Spraakgestuurd rapporteren in de thuiszorg: tijdswinst, tevreden cliënt en betere dossiervoering

Wat als verpleegkundigen en verzorgenden hun dossiers niet pas aan het einde van een lange dag bijwerken maar direct in de woonkamer van de cliënt, door hun rapportages in te spreken? De Friese thuiszorgorganisatie Patyna experimenteerde de afgelopen maanden met spraakgestuurd rapporteren met de AI-software van Attendi. Na een positieve evaluatie van de pilot gaat Patyna de spraakgestuurd rapporteren tool nu organisatie breed inzetten zodat alle medewerkers er gebruik van kunnen maken.

In een subgebied van de kunstmatige intelligentie dat natural language processing (NLP) heet worden computers steeds beter in het begrijpen van natuurlijke talen die mensen spreken. De kans is groot dat je spraakassistenten zoals Siri op de iPhone of de slimme speaker van Google of Alexa van Amazon kent. Deze voice assistents werken op basis van kunstmatige intelligentie, slimme algoritmes die natuurlijke talen analyseren, begrijpen en ‘terug’ kunnen praten.

Intelligente spraaktechnologie

Attendi is een Nederlandse start-up die intelligente spraaktechnologie aanbiedt om de administratielast in de zorgsector te verlichten. Attendi’s spraaktechnologie is getraind om gesproken woorden om te zetten in een transcript dat automatisch de vrije tekstvelden van een elektronisch patiënten- of cliëntendossier vult. In plaats van typen spreekt een thuiszorgmedewerker of verpleegkundige de notities dus in. Het bedrijf ontwikkelde een eigen spraak-naar-tekst AI-model, specifiek voor de Nederlandse zorg.

Samen met de Friese zorgorganisatie Patyna onderzocht Attendi wat het effect van spraakgestuurd rapporteren is in de thuiszorg. Patyna was al voornemens op een nieuwe manier te gaan werken door te rapporteren volgens de SOAP (Subjectief, Objectief, Analyse, Plan) methode, een manier om methodisch een situatie bij een cliënt in kaart brengen. Nieuw was ook het dossier inspreken in het bijzijn van de cliënt, in plaats van aan het einde van de dienst te rapporteren. En er werd onderzocht hoe verzorgenden en verpleegkundigen in de thuiszorg het vonden om via spraak te rapporteren, door de notities die ze normaal in het elektronisch cliëntendossier zouden intypen nu uit te spreken.

‘Spraakgestuurd rapporteren leverde een gemiddelde besparing op administratieve lasten van 43 uur voor een verzorgende en 93 uur per jaar voor een verpleegkundige’, zegt Attendi-oprichter Diederik de Rave, die blij is met de resultaten van de pilot.

Ook merkten de medewerkers van Patyna dat rapporteren per spraak zorgde voor een verhoogde betrokkenheid van cliënten bij het dossier. De Rave: ‘Een cliënt hoort wat er vastgelegd wordt in zijn of haar dossier. Uit een eerdere pilot bij een andere organisatie wisten we dat cliënten beter op de hoogte waren van het zorgplan als ze betrokken waren bij de rapportage. Het is een laagdrempelige manier om zich te mengen in het behandelplan. En het zorgt voor minder interpretatiefouten van zorgprofessionals in de rapportages.’

Dossiers completer en beter leesbaar

Nog een effect van het spraakgestuurd rapporteren: de leesbaarheid en compleetheid van dossiers ging omhoog waardoor zorgverleners effectiever samenwerken rondom de behoefte van de cliënt. Sanne Hofman, wijkverpleegkundige van het wijkzorgteam bij Patyna: ‘Als je rapporteert via de SOAP methode moet je de situatie objectief beschrijven. Daarmee krijg je kwalitatief betere rapportages.’

‘Zorgprofessionals zijn heel blij met het spraakgestuurd rapporteren. Naast dat het tijd bespaart helpt het hen echt in het werk’, aldus Ines van Beek, projectleider spraakgestuurd rapporteren binnen Patyna.

Opschalen en kwaliteit consistent houden

Attendi’s team van data scientists en programmeurs ontwikkelde een spraak-naar-tekst model voor intramurale zorg en voor de thuiszorg. ‘Daar hebben we veel testen mee gedaan. Uiteindelijk hebben we die twee modellen samengevoegd tot één AI-model voor de VVT. Onze speech-to-text engine is in eigen huis gebouwd. Er is veel standaard ASR-technologie beschikbaar van partijen als Google of Amazon, maar wij wilden niet afhankelijk zijn van derden. Dit omwille van veiligheid en het kunnen garanderen van domein specifieke kwaliteit.'

