NHG-richtlijnen en Huisarts & Wetenschap: één technologie, twee totaal verschillende uitdagingen

In de praktijk bleken het twee totaal verschillende trajecten.

"De aanpak is anders. De ene RAG is niet de andere RAG. Je loopt tegen product specifieke uitdagingen aan. Als je twee van dit soort projecten tegelijkertijd doet, zie je wel dat het niet is we zetten het aan, en je bent klaar."

Het verschil zit in de impact. Bij NHG-richtlijnen raakt een AI-toepassing al snel aan medisch handelen; de gebruiker (huisarts) zet de AI-toepassing in om diens medisch-handelen te toetsen aan de richtlijnen van de beroepsgroep. En dan verandert de context. Bij H&W is de AI-toepassing bedoeld om de H&W-content makkelijker te doorzoeken.

Binnen Europa geldt de Medical Device Regulation, MDR. Dat betekent dat software die invloed heeft op medische beslissingen kan worden gezien als medisch hulpmiddel. Daar horen strenge eisen bij rond betrouwbaarheid, controleerbaarheid en risico's.

Dat heeft direct invloed op hoe je de oplossing ontwikkelt.

Twee toepassingen, twee soorten gebruik

Hoewel beide oplossingen draaien om kennisontsluiting, is het gebruik totaal anders.

Huisarts & Wetenschap is een groot archief met onderzoeks- en praktische artikelen, maar ook opiniestukken. Waardevol, maar niet makkelijk doorzoekbaar. Huisartsen zoeken niet op titel of auteur, maar hebben een vraag over (recente) medisch-wetenschappelijke ontwikkelingen en willen hierop snel een antwoord, met de mogelijkheid om door te klikken naar de bron.

NHG-richtlijnen vormen de basis voor medisch handelen. Het gaat om ongeveer 150 richtlijnen die samen bepalen hoe een huisarts handelt. Die documenten zijn groot en informatie zit verspreid over meerdere richtlijnen.

Bij Huisarts & Wetenschap help je dus bij zoeken en ontdekken. NHG-richtlijnen geven aanbevelingen voor klinisch handelen in de praktijk.

En precies daar wordt het verschil belangrijk.

Verschillende aanpak door verschil in impact

Bij Huisarts & Wetenschap was de aanpak relatief eenvoudig. De tool kon snel worden ontwikkeld, getest met redacteuren en daarna live gezet. De impact van fouten is beperkt. Een minder goed antwoord leidt niet direct tot ander medisch handelen.

Bij NHG-richtlijnen ligt dat anders. Daar kun je niet zomaar live gaan. Je moet kunnen uitleggen waar een antwoord vandaan komt en hoe het tot stand komt. Dat betekende in de praktijk:

• duidelijke bronverwijzingen
• altijd een link naar de originele richtlijn
• geen interpretatie door de tool, maar door de huisarts

De AI ondersteunt, maar neemt geen beslissingen over. Die grens moest helder zijn.

Schaal en samenhang maken het complex

NHG-richtlijnen zijn niet alleen groot, ze hangen ook met elkaar samen. De waarde zit juist in het combineren van meerdere richtlijnen.

Een vraag over NHG-Standaard COPD raakt bijvoorbeeld ook aan de NHG-Behandelrichtlijn stoppen met roken. Die verbanden moet je kunnen leggen. Tegelijkertijd heeft een taalmodel een beperkte hoeveelheid tekst die het tegelijk kan verwerken. Je kunt dus niet zomaar alles in één keer meenemen.

De oplossing zat in het opsplitsen van vragen en het gericht ophalen van relevante informatie. Zo kun je toch meerdere richtlijnen combineren zonder overzicht te verliezen.

Dat klinkt technisch, maar het gaat vooral om controle. Je wilt precies weten welke informatie wanneer wordt gebruikt.

Testen met verschillende perspectieven

Bij NHG-richtlijnen is stap voor stap getest. Eerst een interne groep huisartsen, daarna met steeds grotere externe groepen huisartsen.

Iedere groep keek anders:

• experts letten op volledigheid en nuance
• huisartsen willen daarnaast snelheid en toepasbaarheid

Dat maakte duidelijk dat betrouwbaarheid niet alleen in de inhoud zit, maar ook in het gebruik.

Bij Huisarts & Wetenschap draait het om interpretatie

Bij Huisarts & Wetenschap ligt de uitdaging anders.

Het archief is groot en divers. Niet elk artikel heeft dezelfde waarde in dezelfde context. Een opinie is iets anders dan een wetenschappelijk artikel. Daarnaast speelt actualiteit een rol. Je wilt geen oud artikel als actueel antwoord presenteren.

Daarom is gekozen voor:

• meer nadruk op recentere content in AI-antwoorden
• onderscheid tussen verschillende soorten artikelen
• het los aanbieden van AI-antwoorden en zoekresultaten

Gebruikers kunnen zelf kiezen hoe ze zoeken. Dat bleek belangrijk, omdat niet iedereen AI op dezelfde manier wil gebruiken.

Monitoring hoort erbij

In beide trajecten bleek dat het werk niet stopt bij livegang. AI opent een nieuw kanaal waarin gebruikers vragen stellen. Dat geeft inzicht in wat werkt en wat niet.

Binnen NHG wordt daarom continu gekeken naar vragen, patronen en situaties waarin antwoorden tekortschieten. Op basis daarvan wordt de oplossing aangepast.

Dat vraagt om een andere manier van werken. Niet bouwen en opleveren, maar blijven verbeteren.

Wat deze case laat zien

Deze case laat zien dat AI in de zorg geen standaardoplossing is. Hetzelfde idee kan totaal anders uitpakken, afhankelijk van de context.

Bij NHG-richtlijnen ligt de nadruk op zorgvuldigheid en controle, omdat je dicht op medisch handelen zit. Bij Huisarts & Wetenschap ligt de nadruk op toegankelijkheid en interpretatie.

En precies daar zit ook de link met MDR. Hoe dichter je op besluitvorming zit, hoe groter de eisen worden en hoe zorgvuldiger je moet werken. Dat maakt dit soort projecten complexer. En tegelijkertijd interessanter.