Slimmer rapporteren met metingenherkenning

Metingenherkenning herkent automatisch waarden zoals bloeddruk, temperatuur of bloedsuiker in de vrije tekst van een rapportage. Schrijf je bijvoorbeeld ‘Bloeddruk vandaag 125/80’, dan slaat Ons® Dossier die meting direct op. Natuurlijk wel pas als jij dat goedkeurt. Je hoeft dus alleen maar je rapportage te schrijven en Nedap Ons® doet de rest. Dat scheelt een boel knippen en plakken of overtypen.

Dolf en zijn team speelden al langer met de vraag hoe ze geschreven tekst in open velden beter konden benutten. Metingherkenning is een logisch antwoord, omdat veel andere soorten software het al gebruiken. Denk bijvoorbeeld aan mailsystemen, die het woord ‘bijlage’ in de tekst herkennen en je erop wijzen dat er nog geen document is toegevoegd. Als het daar werkt, waarom dan niet in de zorg? Met die gedachte gingen ze aan de slag en binnen één middag stond er een eerste prototype.

De zorgprofessionals die het prototype hebben getest waren direct enthousiast. Het werkte toen al intuïtief, snel en betrouwbaar. In de tussentijd herkent het de metingen nog beter en wordt het dagelijks door duizenden Ons®-gebruikers ingezet.

Een handmatige meting invoeren kost zo’n negen seconden. Dat lijkt weinig, maar bij honderden metingen per dag loopt het snel op. Door automatisch te herkennen en op te slaan, bespaar je als organisatie al snel een paar uur per dag.

“Het mooie is dat je niet meer hoeft na te denken over wáár je het invult,” zegt Tim, de accountmanager die de uitrol begeleidde. “Je typt gewoon wat je hebt gedaan en Ons® Dossier doet de rest.”

De resultaten spreken voor zich (gemeten op 23 september 2025)

• In één maand tijd werden 8,3 miljoen rapportages en meer dan 112.000 metingen opgeslagen.
• 87% van alle suggesties wordt direct geaccepteerd door gebruikers.
• Afgelopen weken lag het aantal goedgekeurde metingen zelfs op 98,6%.

De cijfers hierboven laten zien dat het systeem en de gebruikers met elkaar meegroeien. Naarmate zorgprofessionals er meer mee werken, worden de resultaten steeds beter. Door de feedback van onze eindgebruikers hebben we al veel verbeteringen doorgevoerd. Zo werd in het begin ‘wervel L3’ ten onrechte werd gezien als ‘lichaamslengte 3 meter’. Als iemand het opmerkt, kunnen we het voor iedereen oplossen.

Hoewel metingenherkenning slim werkt, is het géén zelflerende AI. De herkenning is gebaseerd op vaste regels, ontwikkeld door ons eigen team van taalkundigen en ontwikkelaars. Je hoeft dus niet te vrezen voor hallucinaties, onvoorspelbaar gedrag of het delen van de data met externe servers. Alles draait veilig op Nedap’s eigen infrastructuur.