Tijdens een bezoek van een patiënt aan de polikliniek, wordt door de arts meegetypt in het ZIS/epd-systeem HiX. In een vrij tekstveld typt de arts bijvoorbeeld welke medicatie wordt gebruikt, wat de klachten zijn en schrijft concluderend een diagnose en behandelplan. Invoeren van al deze gegevens kost veel tijd en vaak wordt ervoor gekozen om de tekst in vrije tekstvelden in te voeren en niet in de daarvoor bedoelde kolommen. De gegevens zijn dan slecht terug te vinden en het schrijven van een ontslagbrief kost ook weer veel tijd.

Start project: van audio naar tekst

Samen met Martijn Bauer, internist in het LUMC, Google en Qlouder starten wij vanuit digitale innovatie (Directoraat ICT) een project om deze registratielast te verminderen en ervoor te zorgen dat alle beschikbare tijd in een poliklinisch bezoek besteed kan worden aan de patiënt zelf. Google stelt de software beschikbaar die nodig is om spraak naar tekst te automatiseren en Qlouder begeleidt ons bij het implementatietraject in het LUMC. Martijn Bauer is een enthousiaste internist die graag betrokken is bij innovatieve projecten. Door onze gedeelde interesse en visie dat innovatie in het LUMC nodig is om de zorg te kunnen verbeteren, hebben wij elkaar gevonden. Dit is het eerste project dat wij samen met hem zijn gestart.
Sinds september 2017 zijn wij in gesprek met Martijn Bauer over het project en sinds november zijn Google en later ook Qlouder aangehaakt. We hebben nu de intelligente software van Google getest en gaan vandaag, vrijdag 2 maart écht van start gaan met een kick-off. Dat begint met een verkenning waarbij het gesprek tussen de patiënt en de arts tijdens het polibezoek wordt opgenomen. Uiteraard nadat de patiënt daartoe toestemming heeft verleend. Dit audiobestand wordt dan direct omgezet in tekst, waarbij herkend wordt wat bijvoorbeeld de huidige gebruikte medicatie van de patiënt is, en wat de symptomen zijn. Dit is een eerste stap om uiteindelijk de herkende velden gestructureerd in HiX te kunnen invullen. Vervolgens zal het product in 1 maand worden ontwikkeld om het vervolgens te testen. De verwachting is dat in de zomer de eerste resultaten kunnen worden gepresenteerd. Het beoogde resultaat? Een verminderde registratielast bij het polibezoek én eenvoudig hergebruik van data.

Diagnosesuggestie

Doordat gegevens uit de anamnese, die nu in vrije tekst worden genoteerd, met deze aanpak gecodeerd vastgelegd worden, komen ze beschikbaar voor analyse. Deze analyse kan dan weer gebruikt worden voor suggesties over de meest waarschijnlijke diagnosen.

Simone Cammel, Data scientist team Digitale Innovatie LUMC