Het Leids Universitair Medisch Centrum (LUMC) onderzoekt een digitale assistent die verpleegkundigen ondersteunt bij het opstellen van wondverslagen. Doel is administratieve druk te verminderen en de verslaglegging consistenter te maken, zodat veranderingen in een wond beter gevolgd kunnen worden.
Waarom wondregistratie problematisch is
Volgens het LUMC neemt het volledig opstellen van een wondverslag gemiddeld 10,7 minuten in beslag. Dat vormt een belangrijke reden dat bij slechts 10,7 procent van de relevante contactmomenten daadwerkelijk een volledig verslag wordt vastgelegd. Juist bij wondzorg is nauwkeurige en consequente verslaglegging van belang: door afmetingen en veranderingen in weefselsystematisch te registreren, beschikken alle betrokken zorgverleners over dezelfde informatie en kan de behandeling beter worden gevolgd.
Wat de AI-assistent doet
De door KickstartAI ontwikkelde assistent analyseert een foto van een wond en genereert op die basis voorstellen voor onderdelen van het dossier. Dat omvat onder meer een inschatting van afmetingen en herkenning van zichtbaar weefsel. De assistent vult niet autonoom het patiëntendossier; een verpleegkundige blijft verantwoordelijk en kan de voorgestelde gegevens controleren en aanpassen.
- Analyseren van wondfoto en voorstellen doen voor verslagonderdelen.
- Afmetingen inschatten (lengte en breedte) met automatische berekening.
- Herkennen van zichtbaar weefsel ter ondersteuning van de beschrijving in het dossier.
Resultaten van de eerste pilot
De meetprestaties van het model werden getest met twaalf bestaande wondcasussen en vergeleken met eerdere metingen. Bij grotere wonden (vanaf vijf centimeter) bedroeg de gemiddelde afwijking 6,8 procent voor de lengte en 11,4 procent voor de breedte. Daarnaast beoordeelden drie ervaren wondverpleegkundigen de herkenning van wondranden en verschillende weefseltypen in 150 bestaande casussen.
| Aspect | Geobserveerde uitkomst |
|---|---|
| Gemiddelde tijd per volledig verslag | 10,7 minuten |
| Aandeel contactmomenten met volledig verslag | 10,7% |
| Afwijking lengte (wonden ≥ 5 cm) | 6,8% |
| Afwijking breedte (wonden ≥ 5 cm) | 11,4% |
De beoordeling door ervaren verpleegkundigen liet zien dat de technologie onderdelen van een wondverslag kan ondersteunen, maar dat verbetering nodig is bij het bepalen van de precieze grenzen van een wond en bij de betrouwbaarheid over verschillende casussen heen.
Gevolgen en vervolgstappen
De pilot benadrukt dat technologie een bijdrage kan leveren aan het verminderen van administratieve lasten in de zorg, maar niet zonder menselijk toezicht. Het LUMC en KickstartAI zien de assistent als hulpmiddel dat tijd kan besparen en de uniformiteit van verslaglegging kan vergroten. Tegelijkertijd wijzen de eerste resultaten op noodzakelijke vervolgontwikkeling op het gebied van nauwkeurigheid en randherkenning.
Belangrijke aandachtspunten bij verdere ontwikkeling zijn onder meer:
- Verbeteren van het herkennen van wondranden en heterogene weefsels;
- Opschaling van de tests naar grotere en meer diverse datasets;
- Inbedding in bestaande werkprocessen, met expliciete verantwoordelijkheid bij de verpleegkundige.
Als de technologie betrouwbaar aangeeft welke onderdelen van een verslag al correct kunnen worden voorgesteld, kan dat leiden tot meer volledige en consequent bijgehouden dossiers. Dat heeft niet alleen invloed op de dagelijkse werkdruk van verpleegkundigen, maar ook op de kwaliteit van wondzorg en de mogelijkheid om behandelresultaten over tijd te volgen.
De pilot is een eerste stap; verdere onderzoek en technische verbeteringen zijn nodig voordat de AI-assistent op grotere schaal in de praktijk kan worden ingezet.
