Vertaald uit het Engelse origineel. De cijfers en bronnen zijn ongewijzigd. Lees het Engelse origineel
University Medical Center Freiburg (Eye Center)
Universitaire oogkliniek Freiburg test een eigen AI die het slot van ontslagbrieven voorstelt
Artsen van de universitaire oogkliniek Freiburg gebruikten een taalmodel met 7 miljard parameters, getraind op de eigen brieven van het ziekenhuis en draaiend op eigen servers, om het slotgedeelte van ontslagbrieven voor te stellen. In een proef van 12 maanden met 27 arts-assistenten verbeterden gebruikers hun schrijfsnelheid meer dan niet-gebruikers, en het aantal verzoeken om herziening daalde bij gebruikers licht.
Kerncijfers
Letterlijk overgenomen uit de bronnen. Kopieer elk cijfer met bronvermelding.
39,5
± 20,2 tegenover 46,7 ± 19,5 WPM
Schrijfsnelheid van de clinici die de AI gebruikten, voor en na (woorden per minuut, gemiddelde ± standaarddeviatie)1
41,8
± 20,3 tegenover 44,4 ± 20,0 WPM
Schrijfsnelheid van de controlegroep, voor en na (woorden per minuut, gemiddelde ± standaarddeviatie)1
p = 0,045
Statistische toets of de efficiëntie bij AI-gebruikers meer verbeterde dan bij de controlegroep (interactie tussen groep en blootstelling)1
1,36
± 0,14 naar 1,26 ± 0,08
Door senior artsen gevraagde herzieningen per document, AI-gebruikers, voor en na (gemiddelde ± standaarddeviatie)1
Het probleem
Ziekenhuisartsen besteden een groot deel van hun werktijd aan elektronische patiëntendossiers. Veel van het schrijfwerk gebeurt na werktijd. In de universitaire oogkliniek Freiburg schrijven arts-assistenten het slotgedeelte van elke ontslagbrief na het consult, waarna senior artsen het nakijken en zo nodig ter herziening terugsturen. De kliniek wilde de schrijflast verminderen zonder extra controlewerk te creëren.
Wat ze bouwden
Het team bouwde in het dossiersysteem van de kliniek een assistent in de stijl van automatisch aanvullen. Terwijl een arts het slotgedeelte van een ontslagbrief typt, stelt het systeem de volgende een of twee zinnen voor als grijze tekst. De arts accepteert die met een toetsaanslag of typt gewoon door om te overschrijven. Artsen schakelden de tool in met een selectievakje.
De assistent is een taalmodel met ongeveer 7 miljard parameters, BLOOM-CLP-German genaamd, dat met een lichte afstemmingsmethode (QLoRA) op ongeveer 80.000 geanonimiseerde eerdere ontslagbrieven van hetzelfde ziekenhuis op de kliniek is afgestemd. Als invoer gebruikt het alleen het bestaande dossier van de patiënt.
Hoe ze het aanpakten
De kliniek voerde een niet-gerandomiseerde gecontroleerde proef uit, wat betekent dat artsen zelf kozen of ze de tool gebruikten. Na een nulmeting van 4 maanden volgde een afdelingsbrede proeffase, daarna een vergelijking tussen clinici die de tool bleven gebruiken en clinici die dat niet deden. De studie liep van 30 januari 2024 tot 5 februari 2025 en omvatte 27 arts-assistenten en 15.615 documenten. Training en gebruik vonden plaats op de eigen servers van het ziekenhuis. De studie had ethische goedkeuring en de deelnemers gaven toestemming.
De schrijfsnelheid werd gemeten als actieve bewerkingstijd in het dossiersysteem, omgerekend naar woorden per minuut. De kwaliteit werd gevolgd via het aantal herzieningen dat senior artsen per document vroegen.
Resultaten
Elf clinici gebruikten de AI voor 44,7 tot 89,5% van hun documentatie. Hun schrijfsnelheid steeg van 39,5 naar 46,7 woorden per minuut, tegenover 41,8 naar 44,4 in de controlegroep. Een statistisch model vond het verschil in verbetering significant (p = 0,045).
De verzoeken om herziening per document daalden bij AI-gebruikers van 1,36 naar 1,26 en waren in de controlegroep 1,27 en 1,23. De auteurs melden geen significant verschil tussen de groepen bij herzieningen, maar concluderen dat de controlelast niet toenam. Gemiddeld accepteerden artsen 30,9% van de suggesties.
