"Het begin was uitdagend, maar nu werken artsen graag met Large Language Models (LLM's) in ons ziekenhuis”, zegt Bram Stieltjes, MD, PhD, hoofd Research and Analytic Services bij de afdeling Radiologie van het Universitair Ziekenhuis Basel (Universitätsspital Basel). In een interview bespreken we hoe LLM's en andere technologieën in ziekenhuizen kunnen worden geïntegreerd om workflows te verbeteren en administratieve lasten te verminderen.
Ziekenhuizen - waaronder het Universitätsspital Basel - maken gebruik van talloze IT-applicaties van verschillende leveranciers. Hoe navigeren artsen door zo'n complex digitaal ecosysteem?
Dat wordt steeds meer een uitdaging. Artsen moeten vaak jongleren met meerdere apps en handmatig informatie kopiëren tussen systemen. We hebben geprobeerd dit te stroomlijnen door alle applicaties vanuit één framework te laten starten, maar dat is slechts een workaround. Deze versnippering belemmert het totaalbeeld van een patiënt en creëert inefficiënties die van invloed zijn op de zorgverlening.
Hoe werkt u aan betere integratie?
Op dit moment gebruiken we, net als veel ziekenhuizen, berichtenstandaarden zoals HL7v2 om gegevens te integreren, maar het is geen echte integratie. Deze berichten bieden geen uitgebreid of historisch overzicht. Om hier iets aan te doen, hebben we onlangs een openbare aanbesteding voor een open dataplatform afgerond. Vanaf januari 2025 zullen we leveranciers stimuleren om zich te houden aan open standaarden op dit platform. Deze verschuiving is een stap in de richting van een uniforme digitale omgeving.
Op de conferentie “AI in Health” zei u dat artsen tot 50% van hun tijd besteden aan elektronische patiëntendossiers (EHR's). Wordt de situatie beter of slechter?
Zonder significante veranderingen zal het alleen maar erger worden. Het groeiende aantal losgekoppelde applicaties maakt het moeilijker om een volledig beeld van de patiënt te krijgen. Daarom hebben we een nieuwe strategie voor klinische toepassingen aangenomen, die gericht is op gestandaardiseerde gegevensdefinities om naadloze klinische werkstromen te creëren. Naast ziekenhuizen onderzoekt ons gezondheidsdirectoraat regionale en nationale standaarden om dit probleem op grotere schaal aan te pakken.
Wat zijn de belangrijkste pijnpunten met EPD's?
In Zwitserland is het probleem fundamenteel - we hebben niet eens een uniform EPD-systeem. Elk ziekenhuis en systeem werkt geïsoleerd, waardoor het onmogelijk is om een beknopt, samenhangend beeld te krijgen van de medische geschiedenis van een patiënt, laat staan om gegevens van externe bronnen zoals huisartsen of andere ziekenhuizen te integreren.
U bent begonnen met het gebruik van grote taalmodellen om gegevens samen te vatten en klinische brieven op te stellen. Hoe is dit begonnen?
Het begon ongeveer tien jaar geleden in de radiologie, met de introductie van machine learning. We bouwden een team van ingenieurs om op beeldvorming gebaseerde algoritmen te ontwikkelen. Toen de vraag groeide, realiseerden we ons dat gefragmenteerde klinische landschappen vooruitgang in de weg staan. Daaruit haalden we de inspiratie voor ons initiatief voor open standaards. Later experimenteerden we met natuurlijke taalverwerking voor klinische documentatie, maar de resultaten waren beperkt. De komst van LLM's veranderde dat. Met gestructureerde gegevens uit ons datawarehouse helpen LLM's nu fouten zoals AI-hallucinaties te verminderen en efficiënt te schalen.
Wat heeft de implementatie van LLM's tot nu toe opgeleverd?
Een belangrijke toepassing is het voorbereiden van multidisciplinaire discussies, zoals voor oncologie of wervelkolomchirurgie. LLM's kunnen een stapel rapporten samenvatten en deze toetsen aan meerdere richtlijnen - Amerikaans, Europees, nationaal of ziekenhuis specifiek. Dit stroomlijnt de besluitvorming. Een ander praktisch gebruik is het opstellen van brieven voor verzekeringsgoedkeuringen. Taken die voorheen 20 minuten per patiënt in beslag namen, kunnen nu met ondersteuning van LLM in één of twee minuten worden uitgevoerd.
Welk advies zou u ziekenhuizen geven die beginnen met het implementeren van LLM's? Op welke uitdagingen moeten ze voorbereid zijn?
