PREVIA van NYU Langone signaleert PTSD-risico op basis van verhalen over spoedgevallen

NYU Langone Health maakte op 9 november 2026 bekend dat het AI-ensemble PREVIA verhalen over trauma’s op de spoedeisende hulp had geanalyseerd om het risico op een posttraumatische stressstoornis (PTSS) na één maand in te schatten. In een onderzoek met 145 patiënten rapporteerde het systeem voor de best presterende configuratie een sensitiviteit van 95,4%. De experimentele screener is bedoeld om patiënten met een verhoogd risico te identificeren zonder tijdens de intake op de spoedeisende hulp een lange vragenlijst over geestelijke gezondheid toe te voegen.

Het artikel in Nature Communications, dat eveneens op 9 november werd gepubliceerd, rapporteert een AUROC van 78,5% en een precisie van 46,8% over drie kruisvalidatiefolds en roept op tot validatie in grotere, onafhankelijke cohorten. Sensitiviteit meet het aandeel latere PTSS-gevallen dat wordt opgespoord, precisie meet het aandeel patiënten met een positieve screening die daadwerkelijk PTSS ontwikkelden, en AUROC vat samen hoe goed de scores de twee uitkomsten van elkaar onderscheiden. Die precisie betekent dat veel positieve screenings fout-positief zouden zijn, wat mogelijk extra tijd van medewerkers voor opvolging, een grotere belasting voor patiënten en kosten voor de toewijzing van middelen met zich meebrengt, hoewel de volgende stap doorgaans een korte beoordeling zou zijn en geen ingrijpende interventie.

PREVIA is ontwikkeld om een praktisch tekort aan te pakken: volgens het onderzoek screent slechts ongeveer 28% van de Amerikaanse spoedeisende hulpafdelingen routinematig op PTSS, en gebruikt slechts twee derde daarvan gevalideerde vragenlijsten. Standaardbeoordelingen concurreren met de directe medische zorgbehoeften, terwijl zorgverleners doorgaans ongeveer 15–20 minuten per patiënt hebben. De eerste maand na een trauma is een cruciale periode om PTSS te signaleren, omdat veel patiënten dan geen contact meer hebben met het ziekenhuis.

Katharina Schultebraucks, hoofdauteur en mededirecteur computationele psychiatrie aan de NYU Grossman School of Medicine, zei: ‘PREVIA kan dienen als een AI-screener die patiënten met een verhoogd risico identificeert en uitlegt waarom, zonder de intake op drukke spoedeisende hulpafdelingen te verlengen.’

Van een verhaal aan het bed naar een risicoscore

Onderzoekscoördinatoren vroegen patiënten in twee traumacentra van niveau 1 in New York City om de gebeurtenis te beschrijven die hen naar de spoedeisende hulp had gebracht. Deelnemers werden binnen 24 uur na het trauma opgenomen in het onderzoek en kregen maximaal drie minuten om te antwoorden, terwijl een iPad video opnam. De verhalen telden gemiddeld ongeveer 374 woorden. Whisper zette de spraak van patiënten om in tekst, waarna Engelstalige onderzoeksmedewerkers de transcripties controleerden. De PTSS-uitkomsten na één maand werden vastgesteld met behulp van de Clinician-Administered PTSD Scale for DSM-5, een klinisch diagnostisch interview.

PREVIA verwerkt elke transcriptie in drie lagen. In de eerste beoordelen Llama en Mistral onafhankelijk van elkaar vroege symptomen van posttraumatische stress, reacties tijdens de traumatische gebeurtenis, risicofactoren en beschermende factoren. DeepSeek brengt hun acht beoordelingen samen in gestructureerde samenvattingen, terwijl de numerieke scores van de twee modellen gelijk gewogen worden gemiddeld. Een laatste beoordelaar combineert de samenvattingen met informatie over leeftijd, geslacht, het type trauma en de prevalentie van PTSS om een risicoscore van 0 tot 100 en een korte toelichting te geven.

