NLP‑SOA: Automatische extractie van SOA‑informatie uit huisartsendossiers
Chlamydia en andere seksueel overdraagbare aandoeningen (soa's) komen veel voor in Nederland. Een groot deel van de soa-zorg vindt plaats bij huisartsen, maar belangrijke informatie zoals symptomen, reden van testen en partnerwaarschuwing wordt vaak alleen in vrije tekst in het dossier genoteerd. Deze informatie wordt nu niet gebruikt in onderzoek of landelijke surveillance, omdat automatische analyse ontbreekt. Tegelijkertijd is het testbeleid bij de Centra Seksuele Gezondheid recent veranderd, waardoor goede monitoring van testgedrag, zorggebruik en mogelijke verschuivingen in de soa-epidemiologie belangrijker is dan ooit. Dit project onderzoekt of moderne taalmodellen (NLP) kunnen helpen om deze waardevolle informatie uit huisartsendossiers automatisch te benutten.
Doel
Het doel van dit project is het ontwikkelen en testen van een methode die automatisch soa-gerelateerde informatie uit vrije tekst in huisartsendossiers kan halen. Hiermee leggen onderzoekers de basis voor toekomstig onderzoek en een beter, geïntegreerd surveillancesysteem dat veranderingen in soa-zorg en epidemiologie sneller en nauwkeuriger kan volgen.
Werkwijze
De onderzoekers koppelen huisartsendossiers uit de regio’s Utrecht en Groningen (Julius Huisartsen Netwerk [JHN] en Academisch Huisarts Ontwikkel Netwerk [AHON]) aan laboratoriumuitslagen (Saltro/Unilabs en Certe) en selecteren soa-gerelateerde consulten. Een deel van deze consulten wordt handmatig beoordeeld om een trainingsset te maken. Vervolgens ontwikkelen ze een NLP-model dat automatisch aan- of afwezigheid van partnerwaarschuwing, symptomen en laboratoriumbevestigde diagnoses kan herkennen. Ze testen of het model goed werkt in beide regio’s en onderzoeken hoe vaak deze kenmerken voorkomen in de huisartsenzorg.
Samenwerkingspartners
Het project wordt uitgevoerd door een breed consortium van academische huisartsen, data experts, microbiologen, GGD-professionals, Soa Aids Nederland en het RIVM. Deze samenwerking is uniek omdat alle belangrijke partijen binnen de soa-zorg en infectieziektebestrijding betrokken zijn. Hierdoor sluit het project goed aan bij de praktijk, is de datakoppeling uitvoerbaar en kunnen de resultaten direct worden gebruikt voor toekomstig onderzoek en beleid.
Verwachte resultaten
De onderzoekers verwachten een werkend en getest NLP-model dat automatisch belangrijke soa-informatie uit huisartsendossiers kan halen. Daarnaast ontstaat een unieke dataset die gebruikt kan worden voor toekomstig onderzoek. De resultaten geven inzicht in aan- of afwezigheid van partnerwaarschuwing, symptomen en diagnoses in de huisartsenzorg en vormen de basis voor een toekomstbestendig, geïntegreerd soa-surveillancesysteem in Nederland.