Evaluatie van grote taalmodellen voor het vereenvoudigen van niet‑Engelse medische toestemmingsformulieren met betrokkenheid van clinici

Waarom duidelijkere medische formulieren ertoe doen

Voorafgaand aan een operatie wordt aan patiënten gevraagd toestemmingsformulieren te ondertekenen die uitleggen wat er zal gebeuren en wat er mis kan gaan. In de praktijk zijn veel van deze formulieren lang, vol vakjargon en moeilijk te volgen, vooral in talen met complexe schrijfstijlen zoals het Chinees. Deze studie onderzocht of grote taalmodellen, een type kunstmatige intelligentie voor tekst, konden helpen Chinese chirurgische toestemmingsformulieren in eenvoudigere taal te herschrijven, en hoeveel toegevoegde waarde artsen leveren wanneer zij het door de computer opgestelde concept herzien.

Drie versies van hetzelfde verhaal

De onderzoekers verzamelden officiële toestemmingsformulieren voor leveroperaties van negen ziekenhuizen in heel China. Van elk formulier behielden ze de oorspronkelijke tekst, maakten ze een vereenvoudigde versie met een AI‑taalmodel en lieten ze een ervaren leverchirurg het AI‑concept bewerken. Dit resulteerde in drie versies van ieder document: origineel, alleen AI en AI plus clinician. Het team vergeleek deze versies op vier manieren: basistekststructuur, hoe gemakkelijk ze te lezen waren, hoe compleet en accuraat de medische informatie was, en hoe goed leken vonden dat zij de inhoud begrepen.

AI maakt de tekst korter en makkelijker

Op het gebied van structuur en leesbaarheid deed de AI wat veel patiënten zouden hopen. Vergeleken met de originele formulieren waren de AI‑versies duidelijk korter, met minder tekens en woorden, en kortere zinnen die gebruikmaakten van gangbaarder vocabulaire. Een standaard Chinese leesbaarheidsindex toonde aan dat de AI‑teksten duidelijk makkelijker te lezen waren. Wanneer niet‑specialistische beoordelaars scoorden hoe goed zij elke versie konden begrijpen, presteerden de AI‑herschrijvingen aanzienlijk beter dan de originelen. Met andere woorden: de computer maakte de formulieren minder intimiderend en toegankelijker.

Wat verloren gaat bij vereenvoudigen

De studie vond echter ook een afweging. Specialistische chirurgen beoordeelden hoe goed elk document chirurgische risico’s, verwachte voordelen en mogelijke alternatieven beschreef. Zij oordeelden dat de alleen‑AI versies een zwakkere inhoud hadden, vooral wat betreft de uitleg van risico’s. Belangrijke details werden soms afgezwakt of weggelaten naarmate de taal eenvoudiger werd. Statistische modellen die rekening hielden met verschillen tussen beoordelaars en documenten bevestigden dat de AI‑concepten gemiddeld het begrip verbeterden maar de kwaliteit van risicobeschrijving en de algehele medische degelijkheid verminderden.

Artsen en AI die samenwerken

Wanneer clinici de AI‑concepten zorgvuldig bekeken en bewerkten, veranderde het beeld. De gecombineerde AI plus clinician‑versies bleven korter en makkelijker leesbaar dan de originelen, terwijl hun risicobeschrijvingen en algemene kwaliteit gelijk waren aan of zelfs licht beter dan de uitgangsdocumenten. Ook gaven leken de gecombineerde versies de hoogste begripscores van allemaal. Dit suggereert dat AI zeer geschikt is voor de eerste vereenvoudigingsronde, terwijl menselijke experts nodig zijn om ontbrekende details te herstellen, subtiele fouten te corrigeren en te waarborgen dat niets vitaals verloren gaat.

Wat dit betekent voor patiënten

Dit onderzoek laat zien dat AI‑hulpmiddelen kunnen helpen om dichtgeslagen Chinese chirurgische toestemmingsformulieren om te zetten in duidelijkere, beter leesbare documenten, maar dat ze niet alleen mogen opereren. De beste resultaten werden bereikt wanneer artsen AI gebruikten als assistent en vervolgens hun klinische oordeel toepasten om de tekst te verfijnen. Voor patiënten kan deze aanpak betekenen dat formulieren gemakkelijker te begrijpen zijn zonder belangrijke informatie over risico’s, voordelen en keuzemogelijkheden op te offeren, waardoor zij beter geïnformeerde beslissingen over hun zorg kunnen nemen.

Bronvermelding: Luo, J., Ma, J., Qiu, Y. et al. Evaluating large language models for simplifying non-English medical consent with clinician involvement. npj Digit. Med. 9, 405 (2026). https://doi.org/10.1038/s41746-026-02591-9

Trefwoorden: geïnformeerde toestemming, grote taalmodellen, patiëntcommunicatie, medische AI, leesbaarheid