De administratieve druk in de zorg neemt toe en kennis wordt steeds complexer. Dat is niet alleen belastend voor zorgverleners, maar vormt ook een gevaar voor de patiëntveiligheid. Vooral in de antistollingszorg, die verantwoordelijk is voor bijna 40% van alle medicatiegerelateerde schades, is de kans op fouten groot. Met de vele richtlijnen, protocollen en verantwoordelijke specialismen is het een complex zorggebied. “We moeten de computer voor ons laten werken, en een einde maken aan de inefficiëntie en vele fouten in de zorg,” aldus anesthesioloog-intensivist Fabian Tijssen. Hij ontwikkelde met zijn team AI-beslisondersteuning om orde in de chaos te scheppen.

Complexe patiënten, complexe kennis en weinig tijd

”Antistolling is volgens de Monitor Zorggerelateerde Schade van het Nivel (2019)  verantwoordelijk voor 38,9% van alle medicatiegerelateerde schades. Vaak gaat er iets mis in de communicatie: informatie wordt niet goed overgedragen tussen specialisten, of de patiënt begrijpt iets verkeerd. De zorg rond antistolling is immers discipline-overstijgend, veel verschillende zorgverleners hebben er mee te maken. En als dat het niet al ingewikkeld genoeg maakt, spreken de specialistenrichtlijnen elkaar op antistollingsgebied ook nog weleens tegen. 

Ook andere zorggebieden hebben te maken met toenemende complexiteit. Medische kennis verandert continu en er bestaan steeds meer complexe patiënten met comorbiditeit. Daarnaast is er een groot gebrek aan tijd. “Moeten we dan maar accepteren dat er zoveel fouten worden gemaakt? Ik denk het niet!” zegt Fabian. “Ons brein is niet gemaakt om zoveel veranderende variabelen te verwerken, maar de computer kan dat heel goed.” 

De computer laten doen waar hij goed in is

Met die gedachte startte Fabian in 2018 een samenwerking met Popke Rein Munniksma, die met algoritmes ingewikkelde bedrijfsprocessen in de financiële sector efficiënter maakte. Zij zagen de mogelijkheid om dezelfde methode toe te passen in de zorg. Samen richtten ze Open Walnoot op en ontwikkelden een Knowledge-Based Decision Support System: een algoritme dat alle relevante medische kennis bevat en daarmee automatisch medische beslissingen kan maken op basis van ingevoerde patiëntgegevens. Het systeem kan binnen enkele milliseconden een besluit nemen over bijvoorbeeld het peri-operatief antistollingsbeleid en laat vervolgens precies zien op basis van welke regels (richtlijnen, protocollen) het de beslissing heeft gemaakt.

Houd het controleerbaar met knowledge-based AI

De tool maakt gebruik van knowledge-based AI, te vergelijken met rule-based AI; de eenvoudigste maar meest betrouwbare vorm van kunstmatige intelligentie. Het systeem werkt volgens een if-this-then-that-principe: patiëntgegevens worden getoetst aan een set van medische regels, waarna automatisch een besluit volgt. De medische regels zijn gebaseerd op alle beschikbare richtlijnen, protocollen en literatuur en kunnen constant worden geüpdatet wanneer kennis verandert.

In tegenstelling tot generatieve AI of large language models, zoals ChatGPT, leert het systeem niet zelf en kan het geen foutieve aannames ‘verzinnen’ (hallucineren). Elke uitkomst is 100% gebaseerd op vooraf ingevoerde, gevalideerde kennis. “Dit is belangrijk, want het maakt de uitkomst controleerbaar. Dit is cruciaal, omdat de arts altijd eindverantwoordelijk blijft,” benadrukt Fabian. “Veel mensen denken dat generatieve AI de zorg gaat helpen, maar deze vorm van AI maakt het juist oncontroleerbaar.”

Impliciete kennis wordt niet over het hoofd gezien

Naast expliciete kennis — richtlijnen, protocollen en wetenschappelijke publicaties — vangt de tool ook impliciete kennis. “Dit wordt vaak over het hoofd gezien bij het maken van beslisondersteuning,” legt Fabian uit. Impliciete kennis is de praktijkervaring van zorgverleners; kennis opgedaan door training, ervaring en intuïtie. “Deze kennis is belangrijk, maar vaak nergens vastgelegd, wat maakt dat de kwaliteit van de behandeling afhankelijk is van het expertiseniveau van de behandelaar.” 