‘Als we een nieuwe organisatie als klant verwelkomen, ontwikkelen we een toespitsing van dat model met unieke woorden voor die organisatie. Je kunt dan denken aan applicatietermen, namen van collega’s, huisartsenpraktijken of apothekers in de regio. In de basis hebben we dan al een sterk model voor die klant.’

Toch merkte De Rave dat er nog meer data nodig was om dit model te kalibreren en de accuraatheid van de spraak-naar-tekst functie te verhogen. ‘Nadat we met Buurtzorg in zee gingen, die zorg aanbiedt op allerlei locaties in Nederland, merkten we dat het regionaal flink verschilde hoe goed het model presteerde. De accuraatheid schommelde in de eerste vier weken bijvoorbeeld in Zuid-Limburg rond de 88%, maar als er vijf uur aan spraakdata toegevoegd wordt aan het model daalde de foutmarge en steeg de accuratesse naar meer dan 90%. Naarmate we steeds meer uitbreiden over Nederland kijken we heel gericht: wat scoren we gemiddeld en waar investeren we annotatiewerkzaamheden om iedere organisatie op het landelijk gemiddelde te krijgen?

Annotatiecorvee

Onmisbaar daarbij is het toevoegen van nieuwe spraak-rapportages, dus data om het AI-model te trainen én mensen om die data te annoteren of van labels te voorzien, legt De Rave uit. ‘Die testdata is nodig om het model te trainen. Op basis van de rapportages die zorgprofessionals inspreken produceert het model een transcript. Medewerkers van Attendi beoordelen de ingesproken data en de transcripten. Wat is er gezegd en wat is het resultaat van Attendi? Zij voegen verkeerde of ontbrekende woorden toe, veranderen woorden, voegen punten en komma’s toe. Hoe meer uur aan data we toevoegen, hoe accurater het model wordt.’

De Rave legt uit dat er veel nuance in taal zit, die voor een algoritme lastig te begrijpen kan zijn. Ook dialecten testen de robuustheid van Attendi’s AI-model. ‘We steken daarom veel tijd in formatteren en annotatiecorvee, zoals we het hier op kantoor noemen. Niet alleen studenten geneeskunde doen deze werkzaamheden, ook onze medewerkers draaien regelmatig een dienst. Je leert zo ontzettend veel van hoe zorgprofessionals onze oplossing gebruiken.’

Vrije tekst velden

Op dit moment werkt het model dat Attendi ontwikkelde goed voor de vrije tekstvelden in elektronische cliëntendossier, de velden waar verzorgenden en verpleegkundigen ruimte hebben om aantekeningen te maken. ‘Maar er zijn veel meer velden in een elektronisch patiënten- of cliëntendossier die per cliënt of bezoek ingevuld moeten worden. We gaan er nu naar toe dat gestructureerde invoervelden ook via spraak gevuld kunnen worden.’

‘Je kunt dan denken aan metingen zoals gewicht, bloeddruk en bloedglucose’, aldus De Rave. Attendi test momenteel deze functionaliteit met zorgprofessionals. ‘Dat zijn we nu aan het testen en bouwen, daarna kunnen de ECD-leveranciers dit inbouwen.’

Samenwerking met leveranciers

Voor hun go to market strategie kozen Attendi-oprichters Berend Jutte en Diederik de Rave ervoor om via ECD-leveranciers hun AI-technologie aan de man te brengen. Dat heeft twee voordelen: enerzijds hoeft Attendi geen grote sales organisatie op te tuigen en anderzijds profiteren ECD- leveranciers van een innovatieve functie in hun product, die ze niet snel zelf zullen ontwikkelen.

‘De behoefte aan spraakgestuurd rapporteren, vooral in de langdurige zorg, wordt steeds groter. De markt is volwassener geworden, een standaard toepassing van Google voldoet niet. Een totale oplossing hiervoor ontwikkelen is voor veel ECD-leveranciers te omvangrijk om zelf te bouwen, die ook een eigen ontwikkel-roadmap hebben en een wettelijke verplichtingen en standaarden moeten voldoen.’

Inmiddels is Attendi te gebruiken in drie EPD’s in de verpleging, verzorging en thuiszorg en er volgen er steeds meer. ‘Partners bieden Attendi aan hun klanten aan als add-on op het bestaande contract. Inmiddels hebben we een bewezen oplossing die eenvoudig aan te schaffen is met een duidelijk rendement. Omdat we meerdere bewijscasussen hebben gaat het nu sneller en kunnen we naar grotere klanten opschalen. We focussen nu op de VVT-sector en we willen volgend jaar ook in de gehandicaptenzorg en GGZ verder uitbreiden.’