Een belangrijke uitdaging is hardware. Veel ziekenhuizen beschikken niet over de infrastructuur om LLM’s op te laten draaien. Als u vertrouwt op cloudoplossingen, hebt u een robuuste cloud strategie nodig. Voor on-premise opstellingen heb je personeel nodig dat bedreven is in het beheren van dergelijke omgevingen. Een andere cruciale factor is het betrekken van artsen. Artsen zijn vaak overwerkt, dus u moet middelen vrijmaken om hen op een zinvolle manier bij het implementatieproces te betrekken. Hun feedback is van vitaal belang, maar het is ook cruciaal om ze niet teleur te stellen met vroege, ondermaatse oplossingen.
Hoe vind je de juiste artsen om mee samen te werken aan deze innovaties?
Het is belangrijk om artsen te vinden die echt geïnteresseerd zijn in implementatie. Velen zijn nieuwsgierig naar AI, maar om secundaire redenen, zoals het publiceren van artikelen; daarom missen ze misschien het doorzettingsvermogen voor iteratieve ontwikkeling en de samenwerking die nodig is om bruikbaarheid te garanderen. We geven voorrang aan degenen die zich inzetten voor het verbeteren van werkstromen en patiëntenzorg. Zodra deze innovaties effectief blijken, zijn zelfs sceptische collega's geneigd om ze over te nemen.
Welke andere AI-toepassingen onderzoekt u in uw ziekenhuis?
In de radiologie maken sommige AI-oplossingen al deel uit van de routinepraktijk. We hebben ook AI geïmplementeerd op administratieve gebieden zoals facturering. Het beoordelen van juridische contracten is een andere toepassing die in opkomst is. Zodra onze infrastructuur stabiel is, voorzie ik dat AI-toepassingen zich zullen verspreiden over alle ziekenhuisfuncties, van klinische taken tot operaties.
Spraak-naar-tekst technologieën geïntegreerd in elektronische patiëntendossiers worden steeds populairder in de VS. Ziet u dit als een game-changer?
Absoluut. Spraakgestuurde systemen kunnen van gestructureerde documentatie de norm maken, waarbij klinische documentatie en andere documenten worden omgezet in bijproducten van gestructureerde gegevens in plaats van andersom. We hebben al soortgelijke systemen ontwikkeld voor radiologie, waarbij tekst en gestructureerde gegevens gesynchroniseerd blijven. Wijdverspreide toepassing kan ervoor zorgen dat artsen niet meer hoeven te typen, zodat ze zich meer kunnen richten op interacties met patiënten. In omgevingen zoals operatiekamers zijn spraaksystemen zelfs nog belangrijker, omdat typen niet praktisch is.
Sommige ziekenhuizen zijn terughoudend met het implementeren van AI vanwege strikte regelgeving op het gebied van gegevensbescherming. Hoe heeft u dit aangepakt?
Eén benadering is het gebruik van open-source LLM's op locatie, wat de beveiligingsrisico's beperkt maar een aanzienlijke investering in hardware vereist. Het genereren van synthetische gegevens is een andere veelbelovende oplossing. Hiermee kunnen we modellen trainen zonder gebruik te maken van gevoelige patiëntgegevens, wat in lijn is met de wettelijke vereisten. Voor inferentie kan het hosten van modellen binnen ziekenhuizen een balans vinden tussen privacy en functionaliteit.
Als er geen financiële beperkingen waren, aan welke technologieën zou u de komende 3-5 jaar dan prioriteit geven?
Mijn visie is een centraal patiëntgegevensmodel dat continu wordt bijgewerkt door verschillende bronnen, van MRI-scanners tot arts-patiëntgesprekken. Dit model zou alle beslissingen en updates integreren, waardoor intuïtieve, realtime inzichten mogelijk worden zonder de noodzaak van herhaalde gesprekken. Zo'n allesomvattend systeem zou de manier waarop we in de geneeskunde voelen en beslissen herdefiniëren en elk aspect van de zorgverlening stroomlijnen.
Nog laatste gedachten over de toekomst van LLM's in ziekenhuizen?
We staan aan de vooravond van belangrijke veranderingen. In januari ronden we de financieringsbesprekingen af om van onderzoek over te stappen op klinische implementatie. In de afgelopen tien jaar hebben LLM's de aandacht getrokken die het enthousiasme voor de integratie van deze hulpmiddelen in de dagelijkse praktijk aanwakkert. Het is een spannende tijd en ik ben optimistisch over het transformerende potentieel van deze technologie voor de gezondheidszorg.