Om impliciete kennis te vangen test een artsenteam patiëntcasussen in het systeem en vergelijkt de uitkomsten met hun eigen behandelkeuzes. Op basis hiervan worden nieuwe regels ontdekt en toegevoegd. Op dezelfde manier kan het systeem worden aangepast aan lokale protocollen van ziekenhuizen, zodat de beslisregels naadloos aansluiten op de praktijk. “Nu kan de patiënt op elke plek en bij elke zorgverlener hetzelfde niveau aan zorg krijgen, onafhankelijk van waar diegene woont en door wie diegene behandeld wordt.”

Specialisme-overstijgende samenwerking en gestroomlijnde communicatie

Een ander voordeel van de tool is dat het signaleert wanneer richtlijnen van verschillende specialismen elkaar tegenspreken. Het systeem geeft dan een waarschuwing: de specialisten moeten met elkaar overleggen. Nadat de beslissing is gemaakt kan de uitkomst automatisch worden omgezet in tekst voor in het elektronisch patiëntendossier (EPD), een brief voor de huisarts, of een brief aan de patiënt in patiëntvriendelijke taal.

Meer ruimte voor menselijkheid

De tool automatiseert het denkwerk en geeft razendsnel een behandelplan op basis van alle geldende richtlijnen en kennis. “Daardoor komt mentale ruimte vrij voor het menselijke aspect van zorg. Er is meer tijd om echt in gesprek te gaan met de patiënt en de behandeling aan te passen aan factoren die niet in het algoritme te vangen zijn, zoals de persoonlijke situatie.” Fabian vat het samen in zijn persoonlijke motto: “We are not human machines.”

Aanzienlijk minder fouten in veel kortere tijd

Tijdens een interne pilot in het Maastricht UMC+ nam de Open Walnoot antistollingstool het op tegen een team van vier specialisten. In 5 minuten beoordeelde de tool 3000 patiëntcasussen, terwijl de specialisten er 18 doornamen. De tool bleek bij 99,94% van de casussen de juiste behandeling te hebben gekozen, terwijl dat bij de specialisten maar 27% was. Dit laat zien wat een impact het systeem kan hebben op de kwaliteit van de zorg en de veiligheid van de patiënt. Daarnaast drukte het de kosten van €3,65 naar €0,05 per beslissing.

Implementatie: wat is er nog nodig?

“Verschillende Zorgpaden worden vormgegeven met knowledge-based AI, waaronder antistolling, borstkanker en osteoporose. Voor osteoporose is de ontwikkeling het verst gevorderd en zijn we al in gesprek met het IGJ en met verschillende ziekenhuizen. Voor antistolling is het peri-operatief beleid al volledig in de tool ingericht en aan profylaxe wordt nog gewerkt,” vertelt Fabian. 

“Sinds kort is het ook mogelijk om een directe koppeling tussen het elektronisch patiëntendossier en onze software te maken. Zo kunnen patiëntgegevens automatisch worden ingeladen in het systeem. Het initiatief voor de koppeling ligt bij het betreffende ziekenhuis. Om de volgende stap naar implementatie te kunnen maken hebben we een multidisciplinair ziekenhuisteam nodig dat een pilot kan draaien. Er is maar één ziekenhuis nodig dat de stap echt durft te zetten — al is het eerst in een testomgeving.”

Dus, klaar om de stap te zetten?

Implementatie van het Knowledge-Based Decision Support systeem van Open Walnoot kan een enorme boost voor de patiëntveiligheid betekenen, terwijl het tegelijk tijd bespaart en kosten en arbeidsdruk verlaagt. Het systeem is er. De kennis is er. Wat nu nodig is, is het lef van één ziekenhuis om als eerste de stap te zetten naar een veiligere en efficiëntere trombosezorg. Wil jij dat jouw ziekenhuis als eerste de uitdagingen in de antistollingszorg écht te lijf gaat? Neem contact op met Fabian via fabian@openwalnoot.com. 

NL-NON-2025-00123