Use cases
Hieronder volgt een omschrijving van enkele toepassingen die we tot dusver al mogelijk hebben kunnen maken met behulp van textmining-technieken.
Cohort mediastinale massa uitklapper, klik om te openen
Onze textmining functionaliteit is onder andere gebruikt in een gezamenlijk project van het UMC Utrecht en Princes Maxima Centrum, waarbij onderzoekers zochten naar patiënten waarbij een mediastinale massa geconstateerd is. Dit type tumor komt voor bij andere oncologische diagnoses, en de bevinding wordt niet gestructureerd in het elektronisch patiëntendossier vastgelegd. Door in een brede selectie van consultverslagen uit het patiëntendossier te zoeken naar verschillende keywords, zoals mediastin* massa
, konden de juiste patiënten op een snelle, gebruiksvriendelijke en privacyvriendelijke manier gevonden worden. Deze patiënten kunnen vervolgens benaderd worden voor inclusie in een cohort, zodat er gericht onderzoek gedaan kan worden naar deze aandoening en de behandeling ervan.
Hospital-at-home-zorg spoedeisende hulp uitklapper, klik om te openen
Als patiënten zich melden op de Spoedeisende Hulp, zijn er diverse verdere behandelingen en interventies mogelijk. Onderzoekers van de divisie Interne Geneeskunde van het UMC Utrecht bekeken in hoeverre de zorg vervolgd kon worden door hospital-at-home-zorg. Daarbij wordt de behandeling thuis voortgezet, met toevoeging van eventuele (virtuele) assistentie. De bedoeling is daarmee minder vaak over te gaan tot klinische opnames, en zo de druk op de zorg te verminderen.
De populatie betrof een cohort van circa 700 patiënten met een verdenking op infectieziekten. Om het type zorg te categoriseren was informatie nodig, die deels uitsluitend geregistreerd werd in vrije tekst. Bijvoorbeeld:
- Opname ter observatie
- Hulpbehoevendheid bij ADL-activiteiten
- Gebruik van katheter
- Gebruik van voedingssonde
We hebben de relevante data uit consulten geanonimiseerd beschikbaar gemaakt in OpenSearch, waar de onderzoekers zelf zoektermen konden specificeren. Voor relevante informatie over voedingssondes werd uiteindelijk bijvoorbeeld NMS OR sovo OR *sonde
gebruikt. Door deze aanpak is het gelukt alle benodigde gegevens uit vrije tekst te verzamelen, zonder dat onderzoekers diepgaande technische kennis nodig hebben voor het zoeken, en zonder een dossier te hoeven openen. Naast een aanzienlijke reductie in de hoeveelheid handmatig werk, is op deze manier de privacy van participanten ook beter gewaarborgd.
Completeren financiële administratie neurologie & neurochirurgie uitklapper, klik om te openen
Naast de normale zorgadministratie houden zorginstellingen ook een financiële administratie bij, die ervoor zorgt dat alle medische handelingen ook vergoed worden door de zorgverzekeraar. Door veranderende richtlijnen voor declaratie, of simpelweg door tijdsdruk op de werkvloer, kunnen er soms echter onvolledigheden voorkomen, waardoor declaratie niet plaatsvindt. Deze ontbrekende handelingen zijn in de vrije tekst van de normale zorgadministratie wel terug te vinden. Samen met medewerkers van de divisie Hersenen van het UMC Utrecht onderzochten we hoe we daarmee onvolledigheden in de financiële administratie konden signaleren. We bekeken onder andere:
- Plaatsen en verwijderen van ventrikel- of lumbale drains
- Correct registreren consulten neurochirurgie buiten eigen afdeling
- Aanvragen en voorschrijven van kostbare medicijnen, zoals protrombinecomplex
- Correct registreren verrichtingen bij hersenoperaties
De zoekactie met terugwerkende kracht over enkele duizenden patiëntendossiers, op basis van vrije tekst uit de consulten en OK-verslagen, leverde met een beperkte inspanning een waardevolle lijst met signaleringen op. Een aanzienlijk deel van deze signaleringen leidde daadwerkelijk tot toevoegingen in de zorgadministratie, waarmee de investering zichzelf ruimschoots terugverdient. Handmatig doorlopen van alle dossiers door administratiemedewerkers is op deze schaal niet realistisch. Daarnaast worden nieuwe signaleringen nu maandelijks automatisch aangeleverd, zodat de financiële administratie op deze thema's blijvend als compleet kan worden beschouwd.
Herkennen van fenotypes in tekst uitklapper, klik om te openen
Het Human Phenotype Ontology (HPO, https://hpo.jax.org/) project heeft als doel om menselijke fenotypes te standaardiseren. Het gebruik van een standaard voor fenotypes maakt het mogelijk om op een systematische manier te onderzoeken of een patiënt fenotypes heeft die passen bij specifieke aandoeningen. Het koppelen van een fenotype van een patiënt aan een fenotype in de HPO-standaard is veel handmatig werk: fenotypes kunnen op verschillende plaatsen in het patiëntendossier staan en er zijn vaak meerdere namen voor hetzelfde fenotype.
Samen met de afdelingen Klinische Genetica en Digital Health hebben we een methode gemaakt voor het geautomatiseerd herkennen van fenotypes in tekst. Hierbij gebruiken we Nederlandse vertalingen van HPO (gemaakt door het Radboudumc), en Nederlandse namen uit andere terminologie-standaarden. Vervolgens hebben we named entity recognition en linking methodes toegepast op een set van gede-identificeerde tekstdocumenten. Hierin hebben we elk gevonden fenotype gekoppeld aan een HPO fenotype. Tevens is hier een negatie detectie algoritme op toegepast om ontkenningen eruit te filteren. De geautomatiseerde methodes bleken in 87% van de gevallen het juiste fenotype te herkennen, wat genoeg was om twee vervolgprojecten te starten waarin we de methodes gaan verbeteren en toepassen op data van andere ziektebeelden.