Hoe een ML-model +70.000 patiënten helpt kiezen welke soa-test ze nodig hebben.

ZIZ is de drukste inloopkliniek voor soa-testen van Nederland, met meer dan 70.000 patiënten per jaar. Elk bezoek begint hetzelfde: de patiënt vult een vragenlijst in. Dat formulier is het eerste klinische moment, en precies daar wordt bepaald, met machine learning, wie welke test nodig heeft en wie het snelst gezien moet worden.
 

De uitdaging was de timing. Een risico-inschatting heeft alleen zin als die er direct is, en niet pas uren later als iemand de antwoorden nakijkt. De inschatting moet kloppen, het moet waterdicht werken, en het moet een audit doorstaan.

Van antwoorden een risicoscore maken is lastiger dan het klinkt. Het model kijkt naar vijf soa's tegelijk, berekent voor elk een echte kans, deelt die in op risico, en legt het uit in taal die iedereen snapt. Allemaal in real-time.
 

En dit is de zorg, dus het moet echt kloppen. Patiëntgegevens moeten netjes verwerkt worden, elke voorspelling moet worden vastgelegd, en je moet kunnen laten zien waarop het model is getraind. Dit model moest een serieuze audit doorstaan.

Wat het moest doen

• Berekenen hoe groot de kans op elke soa is.
• Dat vertalen naar risiconiveaus die de patiënt meteen begrijpt.
• De voorspelling direct tonen aan de patiënt.
• Trainen op echte patiëntdata, en altijd kunnen laten zien waarop.
• Elke voorspelling vastleggen en in de gaten houden.
   

Twee dingen die samenwerken: de vragenlijst die de juiste vragen stelt, en de modellen die de antwoorden omzetten in een risicoscore.

Geen vast formulier. De vragen passen zich aan op wat je antwoordt. Bij een laag risico ben je snel klaar. Is er meer informatie nodig, dan volgen er meer vragen. Niemand hoeft zich door alle 148 vragen te worstelen die niet over hen gaan. En zodra de lijst is afgerond, is de risico-inschatting er meteen.

Het model geeft een kans terug, maar een kaal getal zegt een patiënt weinig. Is 35% veel of weinig? Moet je je zorgen maken of niet? Dus lieten we niet alleen het getal zien, maar ook wat het betekent: waar die kans vandaan komt, hoe het bij anderen met dezelfde antwoorden afliep, en wat je nu het beste kunt doen. Zo weet je niet alleen je risico, maar ook wat je ermee moet. En dat getal moet dan wel kloppen. De meeste modellen geven iets terug dat op een kans lijkt, maar het geen kans is. Wij hebben de modellen gekalibreerd tegen echte uitslagen, zodat 70% ook echt 70% betekent.

Patiëntgegevens netjes verwerkt. Elke voorspelling vastgelegd. Elke versie van het model wordt bewaard, zodat we altijd weten waarop het getraind is. Het systeem houdt zichzelf in de gaten en leert bij zodra de data verandert.

Vroeger moest je zelf maar gokken welke tests je nodig had. Nu zie je eerst hoe groot je kans per soa is, en pas daarna kies je. En voordat er iets getest wordt, kijkt de arts nog mee of die keuze klopt.

Zo is een saai intakeformulier het belangrijkste moment van het bezoek geworden.