AI in de zorgregistratie

Artificial Intelligence (AI) is niet meer weg te denken uit het zorglandschap. AI wordt regelmatig neergezet als dé technologie die alles zal veranderen: efficiënter werken, minder administratie en betere zorg. Tegelijkertijd klinkt er ook realisme door.

AI kan veel en wordt steeds beter, maar we zijn er nog niet. Juist in die spanning tussen belofte en praktijk ligt de echte waarde. Tijdens het zorgevenement Zorg & ICT gingen Thomas Overmars en Ella Sijbesma tijdens hun kennissessie in op de rol van AI voor de zorgregistratie.

Zorgregistratie als fundament

Thomas Overmars, Senior DBC-adviseur bij Zaans Medisch Centrum, en Ella Sijbesma, Business Area Manager Real World Monitoring bij Performation, komen tijdens hun werk dagelijks in aanraking met het belang van zorgregistratie. Tijdens hun kennissessie leggen ze uit dat zorgregistratie de basis vormt van vrijwel alles binnen een zorginstelling. Het bepaalt of geleverde zorg volledig en correct wordt gefactureerd, of processen goed verlopen en of je kunt bijsturen met de juiste informatie. Als die basis niet op orde is, ontstaan er problemen. Denk daarbij aan gemiste opbrengsten, risico’s bij controles en een vertekend beeld van prognoses, capaciteitsbewaking en zorgvraag.

De grenzen van gestructureerde data

Traditioneel lag de focus in zorgregistratie op gestructureerde data, zoals DBC’s, verrichtingen, en opnames. Controles werden ingericht op basis van deze data, met als doel afwijkingen te signaleren. Denk aan situaties waarbij een patiënt op de operatiekamer is geweest, maar er geen verrichting is geregistreerd. Of wanneer een polikliniekbezoek gelijktijdig met een verpleegdag is geregistreerd. Dat soort signalen kwamen op een werklijst terecht, waarna administratief medewerkers handmatig moesten beoordelen of correcties nodig waren. Dat proces werkt, maar kent ook zijn grenzen. In sommige situaties is meer context nodig om te bepalen of iets terecht of onterecht is. En die context zit vaak niet in gestructureerde velden, maar in vrije tekst.

De stap naar ongestructureerde data

Daarom is naast de klassieke datacontroles een tweede werkwijze ontstaan: het benutten van verslaglegging. Denk aan artsenbrieven, verpleegkundige rapportages en labverslagen. Door deze teksten te scannen en te analyseren, wordt extra informatie beschikbaar die helpt bij het beoordelen van zorgregistraties.

Hier komt AI in beeld. Niet in de vorm van generatieve modellen zoals ChatGPT, maar als classificatie- en voorspellingsmodellen. Deze modellen labelen tekst en schatten in hoe waarschijnlijk het is dat een verrichting terecht is geregistreerd of juist is gemist.

Voorbeeld AI-gebruik bij zorgregistratie

Een concreet voorbeeld is een wondbehandeling op de afdeling Spoedeisende Hulp. Zo’n verrichting mag alleen worden geregistreerd als aan specifieke voorwaarden wordt voldaan, zoals de grootte van de wond, het hechten en het gebruik van verdoving. Het AI-model analyseert de verslaglegging en zoekt naar tekstfragmenten die vóór of tegen registratie pleiten. Op basis daarvan wordt een kanspercentage berekend. Deze modellen zijn nog niet altijd perfect en soms slaat een model aan op details die voor mensen niet direct logisch voelen. Maar doordat gebruikers terugkoppeling geven of de signalering terecht was, leert het model continu bij.

Van model naar werkvloer

Voor zorginstellingen blijft de technologie grotendeels ‘onder de motorkap’. Wat medewerkers zien, is een werklijst met signaleringen, voorzien van percentages die aangeven hoe waarschijnlijk het is dat een verrichting gemist of onterecht geregistreerd is. Dat maakt prioriteren mogelijk. In plaats van tienduizenden consulten handmatig te controleren, kan de focus liggen op de signalen met de hoogste kans. Dat scheelt enorm veel tijd en verhoogt de effectiviteit van controles. Bovendien wordt de werkdruk lager, omdat er minder zinloos controlewerk nodig is.

