Language modelling for infectious disease detection in general practice
Taalmodellering voor de detectie van infectieziekten in de huisartsenpraktijk
Dit proefschrift van Theodoor Homburg introduceert natural language processing (NLP), een vorm van kunstmatige intelligentie die menselijke taal begrijpt, als nieuw instrument voor de detectie van infectieziekten in de huisartsenzorg. Bij elk consult maakt de huisarts een notitie waarin staat wat de patiënt vertelt, wat de huisarts onderzoekt en wat er wordt afgesproken. Deze notities bevatten een rijkdom aan informatie die tot nu toe grotendeels verborgen bleef. Homburg gebruikt NLP om die te onthullen.
De COVID-19-pandemie was de katalysator. De vragen die de pandemie opriep waren deels te beantwoorden met bestaande onderzoeksmethoden. Andere vragen, zoals de vraag wie COVID-19 had voordat testen beschikbaar waren, vroegen om een geheel nieuwe aanpak.
Het eerste deel beschrijft de impact van de pandemie op de huisartsenzorg: toegankelijkheid en continuïteit kwamen onder druk te staan, overheidsmaatregelen beïnvloedden het zorggebruik sterker dan het aantal coronabesmettingen zelf, en de daling in reguliere huisartsenzorg had nadelige gevolgen voor kwetsbare patiëntengroepen.
Het tweede deel beschrijft de ontwikkeling en toepassing van innovatieve AI-methoden op de notities van huisartsconsulten. Van handmatige tekstanalyse, via geautomatiseerde NLP-modellen, tot ERNIE: een AI-systeem dat opkomende infectieziekten vroegtijdig signaleert, ongeacht of het om bekende of nog onbekende ziekten gaat.
Voor het eerst is aangetoond dat taalmodellen de notities van huisartsconsulten op grote schaal en met hoge nauwkeurigheid kunnen analyseren. Dit biedt nieuwe mogelijkheden voor de huisartsenzorg: betere surveillance van infectieziekten, met snellere respons bij uitbraken, en beter zicht op klinische signalen die in diagnosecodes onzichtbaar blijven. De data spraken altijd al. Dit proefschrift leert ons ze te verstaan.