Een internationaal onderzoeksteam, verbonden aan het Eitri Medical Innovation Center in Bergen (Noorwegen), heeft een belangrijke stap gezet in het verbeteren van de triage op de spoedeisende hulp. Met behulp AI en machine learning hebben de onderzoekers een methode ontwikkeld om patiëntgroepen te identificeren die risico lopen op een verkeerde beoordeling bij binnenkomst in het ziekenhuis.
De resultaten van het onderzoek, uitgevoerd door Noorse en Duitse wetenschappers uit de academische wereld, de industrie en de zorgsector, zijn gepubliceerd in het Journal of Medical Internet Research.
Slimmere triage dankzij machine learning
Triagesystemen zijn bedoeld om artsen te helpen bepalen welke patiënten direct medische hulp nodig hebben en bij wie behandeling kan worden uitgesteld. Ondanks deze systemen kunnen fouten optreden: sommige patiënten krijgen een te lage urgentie toegewezen (ondertriage), terwijl anderen juist te hoog worden ingeschaald (overtriage). Beide scenario’s kunnen leiden tot verkeerde prioritering en, in het ergste geval, tot slechtere uitkomsten voor patiënten.
Onder leiding van dr. Sage Wyatt van de Universiteit van Bergen analyseerde het onderzoeksteam triagedata van patiënten op de spoedeisendehulp in de Noorse steden Bergen en Trondheim. Het project kwam voort uit een zogenoemde Datathon in 2022 bij het Eitri Medical Incubator, onder supervisie van dr. Christopher Sauer, oncoloog bij het Institute for AI in Medicine in Essen (Duitsland).
Nieuwe inzichten in triagefouten
De onderzoekers maakten gebruik van machine learning-modellen die in staat zijn om honderden variabelen tegelijk te beoordelen. Zo konden ze patronen herkennen die met conventionele analysemethoden vaak over het hoofd worden gezien. Een belangrijke innovatie in het onderzoek was het gebruik van SHAP-waarden (SHapley Additive exPlanations), een methode uit de speltheorie die laat zien hoeveel invloed elke variabele heeft op de voorspelling van het model.
Tot nu toe werd vaak aangenomen dat leeftijd de belangrijkste factor was bij overtriage, vooral bij jongeren onder de 18 jaar. De nieuwe analyses tonen echter aan dat dit niet per se klopt. Volgens dr. Wyatt zijn de verwijzende afdeling en de diagnosecodes vaak bepalender dan leeftijd. Daarmee corrigeert de AI-analyse aannames die eerder voornamelijk waren gebaseerd op expert opinion, de ervaringskennis van artsen.
“Artsen baseren hun inschatting logischerwijs op ervaring,” zegt Wyatt. “Maar dat kan leiden tot vooroordelen of aannames die niet altijd met de data overeenkomen. Machine learning helpt ons objectiever te kijken naar de werkelijkheid.”
Weinig fouten, veel potentie
Gelukkig bleek uit het onderzoek dat verkeerde triage relatief zeldzaam is. Minder dan 1 procent van de patiënten werd onjuist geclassificeerd. Toch kunnen juist deze gevallen grote gevolgen hebben. Daarom kan het gebruik van AI helpen om subtiele risicofactoren te herkennen en triagesystemen verder te verfijnen.
Het onderzoek toont aan dat AI en datawetenschap waardevolle hulpmiddelen zijn om bestaande processen in de gezondheidszorg te verbeteren. Door complexe gegevensanalyses toe te passen, kunnen patronen worden blootgelegd die anders onopgemerkt blijven.
Toekomst van AI in spoedzorg
Volgens Wyatt is het uiteindelijke doel om machine learning te gebruiken als een aanvulling op menselijke expertise, niet als vervanging. “AI is geen perfecte oplossing,” benadrukt ze. “Maar als we het zorgvuldig toepassen, kan het helpen om zorg veiliger, efficiënter en eerlijker te maken.”
Het onderzoeksteam ziet grote kansen voor de toekomst, onder andere in de ontwikkeling van AI-gestuurde triageclassificatiesystemen. Deze systemen zouden in real time kunnen meedenken met zorgverleners en automatisch signaleren wanneer een patiënt mogelijk verkeerd wordt beoordeeld.
De onderzoekers hopen dat hun bevindingen leiden tot bredere toepassing van AI in de spoedeisende zorg, niet alleen in Noorwegen, maar wereldwijd. Door menselijke kennis en kunstmatige intelligentie te combineren, kunnen ziekenhuizen volgens Wyatt werken aan een toekomst waarin elke patiënt de juiste zorg krijgt op het juiste moment.
Digitale triage
In het St. Antonius Ziekenhuis in Woerden werken huisartsen Marie Annet Vollebregt en Sharon Breedveld-Rico aan een innovatieve vorm van huisartsenzorg met digitale triage via een chatbot. Via een app beantwoorden patiënten enkele vragen en ontvangen binnen drie uur een reactie van de huisarts. Deze werkwijze zorgt voor meer overzicht, rust en efficiëntie.
Hoewel de overgang naar digitale zorg niet zonder uitdagingen verloopt, zoals technische koppelingen tussen systemen en aanpassingen in werkprocessen, ervaren de huisartsen duidelijke voordelen. De digitale aanpak blijkt bovendien niet onpersoonlijk: patiënten krijgen altijd een persoonlijk zorgadvies, wat bijdraagt aan vertrouwen en toegankelijkheid.
