AI - Beoordeling Tekstverslagen (VVT en GHZ)

Uit normenkaderzorg.nl
Versie door Lhoof (overleg | bijdragen) op 10 aug 2026 om 09:32 (AI pagina - Beoordeling tekstverslagen aangemaakt)
(wijz) ← Oudere versie | Huidige versie (wijz) | Nieuwere versie → (wijz)
Naar navigatie springen Naar zoeken springen

Inleiding

Luca analyseert verslagleggingen

Digitale transformatie in de langdurige zorg is door toenemende vergrijzing en stijgende (personeels)kosten noodzakelijk geworden. De traditionele methoden en systemen voldoen niet langer aan de groeiende en steeds complexere (informatie)behoeften van financiers, accountants en toezichthouders. Een ingrijpende verandering in de manier waarop we zorg registreren, factureren en verantwoorden is essentieel om de uitdagingen van nu aan te kunnen.

Gesteund door de afspraken in het Integraal Zorgakkoord (IZA) en adviezen van de Raad van Volksgezondheid en Samenleving (RVS) zet ValueCare voor de langdurige zorg in op het borgen van goede, toegankelijke en betaalbare zorg door:

  • Het verminderen van administratieve (verantwoordings)lasten, en
  • Het vereenvoudigen van de registratie.

Daarnaast wil ValueCare de zorg helpen door transparant te zijn en kennis te delen.

Deze openbare wiki pagina geeft de details over de mogelijkheden om digitale technieken in te zetten voor de transformatie opgave waar de langdurige zorg voor staat de komende jaren.

Bibliotheek normen Artificial Intelligence

In de zorgsector is nauwkeurige verslaglegging niet enkel een administratieve handeling, maar vormt het ook de basis voor het vaststellen van de rechtmatigheid van geregistreerde zorg, evenals het identificeren van mogelijke gemiste registratie van geleverde diensten. Het handmatig doorlopen en controleren van deze omvangrijke verslagleggingen is echter een arbeidsintensief proces, dat zowel tijdsgebonden als kostbaar kan zijn. ValueCare erkent de behoefte aan een efficiëntere aanpak en heeft daarom geïnvesteerd in de kracht van Artificial Intelligence. Met behulp van geavanceerde AI-modellen kunnen verslagleggingen snel en accuraat worden geanalyseerd. Hiervoor worden meerdere methoden ingezet, die hier worden toegelicht.

De geldige wet- en regelgeving vormt de basis voor onze normen. Dit is in de AI normen niet anders dan in de normen op gestructureerde data. Hieronder is de lijst te vinden van de AI-normen, inclusief een omschrijving en wat voor soort controle het is.

Controle Omschrijving Soort controle
R47003 Feitelijke levering - Rechtmatig inzetten van een VV10 indicatie Rechtmatigheid
R47004 Rechtmatigheid - AI-analyse van verslaglegging bij ongepland contact duidt op onrechtmatige registratie Rechtmatigheid
R47050 Kwaliteit - AI-analyse van verslaglegging duidt op afwijking van het format voor wondbehandelingsrapportage Kwaliteit
R47101 Volledigheid - Rapportage geen ongepland contact is geregistreerd Volledigheid

Beheer AI

Om de kwaliteit van het taalmodel te beheren maken we gebruik van verschillende indicatoren die bepalend zijn voor het voorspellend vermogen van het taalmodel voor verslaglegging. Om een score te koppelen aan de kwaliteit van het model gebruiken we de F1 score.

F1 score: de F1 score is een metriek die wordt gebruikt bij binaire classificatie en informatieopslag om de voorspellende prestaties te beoordelen. Het combineert precisie en recall tot een gemiddelde, waarbij beide even belangrijk worden geacht. De waarde varieert van 0 (slechtst) tot 1 (best), waarbij een score van 1 perfecte precisie en recall aangeeft.

  • Precisie: hoe vaak klopt het als het model iets als 'positief' aanduidt ten opzichte van alle voorspellingen. Oftewel: het aandeel positieven onder de voorspelde positieven.
  • Recall (volledigheid): hoeveel van de echte positieve gevallen heeft het model gevonden. Oftewel: het aandeel echte positieven dat is gevonden door het model onder de werkelijke positieven. Dit is belangrijk als je er zeker van wilt zijn dat je niets belangrijks mist.
  • Accuratesse: het percentage van alle gevallen (zowel positief als negatief) dat een model correct voorspelt. Het kijkt naar de totale prestaties van het model dus hoeveel van alle voorspellingen juist zijn.
  • Specificiteit: een waarde die de kans op een negatief resultaat weergeeft, ook wel true negative rate. Deze waarde geeft aan hoe vaak de afwezigheid van een bepaalde factor correct wordt geïdentificeerd.
  • Aantal prediction categorieën: hoeveel klassen er zijn die voorspeld worden, bij de controles nu; behandelinhoudelijk correct of incorrect = 2.

Belangrijke parameters binnen AI

  • De maximale tijd (in seconden) dat het AI-model mag draaien. Standaard: 3600 seconden (1 uur).

Vragen en antwoorden (Q&A)

Voor de vragen en antwoorden (Q&A), ga naar AI - Vragen en antwoorden (Q&A)