Generatieve AI in de Ambulancezorg
Kan generatieve AI ondersteunen bij adequate risico-inschatting en besluitvorming van ambulanceprofessionals bij patiënten met een syncope, door relevante medische en contextuele factoren te analyseren, die hierop van invloed zijn?
Aanleiding
De bereikbaarheid en beschikbaarheid van de ambulancezorg staat onder druk. Een belangrijke ingangsklacht van mensen die 112 bellen is een kortdurende bewusteloosheid. Als deze bewusteloosheid het gevolg is van een verminderde bloedtoevoer in de hersenen heet dit syncope. Syncope kan onschuldig of ernstig van aard zijn. De risico-inschatting en besluitvorming bij patiënten met syncope in de ambulancezorg is complex. Ambulancezorg professionals moeten in een kort tijdsbestek en onder hoge druk, met veel onderliggende informatie en onzekerheden risico’s inschatten en besluiten of een patiënt ingestuurd moet worden naar de spoedeisende hulp. Bij 2/3 van de ingestuurde patiënten met syncope blijkt de klacht niet ernstig te zijn. Twee HAN lectoraten ontwikkelden een protocol syncope met risicotaxatie en stroomschema besluitvorming, ziektescripts met achtergrondinformatie en een implementatieplan (RAAK.PUB05.017 en RAAK.IMP.01.036). Deze eindproducten zijn sinds juli 2022 geïmplementeerd en onderdeel van de landelijke werkwijze binnen de ambulancezorg.
Doel van het project
Als vervolg op de SAFE-END studie, heeft de praktijk de lectoraten Acute Intensieve Zorg en Technologie voor Gezondheidszorg gevraagd om te onderzoeken of de inzet van kunstmatige intelligentie (AI) op basis van Large Language Models (LLM), de ambulancezorg professional verder kan ondersteunen bij het inschatten van risico’s en de besluitvorming bij patiënten met syncope in de ambulancezorg. Binnen dit onderzoek wordt onderzocht in hoeverre generatieve AI op basis van LMM technisch goed tekstbestanden kan analyseren op belangrijke medische- en omgevingsfactoren bij patiënten met een syncope.