Netwerk AI: Grote taalmodellen in de zorg
Grote taalmodellen (Large Language Models) zijn kunstmatige intelligentiesystemen die in staat zijn om tekst te genereren, te vertalen en te begrijpen. Welke mogelijkheden bieden deze modellen om de zorg te verbeteren en de administratielast te verlichten? En hoe kun je de betrouwbaarheid en veiligheid waarborgen? Deze en andere vragen kwamen aan bod tijdens de bijeenkomst van net Netwerk AI op 26 maart.
Jessica Workum, AI-specialist en internist-intensivist & klinisch farmacoloog in het ETZ, trapte af met een inleiding over grote taalmodellen. Deze zijn sterk in opkomst en hebben een enorme potentie voor het ondersteunen van dokters in hun dagelijks werk. ‘Een open AI-toepassing als ChatGPT kan interessant zijn voor niet-klinische taken maar je kunt het niet overal voor gebruiken. Als je daar patiëntgegevens invoert, zijn die beschikbaar voor iedereen, waarmee je het beroepsgeheim schaadt en problemen krijgt met de AVG. Daarnaast is de informatie die uit ChatGPT komt, niet altijd betrouwbaar en correct. Daar kun je als dokter dus niet op varen. Wel kunnen ziekenhuizen het GPT-model toepassen binnen de besloten digitale omgeving van het eigen ziekenhuis. Als je een taalmodel combineert met medische kennis en patiëntendossiers dan zijn de mogelijkheden eindeloos.’
Generatieve AI in Epic
Hoe ziet dat er concreet uit, AI in het EPD? Tom van der Laan, CMIO & KNO arts liet voorbeelden zien van toepassingen in het UMCG en het EZT en hoe dit wordt geïntegreerd in het EPD Epic. AI kan een voorzet doen voor het beantwoorden van schriftelijke patiëntvragen, patiëntsamenvattingen maken op basis van notities en gegevens in het dossier, automatisch acties genereren zoals het plannen van een vervolgafspraak, een herhaalrecept klaarzetten, een ontslagbrief schrijven of een onderzoek aanvragen bij het lab. Ook kan bij een consult spraak omgezet worden naar gestructureerde tekst. Daarnaast is er een chatfunctie waarmee je vragen kunt stellen over een patiënt ter voorbereiding op een consult zonder het hele dossier door te hoeven. ‘De dokter blijft altijd verantwoordelijk en moet de informatie wel checken, maar dan nog scheelt het enorm veel tijd’, aldus Van der Laan.
Digizorg
In de regio Rotterdam zijn vergelijkbare ontwikkelingen gaande met het EPD Hix. Aaram Omar Khader, cardioloog in opleiding, vertelde hoe in het Erasmus MC Digizorg wordt ontwikkeld. Dit is een software platform met app voor patiënten en een interface voor zorgverleners. De data komen uit Hix en Digizorg zit daar als een schil omheen. AI wordt gebruikt ter ondersteuning van de communicatie met de patiënt, voor snel inzicht in patiëntgegevens, het omzetten van spraak naar gestructureerde tekst, het automatisch genereren van taken en ook als virtuele assistent bij dagelijkse handelingen. Omar Khader: ’We kunnen niet meer om taalmodellen heen. Onze belangrijkste taak is om ze op de juiste manier in de zorg te laten landen. Dit hoeft niet heel ingewikkeld en duur te zijn. Als we samenwerken kan het snel gaan en kunnen we het inrichten zoals we het zelf willen.’
Discussie
Generatieve AI biedt veel mogelijkheden maar heeft ook haken en ogen. Zo moet je voldoen aan de Europese Medical Device Regulation (MDR) als je AI wilt inzetten voor klinische beslisondersteuning en dat vormt op dit moment nog een belemmering. In de discussie kwam daarnaast de vraag naar voren of AI de zorg persoonlijker maakt door meer tijd voor de patiënt, of juist ten koste gaat van het menselijk contact. En hoe weet je of AI niet iets over het hoofd ziet wat je wel mee moet nemen in je diagnose of behandeling? In het verlengde daarvan: hoe zit het met de foutmarge? Van mensen accepteren we dat er af en toe menselijke fouten worden gemaakt. Van machines niet. Wat daar uitkomt moet 100% kloppen. Moeten we daar misschien opnieuw naar kijken, omdat de tijdsbesparing die AI oplevert inmiddels geen luxe meer is maar een dringende noodzaak gezien de capaciteitsproblemen in de zorg? Voldoende stof om in volgende netwerkbijeenkomsten verder over door te praten.