Op 27 februari 2025 kwamen zorgprofessionals bijeen voor de eerste Pulse Sessie van HINT.GENT, een sessie over een hoe we vandaag en morgen efficiënter kunnen omgaan met gezondheidszorgadministratie en klinische workflows. Dr. François Remy (Biomedical AI) en Prof. Dr. Steven Callens (UZ Gent)richtten zich in deze sessie zich op het transformerende potentieel van Large Language Models (LLM's) in de gezondheidszorg. De inzichten die deze sessie opleverden, benadrukken hoe LLM's zorgprofessionals kunnen helpen hun tijd efficiënter te gebruiken met als doel de patiëntenzorg te verbeteren.
Starten met de basis
Dr. François Remy opende de sessie met een diepgaande introductie tot taalmodellen, waarbij hij de fundamentele principes en toepassingen in de gezondheidszorg werden uitlegd. Dit zijn de belangrijkste punten van deze presentatie:
- Begrip van taalmodellen: Dr. François Remy legde uit dat taalmodellen vereenvoudigingen zijn van fenomenen uit de echte wereld en ontworpen zijn om de waarschijnlijkheid van woordreeksen in een bepaalde context te schatten. Deze modellen kunnen reacties in gesprekken voorspellen, waardoor ze waardevol zijn voor verschillende toepassingen zoals spraakherkenning, vertaling en het beantwoorden van vragen.
- Toepassingen in de Gezondheidszorg: Enkele voorbeelden van toepassingen van taalmodellen zijn:
- Spraakherkenning: Het combineren van auditieve input met contextuele taalmodellen om de nauwkeurigheid te verbeteren.
- Tekstvertaling: Het gebruik van modellen zoals DeepL en Google Translate voor meertalige communicatie.
- Vraagbeantwoording: Het benutten van modellen zoals ChatGPT en Microsoft Copilot om nauwkeurige en relevante antwoorden te geven in een specifieke context.
- Uitdagingen en aandachtspunten: De presentatie behandelde ook de beperkingen van taalmodellen, zoals de noodzaak van redeneren (‘deep thinking’) en een kritische geest om nauwkeurige en betrouwbare outputs te garanderen.
AI in Actie
Na de interessante presentatie van Dr. Remy nam Prof. Dr. Steven Callens het over om enkele praktische toepassingen van AI, met name LLM's, in de gezondheidszorg te demonstreren. Hij benadrukte de principes en methoden die het effectieve gebruik van AI ondersteunen. Een belangrijk inzicht was het belang van het begrijpen van principes eerder dan methoden, waarbij hij Ralph Waldo Emerson citeerde: "The man who grasps principles can successfully select his own methods."
Belangrijke inzichten
- Strategische implementatie: Voordat LLM's in klinische workflows worden geïntegreerd, is het cruciaal om de bestaande processen te evalueren. Automatisering toegepast op efficiënte operaties vergroot de efficiëntie, terwijl automatisering toegepast op inefficiënte operaties de inefficiëntie vergroot, zoals opgemerkt door Bill Gates.
- Leren als primair Doel: Het beheersen van de capaciteiten van LLM's is essentieel. Zorgprofessionals moeten zich richten op het begrijpen hoe deze modellen werken en hoe ze kunnen worden benut om de klinische praktijk te verbeteren. Eén van de belankrijke vaardigheden is bijvoorbeeld het effectief leren opstellen van ‘prompts’. Je zal de LLM vaak verschillende keren na elkaar moeten aansturen om de output te verfijnen om het gewenste resultaat te verkrijgen. Een tip die werd meegegeven was om eens je een goede output verkreeg, de LLM te vragen om hiervoor een prompt op te stellen die deze output van de eerste keer zou genereren. Deze prompt kan je opslaan en later opnieuw gebruiken.
- Patiëntgerichte Innovatie: Doordacht gebruik van LLM's kan de patiëntenzorg aanzienlijk verbeteren. Door administratieve taken te automatiseren, kunnen zorgprofessionals meer tijd besteden aan directe patiëntinteracties en complexe klinische besluitvorming.
Transformatie van administratief werk
Een van de meest overtuigende aspecten van de sessie was de discussie over hoe LLM's administratief werk gemakkelijker kunnen maken voor zorgprofessionals. Prof. Dr. Steven Callens illustreerde dit met verschillende voorbeelden van hemzelf:
- Data-analyse en samenvatten: LLM's kunnen grote datasets verwerken, informatie samenvatten en statistische analyses uitvoeren, waardoor waardevolle tijd voor zorgprofessionals vrijkomt.
- Manuscriptopstelling: Van het implementeren van de IMRAD-structuur tot het genereren van figuren en tabellen, LLM's kunnen helpen bij het opstellen van wetenschappelijke manuscripten, waarbij er zorg wordt gedragen voor naleving van tijdschriftvereisten en reacties op reviewers.
- Wetenschappelijke publicaties: LLM's kunnen taal verfijnen, formats aanpassen, citaten verifiëren en impactverklaringen genereren, waardoor het publicatieproces wordt gestroomlijnd.
Conclusie
De eerste Pulse Sessie van HINT.GENT bood waardevolle inzichten in het potentieel van Large Language Models in de gezondheidszorg. Door deze modellen strategisch te implementeren, hun capaciteiten te beheersen en te focussen op patiëntgerichte innovatie, kunnen zorgprofessionals hun administratieve workflows transformeren en de klinische praktijk verbeteren. Hoe te beginnen? Pas LLM's stap voor stap toe op je werktaken of, zoals Prof. Dr. Steven Callens zou aanbevelen, begin met 'domme' AI, wat betekent dat je eenvoudige taken zoals tekstschrijven vervangt door LLM's.
Pro tip: UGent heeft een licentie op Microsoft Copilot, ga naar copilot.microsoft.com en log in met je UGent-account zodat al je tekst en data input veilig en beschermd is 😉