Verbetering van de kwaliteit van antimicrobieel voorschrijven met ‘Ask Eolas’ (taalmodel): een gebruikerstest- en simulatie-evaluatie

Waarom verstandig voorschrijven iedereen aangaat

Antibiotica hebben talloze levens gered, maar overmatig en verkeerd gebruik helpen gevaarlijke bacteriën te evolueren tot medicijnresistente “superbugs”. Deze stille crisis bedreigt routinematige operaties, kankerbehandelingen en zelfs eenvoudige infecties. De studie achter dit artikel test een nieuwe kunstmatige-intelligentieassistent genaamd Ask Eolas, bedoeld om artsen te begeleiden naar veiliger en nauwkeuriger antibioticakeuzes. Door te onderzoeken of deze tool het aantal fouten vermindert in realistische toetsgevallen, stellen de onderzoekers een vraag die ons allemaal raakt: kan betrouwbare AI helpen antibiotica voor de toekomst te beschermen?

Een digitale assistent voor dagelijkse behandelbeslissingen

Ask Eolas is ingebouwd in een medische app die al in de meeste ziekenhuizen in Engeland wordt gebruikt om lokale behandelrichtlijnen te raadplegen. In plaats van clinici te dwingen door lange documenten of ingewikkelde stroomdiagrammen te bladeren, laat de nieuwe functie hen vragen in gewone taal typen, bijvoorbeeld welke medicatie en dosering geschikt is voor een bepaalde infectie. Achter de schermen zoekt Ask Eolas alleen in de antibiotica-voorschriften van het ziekenhuis en schrijft vervolgens een kort, op maat gemaakt antwoord, met links terug naar de originele richtlijnen zodat gebruikers de bron zelf kunnen controleren. Op die manier werkt het minder als een black-box robot en meer als een efficiënte assistent die weet waar alles is ondergebracht.

De tool testen in realistische ziekenhuisscenario’s

Om te onderzoeken of Ask Eolas daadwerkelijk het voorschrijven verbetert, voerden de onderzoekers een gecontroleerde simulatiestudie uit met 45 clinici, waaronder specialisten, beginnende artsen, apothekers en voorschrijvende verpleegkundigen. De deelnemers werden willekeurig toegewezen aan een van drie opties: traditionele PDF-richtlijnen op het ziekenhuisintranet, de bestaande Eolas-richtlijnenapp of de nieuwe Ask Eolas AI-functie. Iedere deelnemer doorliep 45 antibioticavoorschrijfgevallen die varieerden van eenvoudige infecties tot complexe situaties met resistentiepatronen en meerdere gezondheidsproblemen. Voor elk geval controleerde het team of het uiteindelijke recept precies voldeed aan de ziekenhuisregels voor het juiste middel, toedieningsweg, dosis, duur en rekening houden met lokale resistentiegegevens.

Minder fouten, helderder antwoorden, rustiger gebruikers

De verschillen tussen de hulpmiddelen waren opvallend. Clinici die Ask Eolas gebruikten maakten in de testgevallen helemaal geen voorschrijf fouten, terwijl degenen die de app of PDF-richtlijnen gebruikten slechts in 60% respectievelijk 47% van de gevallen foutloze voorschriften hadden. Anders gezegd: voor elke twee clinici die overstappen van PDF’s naar Ask Eolas, zou één extra patiënt een volledig correct voorschrift krijgen. De meeste fouten bij traditionele middelen waren geen grote missers maar subtiele problemen met dosis of behandelduur — precies dat soort details dat vermoeid personeel kan missen bij het scannen van dichte documenten. Deelnemers gaven aan dat de korte, gerichte samenvattingen van Ask Eolas, samen met links naar de originele richtlijnsecties, het makkelijker maakten om de adviezen te vertrouwen en erop te handelen.

AI ontwerpen die mensen echt willen gebruiken

Naast nauwkeurigheid onderzocht de studie ook hoe het is om met de tool te werken. Aan de hand van gevestigde vragenlijsten gaven clinici aan dat Ask Eolas het eenvoudigste systeem was om te gebruiken, het systeem dat ze het liefst regelmatig zouden gebruiken en het systeem dat hen het meeste vertrouwen in hun beslissingen gaf. Metingen van mentale werkbelasting toonden aan dat de AI-tool tijdsdruk, inspanning en frustratie verminderde in vergelijking met het scrollen door PDF’s of navigeren in een statische app. Interviews lieten zien dat gebruikers transparantie waarderen — het kunnen zien uit welke richtlijnpassages het antwoord afkomstig is — en dat men het waardeerde dat het systeem zich aanpaste aan individuele patiëntgegevens. Enkele nadelen kwamen naar voren, zoals korte laadtijden en verschillende voorkeuren over de lengte van antwoorden, maar deze werden als klein beschouwd in vergelijking met de voordelen.

Van veelbelovende proef naar praktijk in de echte wereld

De auteurs waarschuwen dat hun evaluatie plaatsvond in een veilige, gesimuleerde omgeving en niet op drukke ziekenhuisafdelingen, en dat het een relatief klein aantal deelnemers op één locatie betrof. Druk in de praktijk, uiteenlopende ziekenhuizen en live laboratoriumgegevens kunnen allemaal beïnvloeden hoe de tool presteert. Om een veilige uitrol te begeleiden stelt het team een TRUST-AI roadmap voor die nadruk legt op transparantie, realtime datakoppelingen, gebruiksvriendelijk ontwerp, sterke veiligheidsmaatregelen, duidelijke verantwoordelijkheid en auditsporen, en soepele integratie met elektronische patiëntendossiers. Zelfs met deze kanttekeningen biedt de studie vroege maar bemoedigende aanwijzingen dat zorgvuldig ontworpen AI clinici kan helpen om best-practice antibioticarichtlijnen betrouwbaarder te volgen, wat zowel individuele patiënten als de wereldwijde strijd tegen medicijnresistente infecties ondersteunt.

Bronvermelding: Waldock, W.J., Gilchrist, M., Ashrafian, H. et al. Enhancing quality of antimicrobial prescribing through ‘Ask Eolas’ (language model): a user-testing and simulation evaluation. npj Antimicrob Resist 4, 16 (2026). https://doi.org/10.1038/s44259-026-00187-7

Trefwoorden: antimicrobiële resistentie, antibioticavoorschrijven, klinische besluitvorming ondersteuning, kunstmatige intelligentie in de gezondheidszorg, grote taalmodellen