De pijplijn gebruikt zero-shot-prompts, zonder parameterv training of fine-tuning op de onderzoeksgroep. Kruisvalidatie werd gebruikt om de classificatiedrempel te optimaliseren en te evalueren.

Prestaties vergeleken met eenvoudigere modellen en één specialist

Het artikel rapporteert dat PREVIA en afzonderlijke zero-shot-configuraties van O3, Llama en Mistral op veel meetwaarden globaal vergelijkbare prestaties leverden, waarbij PREVIA het duidelijkste voordeel had op het gebied van sensitiviteit. Voor PTSS onder de diagnostische drempel — klinisch betekenisvolle symptomen die niet voldoen aan de volledige diagnostische criteria — behaalde PREVIA een sensitiviteit van 89,7% en een F1-score van 69,4%, een gecombineerde maat voor precisie en sensitiviteit.

Het onderzoek rapporteert een afzonderlijke vergelijking van 30 willekeurig geselecteerde verhalen, gestratificeerd om negen PTSS-gevallen te omvatten. Daarin behaalde PREVIA een sensitiviteit van 100% en een AUROC van 84,4%. Eén arts op de spoedeisende hulp behaalde een sensitiviteit van 88,9% en een AUROC van 83,9%; beiden behaalden een precisie van 50%. De arts had meer dan 24 jaar ervaring in de spoedeisende geneeskunde en gespecialiseerde onderzoekservaring met PTSS. Door het ontwerp met één beoordelaar blijft onduidelijk of de vergelijking ook opgaat voor verschillende ervaringsniveaus en klinische settings.

Vereisten voor validatie en inzet

De deelnemers waren Engelstalige, medisch stabiele volwassenen van 18–80 jaar; vrouwen vormden 31% van de onderzoeksgroep. Medisch instabiele patiënten werden uitgesloten, waardoor mogelijk sommige patiënten met het hoogste risico op chronische PTSS buiten beschouwing bleven. De auteurs noemen onderzoek in andere talen, PTSS-trajecten op langere termijn, comorbiditeiten zoals depressie en integratie met het oordeel van zorgverleners en de werkprocessen op de spoedeisende hulp als toekomstig werk.

De auteurs stellen een klinische werkwijze voor waarbij een korte audio-opname wordt gecombineerd met demografische gegevens en traumakenmerken uit het elektronisch patiëntendossier. Vervolgens wordt zonder verdere inbreng van een zorgverlener een risicoscore met toelichting gegeven. Het onderzoek heeft niet aangetoond dat een dergelijke screening de patiëntuitkomsten verbetert. PREVIA draaide in een HIPAA-conforme omgeving voor high-performance computing op NVIDIA A100-GPU’s. Zelfhosting biedt controle over patiëntgegevens, maar invoering hangt ervan af of ziekenhuizen over geschikte computer- en governance-infrastructuur beschikken.

De openbare repository van PREVIA bevat de volledige pipeline en prompts voor modellen met open gewichten die lokaal draaien, plus vijf verzonnen verhalen voor een demonstratie van begin tot eind. Herleidbare klinische verhalen en psychiatrische beoordelingen blijven om redenen van privacy en toestemming afgeschermd, dus met de demo kan de werking worden getest, maar niet de kwantitatieve resultaten uit het artikel worden gereproduceerd.

De directe bijdrage van PREVIA is een onafhankelijk toetsbare screeningsmethode op basis van een routinematig spoedzorgcontact en door clinici beoordeelde uitkomsten. De klinische waarde ervan hangt nu af van onafhankelijke validatie: behouden grotere cohorten de sensitiviteit, kunnen zorgdiensten omgaan met fout-positieven, en kunnen ziekenhuizen registratie, follow-up en beveiligde computerinfrastructuur invoeren zonder de spoedzorg te verstoren?