Patiëntervaringen analyseren met Artificial Intelligence - Marieke van Buchem en Hileen Boosman

26-05-2021
2630 keer bekeken

De antwoorden van patiënten op open vragen over hun ervaringen zijn ontzettend waardevol voor het verbeteren van de zorg, maar deze data analyseren kost veel tijd en capaciteit. AI-technieken zijn geschikt om dat probleem te verhelpen. Marieke van Buchem en Hileen Boosman vertellen.

Marieke van Buchem is momenteel bezig met een promotieonderzoek naar de waardevolle implementatie van AI in de zorg. Hileen Boosman startte in 2018 samen met Simone Cammel in het LUMC een project op het gebied van patiëntervaringen. Daar zagen zij dat gegevens uit vrije tekstvelden niet altijd goed werden gebruikt en dat het veel tijd kostte om alles door te lezen en te classificeren. De oplossing in het beter en efficiënter analyseren van de data vonden zij in AI-technieken. Ze richtten zich op het zorgpad brughoektumoren en pasten de open vragen zo aan dat ze beter met AI-technieken te analyseren zijn. Van Buchem heeft in haar promotietraject een model gecreëerd dat automatisch de belangrijkste inzichten uit deze data kan halen. 

Marieke, hoe heb jij het vervolg opgepakt in je promotietraject?

Marieke: De 500 ingevulde vragenlijsten van de patiënten in het zorgpad brughoektumoren waren mijn startpunt. In samenwerking met Hileen en twee betrokken artsen, Olaf Neve en Erik Hensen, ben ik verschillende AI-modellen op de data gaan testen, waarbij we de resultaten steeds met elkaar bespraken en evalueerden. 
De AI-techniek waarmee we werken behoort tot een tak die Natural Language Processing heet. Het model dat we gebruiken ‘leest’ de teksten en bepaalt zelf wat belangrijk is en welke onderwerpen het uit de tekst haalt. De huidige vragenlijst bestaat uit vijf open vragen, elk over een specifiek domein, zoals: ‘Wat vond u van de samenwerking?’ Het model bepaalt eerst of het antwoord van de patiënt positief of negatief is. Uit die positieve en negatieve antwoorden worden vervolgens de belangrijkste inzichten gehaald, wat tegelijkertijd een soort kwantitatieve maat oplevert: zoveel antwoorden zijn positief, zoveel negatief. We hebben ook een functie in het model gebouwd dat voorbeelden kan terughalen. Wil je bijvoorbeeld meer informatie over de positieve antwoorden die patiënten hebben gegeven over de samenwerking, dan kan het model terughalen wat daarover gezegd wordt. Het model is sinds eind mei af, ik ben nu bezig met het schrijven van een artikel. 

De vijf open vragen op de vragenlijsten zijn de volgende:

  • Hoe was de informatie over uw ziekte?
    Denk aan: het beloop, de mogelijke onderzoeken en de behandeling(en).
  • Hoe was de persoonlijke aanpak?
    Denk aan: samen beslissen, luisteren naar uw voorkeur, emotionele steun
  • Hoe was de samenwerking tussen zorgverleners?
    Denk aan: geen wisselende adviezen of verhaal dubbel moeten doen, contact met huisarts of andere ziekenhuis
  • Hoe was de organisatie van de zorg?
    Denk aan: maken van afspraken, verschillende afspraken op dezelfde dag, telefonisch bereikbaar
  • Overige ervaringen:

In de eerdere studie van Hileen en Simone bleek het model schaalbaar, in hoeverre is dat nu het geval?

Marieke: Het gaat vooral om de hoeveelheid data die je erin stopt. Het model werkt beter met meer data, maar we hebben juist dit model gekozen omdat het geschikt is voor relatief weinig data. Bij een dataset met minder dan 100 ingevulde vragenlijsten is het misschien niet zo nuttig. 

Hileen: Bovendien kun je je afvragen wat de toegevoegde waarde van deze techniek is bij weinig data. Maar of het nu gaat om veel of weinig antwoorden, de techniek zorgt ervoor dat de data neutraal geclassificeerd wordt. Als mensen dat moeten doen, kunnen er onderling grote verschillen zijn. Dat probleem neem je met dit model ook weg.

Marieke: We hebben in de komende maanden gesprekken met teams van andere zorgpaden in het LUMC, want we willen graag kijken of het model generaliseerbaar is. Het model is flexibel, dus het is niet alleen geschikt voor patiënten met een brughoektumor.Je kunt het model gemakkelijk een nieuwe dataset geven, waar het dan nieuwe onderwerpen uithaalt. Dat is hoe ik het gemaakt hebt en dat gaan we nu dus testen.

Hoe kan het model in de praktijk gebruikt worden voor kwaliteitverbetering?

Marieke: De teams binnen de zorgpaden in het LUMC hebben elke maand een zorgpadoverleg. Tijdens dit overleg kunnen eens per kwartaal de inzichten van het model worden besproken, dan heb je genoeg nieuwe data kunnen verzamelen. In een traject van kwaliteitsverbetering kun je het model bijvoorbeeld een keer per half jaar of een keer per jaar toepassen.

Hileen: Iedere ervaring telt, is nu de trend. We moeten alle patiënten in de gelegenheid stellen om hun ervaringen te delen. Tegelijkertijd weten we ook dat er vaak onvoldoende capaciteit is om met al die ervaringen aan de slag te gaan. We hopen dat het model ons gaat ondersteunen, dat het gemakkelijker wordt om open teksten te gebruiken én dat we door efficiëntere verwerking tijd besparen die we kunnen inzetten voor kwaliteitsverbetering.  

Wat is de meerwaarde van deze techniek ten opzichte van wat er al kon op het gebied van kwaliteitsverbetering?

Marieke: Patiënten kunnen hun eigen ervaringen delen. Gesloten vragen geven richting, maar bieden niet of minder de gelegenheid om zaken aan te kaarten die niet in die vragen aan bod komen. Er is ruimte voor nuance omdat patiënten niet vastzitten aan antwoordopties. De combinatie van de vragenlijst en de techniek geeft patiënten die kans.

Hileen: een eerste aanzet om open teksten samen te vatten was het gebruik van woordwolken. Woordwolken in dashboards zijn populair, maar er zitten beperkingen aan. Ik was verbaasd over de kwaliteit van de data. Nu ik er zoveel mee bezig ben, zie ik hoe veel schrijffouten er gemaakt worden. Als je deze niet corrigeert klopt een woordwolk niet altijd meer en kan deze misleidend zijn. Het opschonen van data, ze van goede kwaliteit maken, is een essentiële stap. 

Het huidige AI-model is een mooie nieuwe stap om nog beter gebruik te maken van de data en wie weet wat er over vijf jaar mogelijk is. Dat continu verbeteren is nodig zodat we steeds beter gebruik kunnen maken van de ervaringen die patiënten ons geven.

Meer lezen:

Afbeeldingen

X (voorheen Twitter)

Volg Linnean online

Linnean Initiatief op YouTube  Linnean Initiatief op LinkedIn

Over ons

Het Linnean Initiatief is een landelijk netwerk van koplopers en aanjagers van waardegedreven zorg. 

Lees meer

Linnean-netwerk

Ook deelnemen aan het Linnean-netwerk?
Sluit u aan bij het netwerk.

Contact

Stichting Linnean Initiatief
KvK: 75738007

Neem vooral contact met ons op voor meer informatie, tips of suggesties.

linnean@zinl.nl
Contact

 

 

Cookie-instellingen