“Harmonized Steps. Orchestrating Healthcare Transformation with Natural Language Processing”.

Zijn proefschrift onderzoekt het ontwikkelen van computerondersteunde Natural Language Processing (NLP) systemen voor het realtime structureren van medische gegevens. De systemen hebben als doel het proces van medische rapportage te optimaliseren en simultaan gegevens te standaardiseren, meer specifiek voor TNM-stadiëring (Tumor Node Metastases) en de Internationale Classificatie van Ziekten (ICD).  

Daartoe ontwikkelde hij concreet twee ‘copilot-achtige’ toepassingen die het leven van de zorgprofessional administratief gemakkelijker maakt.  

1) Nieuwe AI-assistent

Samen met Martijn Nobel, MD, PhD, radioloog bij MUMC+, ontwikkelde hij een realtime AI-assistent voor radiologen dat tijdens het schrijven van verslagen realtime feedback geeft. De innovatie ligt in de interactieve validatie tussen AI en radioloog: de AI valideert direct de invoer, waardoor fouten worden voorkomen. Radiologen kunnen in vrije tekst blijven werken, terwijl er tegelijkertijd een gevalideerde, gestructureerde versie van het verslag wordt opgesteld. Deze aanpak verbetert de kwaliteit van de verslagen en verhoogt de bruikbaarheid van de data voor verdere analyse.  

2) Geavanceerde ICD-10-codering met AI  

Een virtuele assistent die helpt bij ICD-10-classificatie; het toekennen van standaard medische codes aan diagnoses en procedures in patiëntendossiers. Dit is een essentieel proces in de gezondheidszorg, omdat het zorgt voor consistente en nauwkeurige gegevens. Het systeem herkent eerst hoofdtermen in de tekst, een cruciale stap die medische codeurs volgen. De AI werkt zelfstandig maar kan ook samenwerken met de gebruiker; bij correcties of aanvullingen volgt het de standaard workflow, wat zorgt voor een flexibele ondersteuning. Zo sluit de assistent beter aan bij de dagelijkse praktijk en ondersteunt het zorgpersoneel op een gebruiksvriendelijke manier.  

Beide systemen prioriteren de interpreteerbaarheid van modellen en een vlekkeloze integratie in medische workflows, terwijl de FAIR-principes (Findable, Accessible, Interoperable, Reusable) voor gegevens worden nageleefd.  

Het proefschrift onderstreept de urgente noodzaak van innovaties in NLP om de druk op gezondheidszorgsystemen te verminderen, medische professionals in staat te stellen zich te focussen op directe patiëntenzorg, en de volledige potentie van gestructureerde digitale medische gegevens te benutten.