De zorgmarkt is volop in beweging. Nieuwe financieringsvormen vereisen een efficiëntere werkwijze. Gelijktijdig is er de maatschappelijke wens naar een grotere betrokkenheid van patiënten. De beschikbare informatietechnologie stelt behandelaars in staat om sneller te communiceren over diagnose-uitslagen en behandeltrajecten. De dynamiek van digitalisering heeft de zorg in de greep, doch de vraag is gerechtvaardigd of de zorg grip heeft op alle relevante data binnen het zorgproces.
Door de roep om transparantie en registratie gaat 35 procent van de productieve tijd van medische specialisten op aan registratieve taken. Een arts of een verpleegkundige heeft niet de opleiding noch de tijd om zoveel gegevens in te kloppen in een EPD. Weliswaar is de gestructureerde data gemakkelijk terug te vinden en te delen door de diverse behandelaars, maar voor het vastleggen van hun bevindingen geven ze de voorkeur aan de vrije tekstvorm. Informatici noemen deze data ongestructureerd. Ze vertellen ons vooral over de medische onderbouwing, nuancering en notities betreffende opvallende zaken, samengevat in ontslagbrieven, klinische logboeken, operatieverslagen en verpleegkundige logboeken. Die gegevens blijven in de meeste ziekenhuizen nog onbenut.
Voorspellen
Proefprojecten, uitgevoerd door het bureau Praktijk Index uit Bilthoven bij het Elizabeth- TweeSteden Ziekenhuis in Tilburg en het UMC Utrecht, tonen aan dat met analyse op de tekstuele, ongestructureerde data uit de verpleegkundige logboeken, complicaties tijdens de opname met een grote mate van zekerheid zijn te voorspellen. In de Tilburgse instelling lag de focus op het vinden van signalen over het ontstaan van een delier (acute verwardheid) bij oudere patiënten tijdens opname. Bij het UMC Utrecht wilde men nagaan of uit het verslag van de verpleegkundigen viel op te maken of de gezondheid van oudere patiënten tijdens de opname plotseling verslechterde, waardoor ze onverwacht op de intensive care terechtkwamen.
De twee ziekenhuizen waren enthousiast over het resultaat van tekstanalyse, uitgevoerd door de Praktijk Index met het softwareproduct iKnow. De basis van de hypothese klopte: aan specifieke woorden in een medisch verslag is een voorspellende waarde toe te kennen. Al eerder was bij een geslaagde proef met iKnow bij de Nederlandse GGZ instelling Parnassia vastgesteld dat het mogelijk is om uit de tekstverslagen van verpleegkundigen en psychiaters vast te stellen of patiënten op korte termijn in een fase komen die isolatie noodzakelijk maakt. Die ingrijpende maatregel is te voorkomen door het aanpassen van de therapeutische behandeling.
iKnow
Door woorden of zinsdelen met een voorspellende waarde te halen uit de tekstverslagen van artsen is iKnow bij een ziekenhuis aan de Amerikaanse Westkust in staat de behandelaars te wijzen op het ontstaan van sepsis (bloedvergiftiging) bij patiënten tijdens de opname. Terwijl de informatie in het EPD slechts sporadisch voorziet in duidelijke hints over sepsis risico’s, geeft de tekstuele analyse op de ongestructureerde klinische notities juist heel veel aanwijzingen. Zo zijn nog veel meer toepassingen denkbaar, zoals het vinden van patiënten met een zeldzaam bepaald ziektebeeld of het detecteren van incidenten of complicaties in het EPD. De kosten verbonden aan het analyseren van ongestructureerde data met iKnow zijn beduidend lager dan bij het gebruik van soortgelijke text mining software.
iKnow werkt volgens een bottom-up benadering die de tekst eerst in zinnen opdeelt en van daaruit betekenisvolle woorden of woordgroepen herkent en de relatie tussen deze woordgroepen. In traditionele vormen van tekstanalyse moeten vooraf woordenboeken of ontologiën worden samengesteld, aan de hand waarvan de computer een leertraject ingaat. Veelal is een zoekproces dan kwantitatief van aard. Dan gaat men voorbij aan het feit dat in het medische domein woorden een gehele andere betekenis kunnen hebben in een andere context.
Dirk Van Hyfte MD, PhD: Senior Adviseur Medische Informatica InterSystems