De Klinik AI gebruikt Bayesiaanse probabilistische modellen voor het genereren van mogelijke diagnoses en een urgentiegraad. Bayesiaanse logica is de methode die artsen in de praktijk gebruiken bij hun klinische besluitvorming; om de differentiële diagnoses op te stellen en acties te bepalen op basis van waarschijnlijkheid drempels – in feite een vorm van probabilistische en statistische berekeningen. Deze Bayesiaanse inferentie logica wordt momenteel beschouwd als de gouden standaard in digitale triage en medische AI, omdat het de veiligste manier is om een uitgebreide intelligentie-engine te bouwen die de benodigde inferentie kan uitvoeren, terwijl elk afzonderlijk resultaat herleidbaar is en bewezen kan worden zowel klinisch als functioneel geschikt te zijn. Nog een voordeel van Bayesiaanse inferentie is dat deze door artsen kan worden beheerd en verder ontwikkeld.

Het systeem maakt gebruik van vier urgentieniveaus, die door de professionals worden gehanteerd:

Geschikt voor zelfzorg: de patiënt heeft in principe geen afspraak bij de huisarts nodig, maar heeft symptomen die baat kunnen hebben bij symptomatische behandeling.

Niet-urgent: een routine afspraak wordt aangeraden (niet-ernstig/chronisch/subchronisch probleem)

Dringend: een afspraak in de komende dagen wordt aangeraden.

Spoedgeval: zo snel mogelijk een beoordeling door een huisarts/spoedeisende hulp wordt aangeraden.

Het systeem, zowel als medische software als medisch hulpmiddel, is grondig geëvalueerd op veiligheidsprestaties. Op basis van onze DCB0129 – Safety Case is de oplossing veilig bevonden voor gebruik. In onze klinische evaluatie voor de EU CE I-markering zijn de prestaties geaccepteerd en is het product veilig te gebruiken in een klinische omgeving.

In een recent, wetenschappelijk klinisch onderzoek hebben we kunnen aantonen dat het systeem in de spoedeisende hulp/buiten kantooruren qua urgentie gevoeligheid vergelijkbaar is met dat van artsen op de spoedeisende hulp, een goede diagnostische prestatie levert (60% exacte of bijna exacte overeenkomst) en een zeer hoge gebruiksvriendelijkheid heeft (hoogste kwartiel op basis van de SUS-schaal).

Door onze continue monitoring via data-analyse en door clinici zien we dat minder dan 2% van de spoedgevallen onopgemerkt blijft. Dit weerspiegelt de huidige veiligheidsmarge die is ingebouwd en is over het algemeen veel veiliger dan triage via de telefoon. De verdeling van urgente/niet-urgente gevallen komt zeer nauw overeen met die van de clinici die feedback geven over de systeemprestaties. De huidige verdeling van urgente gevallen is als volgt:

• Geschikt voor zelfzorg: 14%

• Niet-urgent: 27%

• Spoed: 42%

• Noodgevallen: 16%

Ons huidige diagnostische aanbod behoort tot de meest vooraanstaande ter wereld, met name in de eerstelijnszorg. Het systeem maakt gebruik van en herkent meer dan 1000 symptomen, diagnoses en andere medische concepten en is momenteel het meest gebruikte systeem qua geografische dekking. Dit maakt het systeem nog robuuster en geavanceerder in medisch en klinisch opzicht.

De AI maakt gebruik van Bayesiaanse kansberekeningsmodellen om waarschijnlijke diagnoses af te leiden met behulp van waarschijnlijkheidsratio’s en post-kansberekeningen. Via een algoritmische aanpak wordt dit gecombineerd met een enorme medische database die we hebben opgebouwd en continu uitbreiden, om dynamische anamneseformulieren te creëren waarmee patiëntproblemen op een vereenvoudigde manier kunnen worden beoordeeld, vergelijkbaar met de methodiek van een arts.

De AI houdt de waarschijnlijke aandoeningen bij en vraagt om aanvullende informatie, totdat een triage is afgeleid van de differentiële diagnose en mogelijke alarmsignalen. De AI waarschuwt de patiënt als een spoedgeval wordt vastgesteld.

Dit is momenteel de meest geavanceerde technologie, zoals beschreven in onze klinische evaluatie voor onze CE I-markering. We onderzoeken voortdurend de mogelijkheden om het systeem te verbeteren met behulp van machine learning-technieken en generatieve AI..