Waarom we zo hard inzetten op gestructureerde medische data?

Twee jaar geleden zijn we gestart met een eenvoudige maar krachtige overtuiging: zorgverleners zouden minder tijd achter hun scherm moeten doorbrengen, en meer tijd met hun patiënt. Dit was de eerste stap in de goede richting. Maar niet de enige.

Het echte probleem: medische data is ongestructureerd!

Cavell luisterde tijdens consultaties en genereerde automatisch een medisch verslagen op basis van wat er werd gezegd. De zorgverlener voerde het gesprek, Cavell schreef, in vrije tekst. Na afloop hoefde de arts enkel te reviewen en valideren. Geen nood meer getik meer terwijl de patiënt praat, geen inhaalbeweging meer 's avonds.

In onze bevraging bij meer dan 110 zorgverleners zagen we duidelijke resultaten. Vier op vijf artsen gaven aan dat hun contact met de patiënt verbeterde. Ze beschrijven hun werk als "sneller", "minder belastend" en "administratief lichter".

Maar bij de bevraging bij deze gebruikers werd ook iets anders duidelijk. Het omzetten van een consultatie naar vrije tekst is slechts de helft van het werk.

Meer dan 80% van alle medische data bestaat uit ongestructureerde vrije tekst. Klinische notities, ontslagbrieven, consultatieverslagen; allemaal geschreven in gewone taal, opgeslagen in documenten die machines niet zomaar kunnen lezen of verwerken.

Dat zorgt voor een cascade aan problemen. Medische data moet immers worden:

• Geregistreerd tijdens consultaties, na operaties, bij verpleegkundige rondes

• Verwerkt bij het opstellen van voorschriften, attesten, labo-aanvragen of ontslagbrieven

• Geraadpleegd bij de voorbereiding van een consultatie, het opstellen van een behandelplan of het nakijken van een voorgeschiedenis

Zolang al die informatie in vrije tekst staat, moet élke stap handmatig worden uitgevoerd door een mens die leest, interpreteert en opnieuw ingeeft. Traag, foutgevoelig en moeilijk schaalbaar.

Gestructureerde medische data betekent dat klinische informatie wordt vastgelegd via internationale standaarden, zodat systemen die informatie automatisch kunnen lezen, verwerken en uitwisselen.

Wat is dan medische gestructureerde data?

Er bestaan heel wat belangrijke internationaal aanvaarde standaarden. Standaarden voor het coderen van medische begrippen, zoals SNOMED CT bijvoorbeeld.

SNOMED CT is een groot medisch woordenboek van meer dan 350.000 klinische begrippen, elk met een unieke code. "Diabetes mellitus type 1" krijgt de code `46635009`, "ex-roker" wordt `8517006`. Elke diagnose, symptoom, procedure of observatie heeft een precieze, eenduidige identifier.

Daarnaast zijn er ook standaarden die toelaten om deze medische codes te structureren zoals FHIR, zodat we in deze medische codes relaties, verhalen, ... kunnen aanbrengen.

FHIR is een raamwerk voor het structureren van medische gegevens in onderling verbonden resources: Patiënt, Diagnose, Observatie, Zorgplan, Medicatie, en meer.

Wanneer die standaarden gecombineerd worden, kan een simpele notitie als "55-jarige patiënt met stekende hoofdpijn, waarschijnlijkheidsdiagnose migraine, CT-hersenen ingepland" worden omgezet naar een set gestructureerde, machine-leesbare datapunten, doorzoekbaar, herbruikbaar en uitwisselbaar over systemen heen.

De voordelen hiervan zijn duidelijk groot

• Makkelijk doorzoekbaar: vind alle patiënten met een specifieke diagnose in seconden

• Automatisch verwerkbaar: trigger workflows, waarschuwingen en voorschriften zonder manuele tussenkomst

• Interoperabel: deel data naadloos tussen ziekenhuizen, huisartsen en specialisten

• Klaar voor onderzoek en AI: bouw populatieanalyses en klinische AI-modellen op consistente, schone data

Waarom gebeurt dit dan nog niet automatisch?

Deze internationaal erkende standaarden bestaan al tientallen jaren. De vraag kan dus gesteld worden, indien de voordelen zo duidelijk zijn, waarom doen we dit dan niet?

Het antwoord is heel simpel!

"Gestructureerde data manueel ingeven een nachtmerrie is!", getuigd zowat elke zorgverlener ter wereld.

SNOMED-CT heeft 350 000 codes. Correct coderen vereist specifieke opleiding die de meeste artsen en verpleegkundigen nooit hebben gekregen. En zelfs als ze dat wel hebben, voegt het selecteren van de juiste code tijdens een drukke consultatie administratieve last toe, exact het soort wrijving dat adoptie doodt. Er bestaan tools die dit proberen op te lossen. Gestructureerde formulieren laten zorgverleners gecodeerde data ingeven via vaste invoervelden, maar dat brengt doorgaans méér administratie met zich mee, niet minder. Gewone AI scribes verminderen de administratielast wel voor de zorgverlener, maar genereren vaak weinig of geen gestructureerde medische data.

De conclusie is duidelijk: gestructureerde data zal enkel op grote schaal worden gecapteerd als dat automatisch, intuïtief en zonder extra belasting voor de zorgverlener gebeurt, tijdens het zorgmoment zelf.

En net daarom gaan we met Cavell een stap verder!

Cavell genereert automatisch gestructureerde en gecodeerde medische data uit een consultatie, zonder extra handelingen van de zorgverlener. Maar het gaat niet enkel over het genereren van die data. Het gaat over wat er daarna mee gebeurt.

Van vrije tekst naar gecodeerde datapunten. Wanneer een arts bijvoorbeeld zegt "patiënt heeft al enkele weken stekende hoofdpijn rechts, meest waarschijnlijk migraine zonder aura", verwerkt Cavell dat niet als tekst voor het besluit, maar als betekenis. Het systeem herkent de diagnose, koppelt er de correcte SNOMED-code aan, registreert dat automatisch op de juiste plaats binnen het EPD. Allemaal geformatteerd volgens de FHIR-standaard. Allemaal klaar om te valideren.

Gestructureerde data op maat van het EPD. De gestructureerde data wordt rechtstreeks afgestemd op de structuur van het EPD waarin de zorgverlener werkt. Er zijn heel wat verschillende elektronische patiëntendossiers op de markt in België en Europa. Cavell past het datamodel aan per context (per specialisme, per softwareomgeving) zodat de nodige informatie precies terechtkomt waar het EPD ze verwacht. Geen manueel overzetten, geen verlies van structuur bij import.

Wat dit mogelijk maakt. Eenmaal de gestructureerde data gevalideerd in het EPD zit, opent zich een volledig nieuwe laag aan mogelijkheden. Automatische triggers voor opvolging, populatieanalyses over patiëntengroepen heen, kwaliteitsindicatoren die zichzelf berekenen, ...

Het moge duidelijk zijn, er zijn heel wat problemen in de zorg vandaag. Heel wat van die problemen zijn terug te brengen tot gebrekkige medische gestructureerde data. Tools zoals Cavell, die echte waardevolle gestructureerde medische data kunnen genereren, zonder ons zorgpersoneel nog extra te belasten zullen de katalysator zijn tot een meer waardegedreven zorg.