De impact hiervan is aanzienlijk. Een gemist intercollegiaal consult kan bijvoorbeeld al snel € 150 opleveren en een gemiste chemotherapie € 1.200. Bij bepaalde dure geneesmiddelenregistraties lopen de gemiste inkomsten zelfs nog hoger op. Met AI worden dit soort opbrengsten zichtbaarder, zonder dat daar een evenredige toename in handmatig werk tegenover staat.

De rol van steekproeven

Naast volledigheid speelt ook rechtmatigheid een cruciale rol. Bij controles door verzekeraars wordt steeds meer gekeken naar procesverantwoording in plaats van individuele registraties. Toch blijven steekproeven nodig. Deze steekproeven voelen vaak als een roulette: je hoopt niets te vinden, maar als dat wel gebeurt, kan een kleine fout door extrapolatie grote financiële gevolgen hebben.

Rechtmatigheid zonder roulette

AI biedt hier een alternatief. Door alle consulten integraal te beoordelen op de waarschijnlijkheid van rechtmatigheid, ontstaat een classificatie in verschillende risicogroepen. Op basis hiervan is een praktische indeling te maken in drie categorieën:

• Afkeuren: grote kans op onrechtmatigheid
• Beoordelen: twijfelgevallen
• Acceptabel: voldoende vertrouwen in rechtmatigheid

De eerste twee groepen worden daarbij actief opgevolgd, terwijl de laatste groep slechts steekproefsgewijs wordt gecontroleerd. Om draagvlak en transparantie te borgen, wordt deze aanpak alleen nadrukkelijk in overleg met zorgverzekeraars toegepast. Het resultaat is minder risico op hoge nabetalingen, meer grip op het proces en een controle-aanpak die schaalbaar is.

Lessen uit de praktijk

AI implementeren is geen plug-and-play. Het vraagt om een serieuze voorbereiding. Je moet rekening houden met onder andere servercapaciteit, rekencapaciteit, nieuwe contracten en verwerkersovereenkomsten. Het delen van patiëntgevoelige tekstdata met externe partijen roept begrijpelijkerwijs vragen op bij CISO’s en privacy officers. Dat kost tijd, overleg en een zorgvuldige inrichting.

Ook inhoudelijk vraagt het invoeren van AI bij zorgregistratie om doorzettingsvermogen. Het proces bestaat uit testen, trainen, bijstellen en opnieuw testen. Zeker wanneer er meerdere EPD-versies of datastromen zijn binnen de zorgorganisatie. AI legt soms juist de problemen bloot waarvan je niet wist dat ze bestonden.

Extra hulpmiddel

Misschien wel de belangrijkste les is dat AI geen heilige graal is. Bekijk per situatie welke manier van controle je inzet. Soms is dat data-analyses, text mining of AI en in andere situaties is het een combinatie van deze methoden. Bovendien blijft AI altijd een inschatting maken. Het weet niet wat het niet weet, waardoor blind vertrouwen geen optie is. Zie het daarom liever als extra gereedschap in de gereedschapskist.

Vooruitkijken

De ontwikkeling van AI staat niet stil. Naast controles achteraf ontstaan kansen om al tijdens het registreren signalen te geven. Denk aan EPD’s die waarschuwen als er mogelijk iets ontbreekt of niet klopt in de zorgregistratie, nog voordat een registratie definitief is. Verder in de toekomst liggen ook kansen voor autonome codering. Dit is het automatisch afleiden van verrichtingen, DBC’s en diagnoses op basis van dossierinformatie. Voor eenvoudige zorg werkt dit steeds beter, terwijl deze techniek voor complexe klinische situaties nog uitdagend is. De methode wordt echter steeds beter.

Van controle naar preventie

Zorgregistratie is momenteel gericht op controle, maar misschien verschuift het proces uiteindelijk van ‘registreren en controleren’ naar ‘registreren wat mag’. AI bepaalt dan op basis van de verslagen wat er geregistreerd mag worden, waarna de dokter of verpleegkundige dit voorstel beoordeelt. Bij goedkeuring worden de verrichtingen daarna automatisch geregistreerd. Dit zou de controleslag achteraf grotendeels kunnen elimineren. Of we ooit echt op dit punt komen, en wanneer dat dan is , blijft nu nog onzeker. Wat wel duidelijk is, is dat AI nu al helpt om zorgregistratie slimmer, efficiënter en beter beheersbaar te maken. Niet als wondermiddel, maar als krachtige aanvulling. En juist daarin zit de echte waarde.