Abstract
Zorgverleners besteden een aanzienlijk deel van hun tijd aan elektronische patiëntendossiers (EPD's), een taak die steeds belastender wordt door de exponentiële groei van gezondheidszorgdata, vooral in de datarijke intensive care unit (ICU). Dit project richt zich op de dringende noodzaak om de administratieve last te verminderen door een meertalig (niet-Engelstalig) vraag-antwoordsysteem (Q&A-systeem) te ontwikkelen, met een proof-of-concept voor de Nederlandstalige klinische praktijk. Door gebruik te maken van grote taalmodellen (LLMs), Retrieval-Augmented Generation (RAG) en kennismodellen, beoogt het systeem de bruikbaarheid van EPD's te verbeteren en evidence-based besluitvorming te ondersteunen. Het onderzoek heeft vier doelstellingen: (1) klinische patiëntnotities integreren in RAG-systemen en daarbij tekstanonimisering aanpakken, (2) klinische vraagbeantwoording verbeteren door Engelstalige en niet-Engelstalige medische literatuur te combineren, (3) retrieval-methoden ontwikkelen om relevante klinische tijdsreeksen te extraheren en samen te vatten, en (4) een klinisch Q&A-systeem bouwen en valideren dat meerdere databronnen integreert en wordt verfijnd op basis van feedback uit de praktijk. Door tekst, biomedische kennis en tijdsreeksdata dynamisch te combineren, biedt het systeem een holistisch beeld van de patiënt en stroomlijnt het de informatievoorziening.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)