• Beste gast, wij willen dit platform constant verbeteren maar hebben daarbij jouw hulp nodig!
    Wil je een paar minuten van je tijd spenderen aan deze korte enquête?

Verslag: Focus meeting Text mining en spraakinput voor onderzoek op basis van EPD’s - 3 oktober 2022

Pim Volkert

Well-known member
Moderator
Organisatie
Een (landelijk) programma
Op 3 oktober 2022 organiseerde Health-RI en DTL een focusmeeting Textmining en spraakinput voor Nederlandse epd's. Het verslag en presentaties staan in deze post.
Een van de acties die eruit voortgekomen is het inrichten van deze plek op de community over digitale uitwisseling.
 

Bijlagen

  • 20221003_Zoeken-in-het-EPD_Focus-meeting-textmining.pptx.pdf
    4,4 MB · Weergaven: 12
  • 20221003-Health-RI-Homed.pptx.pdf
    556,8 KB · Weergaven: 8
  • HealthRI 2022 3 oktober NLP in de medische praktijk.pdf
    1,6 MB · Weergaven: 7
  • Medisch-wetenschappelijk onderzoek aan de bron faalt Maurits vd Maas Def.pptx.pdf
    645,9 KB · Weergaven: 13
  • Verslag FocusMeeting Text Mining Spraakinput EPD 20221003 - Kopie.pdf
    345,2 KB · Weergaven: 11
Dit soort techniek (AI ter ondersteuning van gestandaardiseerd registreren - voor MDO en ander hergebruik van data) wordt in andere landen al ingezet. Een voorbeeld:
Ik denk dat het nu de tijd wordt dit op te pakken. Hiervoor zijn als partijen als Nictiz (beheer SNOMED terminologie centrum), veldpartijen en leveranciers nodig. Hoe bouwen dit gebruiksvriendelijk in?
Hier werd laatst ook weer even aan gerelateerd in een reactie op de inzet van AI voor MDO ondersteuning: https://digitaleuitwisseling.nl/threads/ondersteuning-ai-voor-het-mdo.314/post-708. Het was veelbelovend aantal jaar terug maar daarna is het ook even stil geweest. Hopelijk kunnen we binnenkort wat meer vruchten gaan plukken!

Welke stakeholders moeten we allemaal aanschrijven om hier de goede discussie over te voeren @Pim Volkert ?
 
Textmining wordt al toegepast bij enkele ziekenhuizen voor coderen naar ICD-10.
DHD heeft dit opgezet en onderhoud het ook.
De training van model kan misschien wel efficiënter door Health-RI.
Dus DHD is wel interessante partij, ook vanwege grote hoeveelheid data die zij al beschikbaar hebben.
 
Hier werd laatst ook weer even aan gerelateerd in een reactie op de inzet van AI voor MDO ondersteuning: https://digitaleuitwisseling.nl/threads/ondersteuning-ai-voor-het-mdo.314/post-708. Het was veelbelovend aantal jaar terug maar daarna is het ook even stil geweest. Hopelijk kunnen we binnenkort wat meer vruchten gaan plukken!

Welke stakeholders moeten we allemaal aanschrijven om hier de goede discussie over te voeren @Pim Volkert ?
Het was stil. Maar ik heb sterk de indruk dat er nu versnelling in zit. Op twee fronten:
1 - Textmining van bestaande dossiers rijkelijk gevuld met waardenvolle data in tekstvelden verstopt
2 - NLP om aan de voorkant voor gestructureerde en gecodeerde datapunten te zorgen

Bij 1 zien we nu het meeste gebeuren. Voorbeelden zijn het werk van DHD en ook wat CTCue doet. Maar ook de academische ziekenhuizen zitten niet stil. Met hen en anderen willen we in het najaar weer een focusmeeting organiseren.
 
Textmining wordt al toegepast bij enkele ziekenhuizen voor coderen naar ICD-10.
DHD heeft dit opgezet en onderhoud het ook.
De training van model kan misschien wel efficiënter door Health-RI.
Dus DHD is wel interessante partij, ook vanwege grote hoeveelheid data die zij al beschikbaar hebben.
Ja DHD is een mooi voorbeeld. We kijken hoe we dit soort ontwikkelingen kunnen stimuleren. Health-RI wil zoveel mogelijk goede data ter beschikking kunnen stellen aan onderzoekers.
 
Dit soort techniek (AI ter ondersteuning van gestandaardiseerd registreren - voor MDO en ander hergebruik van data) wordt in andere landen al ingezet. Een voorbeeld:
Ik denk dat het nu de tijd wordt dit op te pakken. Hiervoor zijn als partijen als Nictiz (beheer SNOMED terminologie centrum), veldpartijen en leveranciers nodig. Hoe bouwen dit gebruiksvriendelijk in?
Toen ik bij Nictiz verantwoordelijk was voor SNOMED heb ik contact opgenomen met de internationale partijen. Om te kijken of met een vertaalde SNOMED ( 277 000 medische concepten) de Engelstalige oplossingen eerder naar Nederland gebracht konden worden. Dat lukte niet. Geen business case. Vorige maande op laatste HIMSS letterlijk nog een rondje gedaan bij dit soort leveranciers. Conclusie: als een Amerikaans bedrijf voor een tweede taal gaat is dat eerst Spaans.
 
Dit soort techniek (AI ter ondersteuning van gestandaardiseerd registreren - voor MDO en ander hergebruik van data) wordt in andere landen al ingezet. Een voorbeeld:
Ik denk dat het nu de tijd wordt dit op te pakken. Hiervoor zijn als partijen als Nictiz (beheer SNOMED terminologie centrum), veldpartijen en leveranciers nodig. Hoe bouwen dit gebruiksvriendelijk in?
Binnen het UMC Utrecht hebben we goed contact met de collega's in Londen die Cogstack hebben ontwikkeld en we hebben deze oplossing al voor een aantal vragen in huis kunnen toepassen. Ook hebben we recentelijk EMERSE geïmplementeerd: een open source project voor de extractie van informatie uit patiëntdossiers (https://project-emerse.org/index.html). Wij gebruiken dit als zoekmachine, m.n. voor onderzoekers die patiënten zoeken voor deelname aan onderzoek (zie ook het filmpje hieronder voor een korte toelichting).

We zijn druk met andere umc's (Groningen, Nijmegen, Rotterdam, Amsterdam) om deze technologieën ook daar toe te passen en onze ervaringen te delen, en proberen zoveel mogelijk onze kennis daaromtrent te delen. Tijdens de volgende focus meeting zullen we daar ook graag weer meer over vertellen.

 
Terug
Bovenaan