Model voor AI-ondersteund coderen

Samen met 20 ziekenhuizen ontwikkelt DHD een AI-model dat de ICD-10-codering van de dagopnamen ondersteunt en waar mogelijk automatiseert. De resultaten worden steeds beter. Bij een aantal ziekenhuizen voorziet het model al tot wel 70% van de dagopnamen van een betrouwbare hoofddiagnosecode. Epic en ChipSoft hebben er bovendien voor gezorgd dat de output van het codeermodel in het epd kan worden ingelezen. Aanleiding voor DHD om het model in productie te nemen.

In 2020 startte DHD samen met 20 ziekenhuizen het project AI-ondersteund coderen. Het doel: de expertise van de medisch codeur inzetten waar deze het meest nodig is en de eenvoudige codeervraagstukken automatisch laten genereren door software die gebruikmaakt van artificial intelligence (AI).

Stand van zaken: tot wel 70% automatisch

Maarten Zaal, vanaf het begin betrokken bij dit project en aanspreekpunt voor de ziekenhuizen, maakt de ontwikkeling van het model van dichtbij mee: ‘Een jaar geleden kon het model ongeveer 50% van de dagopnamen van een betrouwbare hoofddiagnose voorzien. We hebben het model sindsdien meer relevante informatie meegegeven en het een slimme manier aangeleerd om met onzekerheid om te gaan. Het is echt heel mooi te zien hoe dit tot een substantiële verbetering heeft geleid.’

Na de meest recente verbeterronde kan het model bij een aantal ziekenhuizen tot wel 70% van de dagopnamen van een betrouwbare hoofddiagnose voorzien. ‘Natuurlijk zijn er verschillen tussen ziekenhuizen’, zegt Maarten. ‘De performance van het model is afhankelijk van de patiëntenmix van het ziekenhuis. Het model scoort bijvoorbeeld beter bij een ziekenhuis dat vooral patiënten behandelt met veelvoorkomende aandoeningen dan bij een ziekenhuis dat veel relatief zeldzame aandoeningen behandelt. Ook speelt de beschikbaarheid van de benodigde brieven en verslagen een belangrijke rol. Daarnaast zien we dat het model nog steeds iets beter scoort bij ziekenhuizen waar de ontwikkeling van het model heeft plaatsgevonden.

In de volgende ontwikkelronde gaan we de generaliseerbaarheid van het model verder verbeteren. Hoewel er zeker nog verbeteringen mogelijk zijn, is een performance van circa 70% tegen een gemiddelde zekerheid van circa 85% per codering nu eigenlijk al gewoon ontzettend goed. Daarnaast ondersteunt het model de medisch codeur door codeersuggesties te geven in de gevallen dat het geen eenduidige hoofddiagnose kan kiezen.’

Integratie met Epic en ChipSoft

Om het gebruik van het codeermodel optimaal te faciliteren, hebben we implementatieafspraken gemaakt met de twee grootste zis-leveranciers. Epic en ChipSoft (vanaf Hix 6.3) hebben het mogelijk gemaakt de output van het model in te lezen en automatisch de ICD-10-codes over te nemen die met een hoge mate van zekerheid gecodeerd konden worden. Voor de opnamen die het model niet eenduidig kan coderen, genereert het model codeersuggesties. Deze zullen in de codeermodules van Epic en ChipSoft aan de medisch codeur worden getoond. Deze ontwikkelingen besparen de codeur veel tijd.

Toekomstplannen en mogelijkheden

Nu deze fase van het project in de afrondende fase is gekomen, is het tijd om verder te kijken. Allereerst bouwen we de infrastructuur verder uit en sluiten we de deelnemers die nog niet zijn aangesloten aan. Gelijktijdig gaan we aan de slag met het automatisch coderen van de klinische opnamen en nevendiagnosen. Daarnaast kan AI veel breder worden ingezet. Samen met de ziekenhuizen die deelnemen aan dit project gaan we onderzoeken welke mogelijkheden onze samenwerking nog meer te bieden heeft.

Gebruikmaken van het codeermodel?

Heeft u interesse? U kunt nog aansluiten bij het project. Projectleider Saskia Barth vertelt u graag meer over de voordelen en voorwaarden. U komt met haar in contact via s.barth@dhd.nl.