AI-gestuurde chatbotintegratie voor verbeterde toegankelijkheid van elektronische medische dossiers in een kinderziekenhuis

Waarom dit belangrijk is voor de dagelijkse zorg

Achter elk doktersbezoek ligt een groeiende berg digitaal papierwerk. In kinderziekenhuizen besteden artsen vaak kostbare minuten aan het doorzoeken van elektronische medische dossiers in plaats van aan gesprekken met families of het nemen van beslissingen. Deze studie laat zien hoe een eenvoudig chatvenster, aangedreven door kunstmatige intelligentie, die complexe dossiers kan omzetten in snelle, heldere antwoorden — vooral in drukke ziekenhuizen met beperkte middelen waar elke seconde telt.

Het probleem met het vinden van antwoorden in digitale dossiers

Elektronische medische dossiers hadden de bedoeling de geneeskunde efficiënter te maken, maar veel systemen zijn rommelig en moeilijk doorzoekbaar geworden. Artsen moeten door vele schermen en velden klikken om basisgegevens te vinden, zoals het zuurstofgehalte van een kind of hoeveel vergelijkbare gevallen vorige week werden opgenomen. Eerder onderzoek heeft aangetoond dat artsen meer dan een kwartier per consult in deze systemen kunnen doorbrengen, waarbij veel van die tijd aan zoeken wordt besteed in plaats van aan nadenken of praten met patiënten. Deze problemen zijn bijzonder ernstig in kleinere of plattelandsziekenhuizen, waar de software vaak eenvoudig is en het personeel onder druk staat.

Een chatbot die met spreadsheets praat

De onderzoekers werkten samen met een districtsziekenhuis in Tumkur, India, waar pediatrische patiëntgegevens worden opgeslagen in eenvoudige, spreadsheetachtige bestanden in plaats van in dure databasesystemen. Ze bouwden een lichtgewicht systeem voor elektronische medische dossiers met gebruikelijke webtools en verbonden dat met een converserende chatbot gebaseerd op LangChain en OpenAI’s GPT-3.5-model. In plaats van volledige patiëntendossiers naar de AI te sturen, vertaalt een afzonderlijke Python-"helper" de door de arts getypte vraag naar veilige, gerichte commando’s die alleen de benodigde informatie uit geanonimiseerde gegevens halen. Dit beschermt de privacy en laat de chatbot natuurlijke vragen begrijpen zoals "Hoeveel dengue-gevallen werden op deze datum opgenomen?" of "Wat is het laatste zuurstofgehalte van dit kind?"

Hoe het systeem achter de schermen werkt

Wanneer een arts een vraag in de chatbot typt, haalt het systeem eerst de relevante, gede-identificeerde gegevens op uit een beveiligde Firestore-opslag en zet die om in een gestructureerd formaat. De LangChain CSV-agent zet vervolgens de vraag om in kleine stukjes computercode die die spreadsheetachtige bestanden kunnen doorzoeken. Die code wordt op de lokale gegevens uitgevoerd en de resultaten worden teruggegeven aan het taalmodel, dat ze omzet in een helder, conversatiegericht antwoord voor de zorgverlener. Datastromen lopen slechts in één veilige richting: de chatbot ziet queryresultaten, niet volledige patiëntendossiers, wat helpt de privacyregels te respecteren terwijl het systeem toch flexibel en menselijk aanvoelt in gebruik.

De chatbot testen met echte clinici

Om te onderzoeken of dit hulpmiddel daadwerkelijk hielp, verzamelde het team een dataset van 1.200 pediatrische ontmoetingen, elk met ongeveer 160 verschillende gegevenspunten. Veertig clinici kregen de opdracht 240 realistische zoektaken uit te voeren, zoals het controleren van een specifiek vitale teken of het tellen van patiënten met een bepaalde diagnose, zowel met als zonder de chatbot. De oudere zoekfunctie van het ziekenhuis, die steunde op eenvoudige zoekwoordmatching, diende als vergelijking. Met de chatbot daalde de mediane zoektijd van iets meer dan een minuut naar iets meer dan een halve minuut — ongeveer 40% verbetering. Ook de nauwkeurigheid van de opgehaalde informatie nam merkbaar toe, met een gecombineerde score van precisie en volledigheid die steeg van 0,71 naar 0,89. Clinici beoordeelden het hulpmiddel hoog voor bruikbaarheid en waardeerden het krijgen van keurig gestructureerde antwoorden in plaats van ruwe tabellen.

Wat dit kan betekenen voor toekomstige zorg

De auteurs concluderen dat een bescheiden, betaalbare chatbot het voor artsen veel gemakkelijker en sneller kan maken om medische voorgeschiedenis van kinderen te raadplegen, zonder behoefte aan geavanceerde infrastructuur of onnodige blootstelling van gegevens. Door zorgverleners in gewone taal met dossiers te laten "praten" en door zorgvuldig te beperken wat de AI kan zien, wijst het systeem op een praktische weg voor ziekenhuizen die op spreadsheets vertrouwen en beperkte budgetten hebben. Hoewel de chatbot nog moeite heeft met zeer complexe of dubbelzinnige vragen en nog geen vrije-tekstnotities verwerkt, suggereert de studie dat vergelijkbare hulpmiddelen op een dag clinici in veel vakgebieden kunnen helpen minder tijd te besteden aan het worstelen met software en meer aan de zorg voor patiënten.

Bronvermelding: Gowramma, P.B., Kumar, K., Prema, M.S. et al. AI-powered Chatbot integration for enhanced accessibility of electronic health records in a pediatric hospital. Sci Rep 16, 13287 (2026). https://doi.org/10.1038/s41598-026-42475-2

Trefwoorden: pediatrische elektronische medische dossiers, medische AI-chatbot, opvraging van klinische gegevens, gezondheidszorgprivacy, ziekenhuizen met beperkte middelen