Focus Meeting: Text mining en spraakinput voor Nederlandse Elektronische Patiëntendossiers (EPD’s) 

Nadere informatie

  • Datum: 3 oktober 2022, 13:00-17:15 uur
  • Fysieke bijeenkomst, Utrecht Jaarbeurs/Beatrixgebouw)
  • De bijeenkomst is Nederlandstalig
  • Registratie via dit formulier

Programma

Health-RI en de Nederlandse gezondheidsonderzoeksinstituten streven ernaar om zorgdata te mobiliseren voor onderzoeks- en innovatiedoeleinden, waaronder hoogwaardige toepassingen zoals (gefedereerde) machine learning en artificial intelligence. Dit onderzoeksgebruik van de gezondheidsgegevens vereist een hoog niveau van gegevensharmonisatie en FAIRness (Findable, Accessible, Interoperable, Reusable), wat niet gebruikelijk is in de klinische zorg. Gegevenssystemen zoals een elektronisch medisch dossier zijn voor een groot deel afhankelijk van patiëntverhalen in plaats van gestructureerde gegevens, die de voorkeur hebben voor onderzoek. De betrokken zorgverleners streven ernaar de lat hoger te leggen met betrekking tot gestructureerde data in deze systemen (bijvoorbeeld via programma’s als Registratie aan de Bron), maar die aanpak zal alleen schaalbaar zijn voor de kerndataset. Voor de rest van de gegevens moeten andere benaderingen worden onderzocht, zoals natuurlijke taalverwerking (“text mining”), waarvoor al verschillende oplossingen in gebruik zijn. 

Doelgroep

De focusbijeenkomst is bedoeld voor onderzoekers, ondersteuners en service providers in het gezondheidsdomein. De nadruk ligt op de uitwisseling van kennis en praktijkervaringen, en het gezamenlijk zoeken naar oplossingen. Het doel is nationale samenwerking in gang te zetten (gezamenlijk project, community) voor text mining en spraakinput in medische teksten. 

Deelnemers worden uitgenodigd om hun ideeën te delen over de volgende discussiepunten:

  • Voor welke use cases wordt natuurlijke taalverwerking al met succes gebruikt? (bijvoorbeeld rekrutering van patiënten voor klinische trials)? Wat zijn de geleerde lessen?
  • Welke tools zijn er en wat zijn de ervaringen?
  • Kunnen we definiëren wat de reikwijdte en beperkingen van natuurlijke taalverwerking in het Health-RI-domein kunnen zijn?
  • Wat is de toegevoegde waarde van tekstinput in EPDs via automatische spraakherkenning? Welke verschillen zijn er tussen geschreven en gesproken invulling van vrije tekstvelden in EPDs? 
  • Hoe draag je zorg voor de juridische aspecten van text mining en spraakinput in elektronische patiëntendossiers?
  • Hoe kun je omgaan met jargoncompatibiliteit (disciplineafhankelijk, inclusief spelfouten en afkortingen) van de text mining tools?

Agenda

13:00 Koffie/thee
13:15 Welkom en inleiding door Natasha Maurits (UMCG) & Jan-Willem Boiten (Health-RI)
13:30 Vier sprekers lichten hun problemen en mogelijke oplossing toe; inclusief pauze
15.35 Discussie
16.30 Afsluiting
16:40 Borrel

Sprekers

Arnoud van der Maas (Radboudumc) & Natasha Maurits (UMCG) Medisch-wetenschappelijk onderzoek aan de bron faalt

Steekwoorden: wetenschappelijk onderzoek, hypothesevormend, kort-cyclisch, data-gedreven, toegankelijkheid, zorgvuldigheid, data-custodian

Samenvatting

  • COVID laat zien dat de maatschappij steeds vaker actuele vragen heeft waar wetenschap kort-cyclisch in moet kunnen haken. 
  • Verschuiving van prospectief data verzamelen, naar retrospectief terug kijken naar bestaande data verkort de cyclus aanmerkelijk. 
  • De huidige balans tussen prospectief en retrospectief slaat volledig door naar prospectief.
  • Kijken in bestaande, vaak ongestructureerde, data is aan regels gebonden, is juist moeilijker geworden en faalt.

Mark Snackey (UMCU) Zoeken in het EPD

Steekwoorden: vrije tekst, zoekopdrachten, interface, laaghangend fruit, waarde, praktijk

Samenvatting

  • De registratie van patiëntinformatie in EPD’s kan voor een groot gedeelte in gestructureerde velden. Echter, in de praktijk wordt dit vanwege allerlei redenen niet altijd gebruikt en wordt er alsnog informatie ongestructureerd in vrije tekst vastgelegd.
  • Ogenschijnlijk simpele vragen van zorgverleners, onderzoekers, managers en inspecties worden daardoor ingewikkeld en tijdrovend als er geen beschikking is over bepaalde text mining tools.
  • Een aantal voorbeelden van cases waarbij het (semi-)geautomatiseerd aanleveren en doorzoeken van deze vrije tekst al veel waarde oplevert.
  • Doorontwikkeling van deze functionaliteit, o.a. met behulp van NLP-modellen voor Nederlandstalige medische tekst.

Sander Puts (Maastro) & Martijn Nobel (MUMC) Natural Language Processing in de medische praktijk

Steekwoorden: radiologieverslagen, oncologie stadiëring (TNM), ICD-10, interface, human computer interaction, context, regels

Samenvatting

  • Probleem: 1) Info uit radiologieverslagen en verslagen completer maken, 2) EPD invoer en classificatie
  • Oncologie stadiëring verbeteren / radiologische verslaglegging (verslagen zelf)
  • ICD codes semi-automatische extractie (van vrije tekst naar medische concepten) voor registraties, facturatie

Henk van den Heuvel (Radboud Universiteit) Automatische spraakherkenning en het EPD: het HoMed-project

Steekwoorden: spraakherkenning, spreken vs schrijven, open access spraakherkenningstool

Samenvatting:

  • Automatische spraakherkenning voor het medische domein: Wat is het Homed-project
  • Vrije tekstvelden in het EPD: geschreven vs gesproken input
  • Privacy vs open access van automatische spraakherkenners

Organisatoren

De focusbijeenkomst wordt mede georganiseerd door Health-RI en DTL. Neem voor vragen contact op met Mijke Jetten of Fieke Schoots.

Comments are closed.