Als we het over ‘slimme zorg’ hebben, dan kunnen we niet om Artificial Intelligence (AI) heen. Het is één van de technologische innovaties die ons kan helpen om de zorg van morgen te realiseren. Mooie voorbeelden van hoe we AI al inzetten in het UMC Utrecht, zijn het automatiseren van ontslagbrieven om administratieve lasten te verminderen en het gebruik van voorspellende modellen voor 'no-shows' om kosten te verlagen. 

En om AI succesvol te implementeren in het UMC Utrecht, volgen we een duidelijke strategie: we identificeren problemen, ontwikkelen AI-oplossingen en implementeren ze vervolgens in de praktijk. “We signaleren dat veel processen in de zorg gepaard gaan met een hoge administratieve last voor de zorgverleners. Het inzetten van taalmodellen zoals ChatGPT en andere ‘Natural Language Processing’ technieken bieden nu nieuwe mogelijkheden. In het UMC Utrecht werken we aan generieke tools die deze AI-modellen ondersteunen en daarmee beschikbaar komen voor de gehele Nederlandse AI-community.  Een speciaal AI-team legt de focus op een van de gebieden waar we de meeste impact kunnen maken: de administratieve lasten van zorgverleners verminderen. 

Veilig en automatisch ontslagbrieven genereren 

Het schrijven van een ontslagbrief na de opname van een patiënt kost normaal gemiddeld een uur. Laura Veerhoek, data scientist bij afdeling Digital Health: “Wij ontwikkelen een applicatie die automatisch ontslagbrieven schrijft, waardoor artsen veel tijd besparen. Een focuspunt is de kwaliteit en veiligheid van deze technologie in de zorg. Daarom werken we veel samen met de eindgebruikers en vragen hen om feedback. Met tools zoals een evaluatiedashboard kunnen artsen de effectiviteit van applicatie testen bij verschillende patiënten. Samen met het Julius Centrum (de onderzoeksdivisie van het UMC Utrecht) evalueren we deze tools.” 

No-show – het niet komen opdagen van patiënten – voorspellen met AI 

Een ander mooi voorbeeld van hoe we onze zorg slimmer maken door AI, is het ‘no-show’ voorspelmodel. Deze code en werkwijze kunnen ook andere ziekenhuizen helpen om ‘no-shows’ (het niet komen opdagen van een patiënt) voor poliklinische afspraken te voorspellen. Het UMC Utrecht deelde al eerder deze code met andere ziekenhuizen. Dit soort samenwerkingen, maar ook de bijbehorende transparantie, zijn belangrijk om AI-toepassingen de versnellen. Het ‘no show’ model is ontwikkeld door Ruben Peters, data scientist in het UMC Utrecht en in samenwerking met het Erasmus MC. Meer weten? Ilse Kant, Teamlead Applied Data Science en voorzitter van het kennisnetwerk AI-implementatie in de zorg vertelt er meer over in deze video.