoritmen om de machine -op basis van grote hoeveelheden data- zelf te leren hoe een bepaalde taak moet worden uitgevoerd. Deep learning is weer een onderdeel van Machine Learning waarbij de computer werkt als ons brein en de input (afbeeldingen, teksten, gesproken tekst, etc) opsplits in meerdere lagen om daarbinnen stap voor stap te zoeken naar patronen.

Is AI in de zorg een hype die weer overwaait?

Daar kunnen we kort over zijn: nee. Binnen 5 tot 10 jaar worden diverse taken en processen die nu nog door mensen worden uitgevoerd overgenomen door de computer, simpelweg omdat die veel sneller, preciezer en goedkoper is (…en hij zeurt niet, is niet ziek en werkt 24/7…). Luister maar eens naar de Ted-talk van Jeremy Howard die uitlegt hoe deze technieken ons leven makkelijker kunnen maken. Hij laat ons zien dat de performance van de computer ons bijna heeft ingehaald, en daar kunnen we behoorlijk profijt van hebben.

Er zijn een groot aantal kansen voor de zorg waar ik de komende tijd dieper op in wil gaan:

  1. AI en het verlichten van de administratieve lasten: bijvoorbeeld het automatisch extraheren en aanleveren van indicatoren, het afleiden van DBC’s, het coderen van ICD-10, etc.
  2. AI en de snellere, vroegtijdige en betere diagnostiek: bijvoorbeeld het beoordelen en interpreteren van MRI’s, bloedwaarden, ECG’s, etc.
  3. AI en patiëntveiligheid: bijvoorbeeld het automatisch detecteren van adverse events, delier, incidenten, etc.
  4. AI en rechtmatigheid: bijvoorbeeld het beoordelen van de rechtmatigheid van declaraties in het kader van horizontaal toezicht.

Het zal wel even wennen zijn, voor zowel patiënt als dokter: jezelf ‘overgeven’ aan een computer of een algoritme. Dat vraagt wel vertrouwen. En durven erkennen dat de computer soms beter een taak uit kan voeren dan jij als -daarvoor opgeleid- professional. En het vraagt ook inzicht waar de grenzen liggen van dergelijke algoritmen. Als een robotje de administratieve klussen op kan pakken, waarom niet? En als de computer Gigabytes aan data in no-time kan verwerken om een gedetailleerde diagnose te stellen, kom maar op.

Maar wat nu als je als patiënt de dokter helemaal niet meer ziet en de machine álles overneemt? En wat moet je als dokter als de machine in veel handelingen beter en sneller wordt, wat is dan je meerwaarde nog? En wie grijpt in als het fout gaat? En wie beoordeelt de machine en de algoritmes, en hoe betrouwbaar zijn deze ze eigenlijk?

Stof genoeg om ons in te verdiepen. Wordt vervolgd.

It (AI) will improve health care and education, especially for those who can least afford it, and make the world a more humanitarian place. And no, your typical doctor or teacher may have a better, more human role being a mentor, friend and advisor, at least for a while. They will have more time for you.

(Vinod Khosla)