Under the hood - Hoe gaat Cavell van spraak naar een notitie?

Cavell is van bij de start ontwikkeld als een generieke AI-motor die inzetbaar is in verschillende zorgsettings. Huisartsen, thuisverpleegkundigen en specialisten werken elk op hun eigen manier, met andere workflows en andere verwachtingen van hun dossier. Toch vertrekken al deze toepassingen vanuit dezelfde technologische kern. Technisch bekeken is Cavell een spraak-naar-tekst-naar-code-motor. De componenten die spraak omzetten naar tekst en die tekst vervolgens omzetten naar een gecodeerd verslag zijn veralgemeende bouwblokken. Die architecturale keuze is bewust gemaakt: verbeteringen aan de Cavell-motor werken automatisch door in alle toepassingen, zorgen voor schaalvoordelen en laten toe om snel nieuwe use cases te ondersteunen zonder telkens opnieuw te moeten beginnen.

Anthony, medeoprichter van Cavell en Product Lead, dook recent onder de motorkap van de CareConnect AI Assistant tijdens een podcast van Corilus. Naar aanleiding daarvan duiken we graag wat dieper in de verschillende blokken waaruit deze Cavell-motor bestaat, en tonen we hoe die blokken per zorgsetting anders worden ingezet. De bouwblokken blijven dezelfde, maar hun configuratie wordt afgestemd op de realiteit van elke zorgsetting.

Stap 1: Capteren van de spraak

Alles start bij het capteren van gesproken informatie. Hoe die informatie wordt aangeleverd, verschilt sterk per context. Thuisverpleegkundigen werken vaak met korte spraaknotities van twintig tot dertig seconden, meestal na afloop van een huisbezoek. In zo’n notitie dicteren ze alle relevante observaties en handelingen. Omdat het hier om één spreker gaat en de dictatie bewust gebeurt, volstaat de microfoon van een smartphone perfect. Bij consultaties ligt dat anders. Tijdens een consult bij huisartsen, specialisten of psychologen wordt cruciale informatie niet alleen door de zorgverlener, maar ook door de patiënt uitgesproken, vaak verspreid over het hele gesprek. Om die informatie betrouwbaar vast te leggen, moet de audiocaptatie breder en consistenter zijn. Daarom raden we aan om in die settings een externe microfoon te gebruiken. In de podcast gaf Anthony wat meer duiding omtrent het belang van de externe microfoon.

Om een goede balans te bieden tussen audiokwaliteit, bereik en prijs lieten we deze externe microfoon op maat ontwikkelen. De huidige microfoon wordt via USB aangesloten op de computer en levert audio van voldoende kwaliteit om meerdere sprekers correct te capteren, zonder de workflow in de praktijk te verstoren.

Stap 2: transcriptie

De audio vormt de input voor de volgende stap: transcriptie. In deze fase wordt gesproken taal omgezet naar tekst via cloud-gebaseerde verwerking, wat nodig is om snelheid en schaalbaarheid te garanderen. Tijdens de podcast verduidelijkt Anthony waarom deze stap niet lokaal op de computer of smartphone van de zorgverlener kan gebeuren.

Een belangrijke factor tijdens consultaties is sprekersherkenning (speaker diarization). Bij consultaties bij een huisarts of specialist komt vaak een begeleider mee, en is het essentieel om te kunnen onderscheiden wat door de patiënt wordt gezegd, door een begeleider of door de arts. Die scheiding is cruciaal voor de juiste interpretatie van het consult. Bij thuisverpleegkundigen, waar meestal één persoon dicteert, is sprekersherkenning veel minder relevant en kan de pipeline eenvoudiger worden gehouden.

Stap 3: van transcriptie naar een gecodeerd verslag

De transcriptie is geen eindpunt. In de derde stap wordt de tekst omgezet naar een gecodeerd verslag, afgestemd op de zorgsetting en op de manier waarop het EPD informatie verwacht. Zo’n gecodeerd verslag bestaat uit een combinatie van vrije tekst, diagnosecodes en gestructureerde, gecodeerde parameters.

Voor thuisverpleegkundigen extraheert Cavell naast een beperkt vrij tekstveld een veertigtal parameters die specifiek relevant zijn voor verpleegkundige observaties en wondzorg. Voor huisartsen genereert Cavell een verslag in SOEP-formaat, met een duidelijke scheiding tussen wat de patiënt subjectief aangeeft, wat objectief kan worden waargenomen of gemeten, de gecodeerde evaluatie en het plan voor verdere opvolging. Ook hier worden ongeveer veertig parameters automatisch herkend en gestructureerd, gaande van bloeddruk en gewicht tot meer gespecialiseerde parameters, bijvoorbeeld in het kader van diabetesconsultaties. Bij arts-specialisten is het specifieke formaat van het verslag nog belangrijker. Elk specialisme heeft zijn eigen focus, terminologie en verslagstructuur. Daarom bevat Cavell templates voor meer dan vijfentwintig specialismes en subspecialismes, van endocrinologie en cardiologie tot orthopedie en psychiatrie.

Om Cavell zo goed mogelijk te laten aansluiten bij al deze zorgsettings, werd door ons team van AI-ingenieurs een set samenwerkende AI-modellen opgezet. Die modellen zorgen ervoor dat gecodeerde verslagen niet alleen snel worden gegenereerd, maar ook inhoudelijk accuraat en relevant zijn binnen elke specifieke zorgcontext. Tijdens de podcast gaf Anthony wat meer duiding over hoe deze AI-modellen concreet werken voor huisartsen.

Aan het einde van dit proces is het gecodeerde verslag beschikbaar in het elektronisch patiëntendossier.

Cavell werd dus gebouwd als één generieke AI-motor die zich aanpast aan de context waarin hij wordt ingezet. Of het nu gaat om een korte spraaknotitie van een thuisverpleegkundige, een consultatie bij de huisarts of een specialistisch verslag, telkens doorloopt Cavell dezelfde fundamentele stappen: spraak capteren, transcriptie en omzetting naar een gecodeerd verslag. Wat verschilt, is de configuratie van die stappen, afgestemd op de workflow, inhoud en vereisten van de zorgsetting. Door te werken met herbruikbare bouwblokken combineren we kwaliteit, snelheid en schaalbaarheid, zonder in te boeten aan specificiteit. Dat maakt Cavell vandaag breed inzetbaar in de zorg, en tegelijk klaar om mee te evolueren met nieuwe use cases en zorgmodellen.

Wil je nog meer te weten komen over wat er Under the hood zit van Cavell, beluister gerust de volledige podcast via volgende link.