Nog Minder Zorgen voor Morgen: Documentatie door Large Language Models

Geplaatst op door

Bijna iedereen is tegenwoordig bekend met ChatGPT. Dat is niet verrassend, aangezien ChatGPT op verschillende gebieden een doorbraak kan betekenen, met name in de praktische toepassing van Machine Learning. Een van de meest opvallende toepassingen is documentatie. Dit is een onderwerp waar iedereen mee te maken krijgt, veel tijd aan besteedt en dat vaak als een van de minst favoriete taken wordt beschouwd. Ik herinner me nog de tijd waarin ik geconfronteerd werd met een bureau vol stapels dossiers die ik door moest nemen om ‘brieven te dicteren’. Ik denk dat veel collega’s van mijn generatie nog steeds wakker schrikken uit nachtmerries waarin ze bedolven worden onder een berg papierwerk.

ChatGPT, en in bredere zin Large Language Models (LLM’s), kunnen daar vanaf nu een eind aan maken. Het is nu al mogelijk om een LLM een lange tekst te geven met de eenvoudige opdracht deze te structureren en samen te vatten. Je kunt zelfs aangeven of je wilt dat de samenvatting formeel, informeel of zelfs op rijm is.

Een zeer praktische toepassing zou kunnen zijn om bijvoorbeeld in MetaVision een knop in te bouwen die per statusonderdeel een samenvatting maakt op basis van het volledige dossier. Dan kunnen nog de medische voorgeschiedenis, anamnese, ontslagmedicatie, enzovoort, worden toegevoegd. Het resultaat is dan een nette ontslagbrief die alleen nog een laatste controle nodig heeft om te zien of de LLM niet heeft ‘gehallucineerd‘.

Technisch gezien is de implementatie ook extreem eenvoudig. In plaats van een ingewikkelde, complexe API (Application Programming Interface) heb je dezelfde vraag-antwoordstructuur die je bijvoorbeeld in de online ChatGPT ziet:

# Note: you need to be using OpenAI Python v0.27.0 for the code below to work
import openai

openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
        {"role": "system", "content": "Je bent een medische assistent."},
        {"role": "user", "content": "Vat de volgende tekst samen: ...."},
        {"role": "assistant", "content": "Respiratoir: Beademing gestart op ...."},
        {"role": "user", "content": "Voeg deze tekst toe aan de decursus van deze brief: ..."}
    ]
)

Het ‘messages’-component representeert het vraag-en-antwoordgesprek dat je met ChatGPT kan voeren. Je kunt dus een antwoord ‘opbouwen’ om uiteindelijk een volledige brief te creëren. Maar zal dit inderdaad werken zoals ik hier voorstel? Misschien kan ChatGPT dat het beste beantwoorden:

Het gebruik van een Chat API zoals je hebt beschreven, kan inderdaad nuttig zijn voor de toepassingen die je voorstelt. Het idee om een chatgesprek te simuleren om uiteindelijk een volledige brief te genereren klinkt haalbaar. Elk bericht in de lijst bevat een “rol” (die kan “system”, “user” of “assistant” zijn) en “content” (dat is de inhoud van het bericht).

Zoals je voorstelt, zou je inderdaad een berichtenserie kunnen opstellen waarbij de gebruiker (of in dit geval waarschijnlijk het systeem namens de gebruiker) specifieke instructies geeft aan de assistent om delen van de brief te genereren of samen te vatten. De assistent zou dan een samenvatting of tekst genereren die aan de brief kan worden toegevoegd.

Echter, hoewel de API op een hoog niveau gemakkelijk te gebruiken lijkt, moet er nog steeds aandacht worden besteed aan de implementatiedetails. Denk aan de verwerking en voorbereiding van de invoertekst, het correct behandelen van de uitvoer, het afhandelen van fouten, het zorgen voor een goede integratie met bestaande systemen, en het waarborgen van dataveiligheid en privacy. Het is ook belangrijk om de resultaten grondig te testen en te valideren om ervoor te zorgen dat de AI-assistent betrouwbaar werkt.

Ten slotte, hoewel ik als AI model op de hoogte ben van de nieuwste updates tot september 2021, moet je controleren of er na deze datum geen belangrijke updates of wijzigingen in de API zijn geweest. Voor de meest actuele informatie raad ik je aan de officiële documentatie van OpenAI te raadplegen.

I rest my case ….

Er zijn echter nog veel meer toepassingen. Denk bijvoorbeeld aan de lang bestaande uitdaging van het krijgen van de juiste informatie op de juiste plaats. Stel je bijvoorbeeld een knop voor in het medische dossier die de relevante secties en bijbehorende teksten naar ChatGPT stuurt, waarbij ChatGPT de teksten vervolgens op de juiste plek plaatst. Dus een conclusie bevat alleen een conclusie, lappen tekst over het beleid in de conclusie worden naar het beleidsgedeelte verplaatst, enzovoort.

Er zijn ongetwijfeld nog veel meer toepassingen die kunnen bijdragen aan een veel duidelijker en beter gestructureerde statusvoering en documentatie van de patiënt.

Conclusie

Technisch zeer haalbaar, met minimale effort een maximaal rendement. De grootste uitdaging is dataveiligheid en privacy. Op het moment dat het UMCU dit goed geregeld heeft dan kunnen we morgen starten met toepassingen in MetaVision.

Loading