Van podcast naar dagelijkse routine
Jack, anesthesioloog en pijnspecialist in het UMC Utrecht, begon eind 2023 intensief te werken met generatieve AI. Het kantelpunt was de podcast AI, je nieuwe collega. Hij experimenteerde met tools als ChatGPT, Perplexity, Consensus en Claude. Niet als hobby, maar vanuit urgentie.
“Ik realiseerde me dat de ontwikkelingen erg hard gaan. Als ik dit nu niet ga begrijpen, loop ik straks achter.”
Inmiddels gebruikt hij AI dagelijks voor kennismanagement, literatuuronderzoek en het structureren van complexe klinische informatie.
Het EPD is leidend
De basis van zijn werkwijze is Autoscriber, de transcriptievoorziening die binnen het UMC Utrecht is goedgekeurd en geïntegreerd in HiX. Elk gesprek wordt eerst daar vastgelegd. Autoscriber is de enige technologie die tijdens het consult meeluistert; de gesprekken vinden verder uitsluitend plaats tussen arts en patiënt. Het EPD in HiX is en blijft leidend. Herleidbare patiëntgegevens worden niet buiten de daarvoor bestemde, door het ziekenhuis beheerde IT-omgevingen verwerkt.
Wat HiX nog niet doet
De autoscribe-functie legt vast wat er gezegd wordt, maar mist context. Bij een pijnconsult gaat het niet alleen om de klacht zelf, maar ook om voorgeschiedenis, eerdere behandelingen, functioneren, medicatie en de manier waarop iemand zijn klachten begrijpt.
Voor zijn verslaglegging en kenniswerk zet hij na het consult soms AI in als extra check op geselecteerde, geanonimiseerde tekst – bijvoorbeeld om patronen te herkennen die voor een pijnarts relevant zijn, zoals hoe een patiënt over pijn denkt, welke verwachtingen iemand heeft of welke factoren de klachten mogelijk in stand houden. De medische interpretatie en het beleid blijven bij de arts.
Privacy als vertrekpunt, niet als sluitpost
Wat opvalt is hoe hij privacy niet als belemmering ziet, maar als randvoorwaarde die hij actief inbouwt. De volgorde is altijd dezelfde: eerst het consult en de vastlegging via Autoscriber in het EPD, vervolgens waar nodig anonimisering, en dan pas optionele ondersteuning met AI. AI ondersteunt de naverwerking van verslaglegging en kennis, en kijkt niet live mee tijdens het gesprek.
“Ik wil gewoon zeker weten dat data niet ergens anders terechtkomt.”
Om aanvullende AI-ondersteuning nog veiliger te maken, werkt hij aan een eigen aanpak om tekst vooraf beter te anonimiseren, voordat die eventueel bij een taalmodel terechtkomt. Die aanpak test hij nog met fictieve teksten, om te controleren of de anonimisering goed werkt. Nieuwe toepassingen komen pas in aanmerking voor klinisch gebruik nadat zij inhoudelijk, technisch en organisatorisch voldoende zijn beoordeeld, passen binnen het beleid van het ziekenhuis en het ziekenhuis daarmee akkoord is. De medische beoordeling, interpretatie en vastlegging blijven volledig zijn eigen verantwoordelijkheid.
Niet sneller, maar beter
Levert het tijd op? Zijn antwoord is genuanceerd.
“Ik ga niet ineens eerder naar huis. Maar de kwaliteit van mijn verslaglegging is echt veel beter.”
De brieven zijn uniformer, beter onderbouwd en communiceren duidelijker richting patiënt en verwijzer. Hij gebruikt AI ook als klankbord bij complexe beslissingen, met strakke prompts en uitsluitend gebaseerd op een database met geselecteerde literatuur – geen vrij generatieve AI die zelf dingen verzint, maar een systeem dat werkt met wat er aan de achterkant is ingevoerd. “AI is vaak strikter in de leer dan ikzelf. Dat is juist goed, het houdt me scherp.” Alles wat AI genereert leest hij woord voor woord na. Het beleid bepaalt hij zelf.
Van pionier naar organisatie
Dit verhaal is geen blauwdruk, maar het laat zien wat er al mogelijk is als één gemotiveerde arts zelf aan de slag gaat. De vraag voor een bestuurder is een andere: hoe zorg je dat dit niet bij één pionier blijft, maar dat het breder landt in de organisatie?
Dat is precies de overgang van individueel experimenteren naar georganiseerd toepassen, de stap die veel ziekenhuizen nu proberen te zetten. In onze blog over de stap van experimenteren naar organiseren beschrijven we hoe die beweging eruitziet en waar de meeste organisaties vastlopen. En als je wilt weten waar jouw ziekenhuis nu staat, biedt ons AI-volwassenheidsmodel voor ziekenhuizen een bruikbaar vertrekpunt.
Bij Dstiny werken we aan deze overgang in meerdere ziekenhuizen. Elise de Koning verzorgt de Masterclass AI in de Zorg. Geen theoretische training, maar een praktische sessie die aansluit bij de dagelijkse praktijk van artsen en verpleegkundigen. Samen kijken we wat er al is, wat er mogelijk is en hoe je dat verantwoord organiseert. Meer over onze aanpak rondom smart hospital-implementaties lees je op onze website.
Want de uitdaging zit zelden in de technologie zelf. “Het zit vooral in de integratie met systemen zoals een EPD. En in het vertrouwen van mensen, dat het veilig en effectief is.” Dat vertrouwen opbouwen, samen met de mensen op de werkvloer, dat is het werk.