Complexe medische zorg begrijpelijk maken voor iedere patiënt

Persbericht - Een uitdaging in de zorgsector is het complexe taalgebruik van artsen in medische informatie, waaronder klinische studies, bestemd voor patiënten. Een arts heeft het bijvoorbeeld over “neoplasia van de mamma”, of “pancreasductaalcarcinoom”, terwijl een patiënt de woorden “borstkanker” en “alvleesklierkanker” gebruikt.

Bij myTomorrows vinden we dat dit anders kan en moet. myTomorrows biedt informatie en toegang tot behandelingen in ontwikkeling, wereldwijd. Het dient de belangen van zowel patiënten als artsen, evenals de ontwikkeling van geneesmiddelen. Een van onze missies is om patiënten te helpen toegang te krijgen tot begrijpelijke medische informatie. Daarom zijn we gestart met het ontwikkelen van systemen die via social media leren welke taal patiënten gebruiken om symptomen van hun ziektebeeld te beschrijven. Deze taal gebruiken we daarna om de patiënten te identificeren, bijvoorbeeld in zoekmachines op het internet. Hiervoor werken we samen met TU Delft om onderzoek en analyses te doen en met technologie van Amazon Web Services (AWS) om deze systemen op te bouwen.

Het bouwen van systemen om patiënten te begrijpen

Om taal op social media te analyseren moesten we ten eerste de taal waarin de tekst geschreven is detecteren, bijvoorbeeld Engels of Nederlands. Vaak bleek dat de systemen die hiervoor gebruikt worden niet goed werken voor de medische teksten, omdat er veel Latijnse en Griekse woorden in voor komen. Om dit op te lossen hebben we een algoritme ontwikkeld om dit specifiek voor medische taal te doen, waarbij we bijvoorbeeld de nauwkeurigheid van het herkennen van medisch Engels hebben verhoogd van 73% naar 80%. We stellen dit algoritme beschikbaar via de API Gateway van AWS voor ontwikkelaars. Op deze manier kunnen ontwikkelaars ons helpen om het algoritme uit te breiden en zo medische informatie toegankelijk te maken en stellen we andere partijen in staat om samen met ons de online stem van patiënten hoorbaar te maken.  Een API maakt communicatie en het uitwisselen van informatie mogelijk tussen verschillende (software)systemen en via AWS kunnen ontwikkelaars eenvoudig API’s maken, publiceren, onderhouden, bewaken en beveiligen.

De volgende stap was het herkennen van medische termen. Wat hier een uitdaging is, is dat patiënten andere en informele woorden gebruiken dan de woorden in formele medische documenten. Algoritmes die ontwikkeld zijn om de termen te herkennen, hebben hierdoor moeite om ze te herkennen. Een patiënt zegt bijvoorbeeld dat ze zich als een zombie voelen, terwijl dit in een medisch document wordt omschreven met het woord oververmoeidheid. Daarom hebben we een systeem ontwikkeld dat deze termen wel herkent op social media en het tegelijkertijd koppelt aan de formele medische termen. We willen dit systeem ook gebruiken om reacties van mensen op social media in de gaten te houden, omdat we hier ook veel woorden kunnen analyseren en koppelen aan de formele termen. Dit systeem zullen we in de nabije toekomst beschikbaar maken als API via AWS voor ontwikkelaars, farmaceutische bedrijven en onderzoekers, zodat we dit verder kunnen ontwikkelen.

De laatste stap die we hebben genomen is het ontwikkelen van een systeem om patiënten te identificeren aan de hand van hun eigen taal via zoekmachines door middel van Search Engine Marketing (SEA). Het is voor het marketingteam een intensieve, handmatige inspanning om woorden en zinnen in te voeren die van toepassing zijn op de doelgroep. Daarom hebben we dit proces geautomatiseerd voor het medische domein. Medische tekst wordt dan in een vertaalsysteem op internet vertaald naar begrijpelijke taal. Patiënten kunnen zo een hele klinische studie vertalen en lezen in hun eigen woorden. Dit proces is erg intensief, maar dankzij Amazon Deep Learning AMI’s, dat de infrastructuur biedt om deep learning te versnellen via de cloud, wordt het schaalbaar. We testen de systemen nu intern en hebben een eerste pilot gestart met Alzheimer-patiënten. In deze pilot testen we de verschillende algoritmes en systemen en kijken we of onze analyses in social media goed werken. Daarnaast kijken we samen met de patiënten en hun zorgverleners of de taal voor hen begrijpelijk is. In 2020 willen we dit verder uitbreiden voor andere patiënten.

Wij hopen dat we anderen kunnen inspireren om samen met ons deze systemen uit te breiden om zo patiënten te helpen toegang te krijgen tot begrijpelijke medische informatie. We willen het voor patiënten zo gemakkelijk mogelijk maken in een toch vaak al moeilijke tijd.

Robert-Jan Sips | myTomorrows