Wat u kunt overnemen
Begin met één smal, helder afgebakend onderdeel van een document, laat de mens auteur blijven en houd uw bestaande controlestap in stand, zodat u ziet of de kwaliteit standhoudt. Voer de proef uit in echte werkstromen met het echte dossiersysteem en meet zowel snelheid als herwerk.
Alle gemelde cijfers
| Maatstaf | Cijfer | Bronvermelding |
|---|---|---|
| Schrijfsnelheid van de clinici die de AI gebruikten, voor en na (woorden per minuut, gemiddelde ± standaarddeviatie) | 39,5 ± 20,2 tegenover 46,7 ± 19,5 WPM1 | |
| Schrijfsnelheid van de controlegroep, voor en na (woorden per minuut, gemiddelde ± standaarddeviatie) | 41,8 ± 20,3 tegenover 44,4 ± 20,0 WPM1 | |
| Statistische toets of de efficiëntie bij AI-gebruikers meer verbeterde dan bij de controlegroep (interactie tussen groep en blootstelling) | p = 0,0451 | |
| Door senior artsen gevraagde herzieningen per document, AI-gebruikers, voor en na (gemiddelde ± standaarddeviatie) | 1,36 ± 0,14 naar 1,26 ± 0,081 | |
| Gevraagde herzieningen per document, controlegroep, voor en na (gemiddelde ± standaarddeviatie) | 1,27 ± 0,16 tegenover 1,23 ± 0,121 | |
| Gemiddeld aandeel AI-suggesties dat geheel of gedeeltelijk werd geaccepteerd (bandbreedte 0,02% tot 100% per clinicus) | 30,9%1 |
Lessen voor uw project
Stel voor, schrijf niet zelf. De tool bood slechts een of twee zinnen aan als grijze tekst die artsen konden accepteren of overtypen, zodat ze elke brief zelf in handen hielden.
Houd de bestaande controle in stand. Senior artsen bleven elke brief controleren, waardoor de kliniek tijdens het testen van de snelheid op kwaliteitsproblemen kon letten.
Gebruik de gegevens die u al hebt. Het model heeft alleen het patiëntendossier als invoer nodig, zonder geluidsopnamen van gesprekken.
Reken op ongelijk gebruik. De acceptatie van suggesties liep uiteen van 0,02% tot 100% en 13 van de 27 clinici stopten na de eerste proef, dus meet naast snelheid ook het gebruik.
Houd patiëntgegevens in huis. Training en gebruik vonden plaats op de eigen servers van het ziekenhuis, wat volgens de auteurs gegevensoverdracht aan derden voorkwam.
Kanttekeningen
- Dit is een peer-reviewed artikel van Freiburgse auteurs over hun eigen kliniek. Geen onafhankelijk medium bevestigt de cijfers, dus de case berust op gegevens van de organisatie zelf.
- Artsen kozen zelf of ze de tool gebruikten, dus de groepen kunnen verschillen op punten die de studie niet kon meten. De auteurs merken op dat AI-gebruikers met een lagere schrijfsnelheid begonnen en positiever tegenover AI stonden.
- De afname van het aantal herzieningen werd alleen binnen de AI-groep gezien. De auteurs melden geen statistisch significant verschil tussen de groepen in het aantal herzieningen.
- Het snelheidsresultaat heeft een p-waarde van 0,045, dicht bij de gebruikelijke drempel van 0,05. De auteurs zeggen dat de resultaten niet gelezen mogen worden als bewijs dat taalmodellen klaar zijn voor onbeperkt klinisch gebruik.
- De studie gaat alleen over het slotgedeelte van ontslagbrieven en alleen over arts-assistenten in één kliniek.
- Het artikel geeft de studieperiode (januari 2024 tot februari 2025) met een nulmeting van 4 maanden voordat de AI werd aangezet, maar geen exacte startdatum. De datum van ingebruikname wordt daarom alleen als jaar getoond.
- Controlegroep: 16 van de 27 clinici, onder wie 13 die de AI hadden geprobeerd en gestopt waren. De samenvatting van het artikel noemt 17 controles en 11 AI-gebruikers, de resultatentekst 16 controles en 11 AI-gebruikers.
- Het artikel verwijst voor de ontwikkeling en evaluatie van het model naar een eerdere publicatie. Deze case berust alleen op het artikel over de proef, dat gebruik in het echte dossiersysteem met echte documenten beschrijft.
Bronnen
- Implementation outcomes of AI documentation support in routine clinical practice: A non-randomized controlled trial
PLOS Digital Health · 2026-07-23 · Onderzoeksrapport · journals.plos.org
In eigen woorden samengevat op basis van de bovenstaande bronnen. Een fout gezien? Zie correcties.