Gezondheidszorg

Abridge licht de instellingen toe voor door AI gegenereerde notities van lichamelijk onderzoek

Lila Rowan
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenAbridge beschouwt klinische beoordeling als onderdeel van de automatisering in plaats…
Meer weergeven
  • Abridge beschouwt klinische beoordeling als onderdeel van de automatisering in plaats van als een aparte opschoningsstap.
  • Vier bedieningselementen sturen het concept aan en laten clinici sjablonen afwegen tegen mondelinge bevindingen.
  • Assistent-prompts passen één notitie aan, terwijl notitievoorkeuren op elk bezoek van toepassing zijn.

Abridge publiceerde klinische richtlijnen op 19 november 2026 waarin wordt uitgelegd hoe zorgverleners onderzoeksjablonen, stijlinstellingen, vaste voorkeuren en promptaanpassingen kunnen combineren om gesprekken tijdens consulten om te zetten in gestructureerde verslaglegging van lichamelijk onderzoek.

Casey Hribar, kinderarts en directeur Klinisch Succes bij Abridge, schreef het bericht naar aanleiding van een consult met een tweejarig meisje dat haar hand tegen de zijkant van haar hoofd hield. Bij het onderzoek worden beide oren, haar keel, nek en borstkas onderzocht, maar slechts bepaalde bevindingen worden aan haar ouders verteld. In de uiteindelijke notitie moet het rechteroor duidelijk worden onderscheiden van het linkeroor, moeten afwijkingen die de diagnose ondersteunen worden opgenomen en moeten normale bevindingen van daadwerkelijk onderzochte orgaansystemen worden vastgelegd, zonder te suggereren dat er onderzoek is verricht dat niet heeft plaatsgevonden.

Die bevindingen helpen een andere zorgverlener de beoordeling te begrijpen en leveren codeurs, auditors en zorgverzekeraars onderbouwing voor de gecodeerde diagnoses. Ze moeten bovendien passen in een gestructureerd format met veel vakterminologie, dat verschilt van de uitleg die een zorgverlener aan een kind en haar familie geeft.

Sjablonen en mondelinge aanwijzingen bepalen de conceptnotitie

Hribar beschrijft de conventionele sjablonen in elektronische patiëntendossiers als een gedeeltelijke oplossing. Wie begon met een volledig normaal onderzoeksverslag, moest afwijkende bevindingen toevoegen, niet-toepasselijke standaardinstellingen aanpassen en niet-onderzochte orgaansystemen verwijderen. Wie met een leeg sjabloon begon, moest de bevindingen per orgaansysteem invoeren. Bij beide aanpakken moesten de details nog steeds worden gecontroleerd aan de hand van de herinnering aan het consult.

Abridge zegt dat het systeem een opmerking als ‘Oké, hoest nu eens… klinkt goed!’ kan interpreteren als bewijs dat er longonderzoek heeft plaatsgevonden en, wanneer dit zo is ingesteld, normale bevindingen kan invullen. Standaard vervangen mondeling verwoorde bevindingen de bijbehorende tekst over normale bevindingen.

Vier instellingen bepalen de conceptnotitie. Het sjabloon bepaalt de structuur, terwijl de stijlinstelling bepaalt hoeveel gewicht het sjabloon krijgt ten opzichte van wat mondeling is gezegd. Notitievoorkeuren bieden herbruikbare aanpassingsmogelijkheden, terwijl Assistant-prompts een onderzoek na het opstellen van de conceptnotitie aanpassen. Zorgverleners kunnen een sjabloon uit een EPD importeren, er zelf een maken of een optie voor een specifieke specialisatie kiezen, en van sjabloon wisselen wanneer hun werkzaamheden veranderen.

Sjablonen voor specialismen die samen met collega-zorgverleners zijn ontwikkeld, omvatten verloskunde en gynaecologie, neurologie, onderzoek van de mentale status, oogheelkunde, dermatologie en onderzoek van pasgeborenen door een kinderarts. Zorgverleners die Abridge al gebruikten voordat er een sjabloon voor hun specialisme beschikbaar kwam, moeten dit mogelijk zelf selecteren.

Zorgverleners die registreren via Epic Haiku of Canto kunnen het lichamelijk onderzoek configureren op het Abridge-tabblad in Hyperspace. Gebruikers van de web- en desktopversie kunnen het sjabloon, de stijl en de notitievoorkeuren bekijken via het voorkeurenmenu.

Promptaanpassingen voor afzonderlijke consulten

Notitievoorkeuren gelden voor meerdere consulten, terwijl het aanpassen van Assistant-prompts betrekking heeft op één specifieke notitie. Een consult op afstand is een situatie waarin het volledige standaardsjabloon van een zorgverlener mogelijk niet geschikt is. De richtlijnen raden aan voorkeurregels specifiek te houden en ze bij enkele notities te controleren. Ook wordt afgeraden een voorkeur te gebruiken om een volledig onderzoek in te voegen of een opgeslagen sjabloon alleen onder bepaalde voorwaarden toe te passen.

Nadat een concept is gegenereerd, kan een zorgverlener bijvoorbeeld vragen het onderzoek toe te spitsen op een waargenomen huidaandoening, een opgeslagen sjabloon voor knieonderzoek toe te passen of over te schakelen naar de stijl Beperkt. Abridge genereert het onderzoek opnieuw en toont voorgestelde wijzigingen met bijgehouden wijzigingen, die zorgverleners kunnen accepteren of afwijzen voordat ze in de notitie worden verwerkt.

Veelgebruikte instructies kunnen als opgeslagen prompts worden gemarkeerd en opnieuw worden geopend via de plusknop in het chatvenster van Assistant. Zo kan een zorgverlener een verzoek hergebruiken zonder het voor elke notitie opnieuw te formuleren.

In de richtlijnen maakt de beoordeling door de zorgverlener deel uit van de automatisering, in plaats van een afzonderlijke opschoonstap te zijn: het gesprek tijdens het consult levert de bevindingen, terwijl instellingen en beslissingen over bijgehouden wijzigingen bepalen wat uiteindelijk in het onderzoeksverslag wordt vastgelegd.

Lila Rowan is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar ze de kruispunten van kunstmatige intelligentie, gezondheidszorg en geestelijke gezondheid bestudeert. Haar werk richt zich op hoe AI-gestuurde tools diagnostiek verbeteren, toegang tot zorg uitbreiden en geestelijke gezondheidsdiensten ondersteunen op manieren die menselijke clinici aanvullen - niet vervangen.
Met een compassievol en op bewijs gebaseerd perspectief onderzoekt Lila klinische studies, real-world implementaties en opkomende gezondheidstechnologieën door een humanistische lens. Ze is vooral geïnteresseerd in AI-toepassingen die barrières voor zorg verlagen, vroege detectie verbeteren en geestelijk welzijn ondersteunen met respect voor de privacy en veiligheid van patiënten en voor ethische normen.
Artikelen geschreven door Lila Rowan zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om nauwkeurigheid, gevoeligheid en verantwoorde verslaggeving over gezondheids- en geestelijke gezondheidstechnologieën te garanderen.