Samenvatten van zorginformatie: blijf bij de bron

Wat is samenvatten eigenlijk

Samenvatten is een bijzonder lastige taak. Afhankelijk van je rol, je relatie met de cliënt, je kennis over de cliënt en je doelen voor de cliënt heb je een andere informatiebehoefte. De informatie in een gezondheidsdossier is geen verhaal waar je eenvoudigweg details uit kunt weglaten. Rapportages zijn van nature al bondig en feitelijk. Welke details van belang zijn voor de lezer hangt helemaal af van de situatie. Wat mag weggelaten worden?

Technisch gezien kun je informatie samenvatten door die te herschrijven — iets waar generatieve AI zoals ChatGPT bijzonder goed in is — maar je kunt ook samenvatten door bij de oorspronkelijke tekst te blijven en daar de belangrijkste stukken uit te halen.

Wat zeggen onze gebruikers

In gesprekken met onze gebruikers kwam naar voren dat ze graag de controle houden bij het doornemen van informatie over een cliënt. Ze lezen graag wat er exact geschreven is en metadata is belangrijk: wie heeft dit geschreven, wanneer en met welke expertise? Scrollen en scannen is wellicht niet de meest efficiënte vorm van lezen, maar het biedt de gebruiker vertrouwen alles 'gezien' te hebben. Het idee van een AI die informatie samenneemt en herschrijft, roept de angst op foutieve informatie te krijgen of informatie te missen.

Als het dus gaat om informatie die door anderen is opgeschreven, kan zo'n gegenereerde generieke samenvatting misschien meer kwaad dan goed doen. Het kan een eerste indruk geven, maar je kunt er niet 100% op vertrouwen dat je een volledig en correct beeld krijgt. Bronvermeldingen kunnen de valse indruk wekken dat de samenvatting goed gefundeerd is op wat er geschreven is. In de praktijk blijken automatische bronvermeldingen regelmatig niet te kloppen met wat er echt staat. Als gebruiker hoef je maar één keer teleurgesteld te worden door zo'n systeem om het in het vervolg niet meer te gebruiken.

Relevante informatie filteren

Om door anderen geschreven informatie slimmer toegankelijk te maken, hebben we meer vertrouwen in slimme filtersystemen, waarbij je bij de bron van de informatie blijft. Door teksten in passages te splitsen en te classificeren op intentie en onderwerpen, bijvoorbeeld met SNOMED concepten (een grote woordenlijst voor de zorg), kan de gebruiker door middel van deze labels snel en precies relevante passages bekijken. De oorspronkelijke formulering en de context waarin iets geschreven is, helpen de lezer om de informatie te verwerken.

Generatieve AI voor extractie

Is generatief samenvatten dan echt niet nuttig? Zeker wel, maar dan vooral in situaties waarin de gebruiker bekend is met de informatie die wordt samengevat. Die kan de samengevatte informatie dan beoordelen en indien nodig corrigeren. Of in situaties waarin de gebruiker zich er zeer bewust van is dat de samenvatting fout kan zijn en dit borgt in zijn werkwijze. We denken nog na over waar we dat het beste in de suite kunnen doen.

Waar we generatieve AI wel voor inzetten, is voor documentextractie: met AI kunnen we ongestructureerde informatie in documenten omzetten naar een gestructureerde vorm. Bijvoorbeeld door de medische voorgeschiedenis in het dossier van een huisarts te herkennen. In een volgende blog zal ik hier meer over vertellen.