A Governance and Evaluation Framework for Deterministic, Rule-Based Clinical Decision Support in Empiric Antibiotic Prescribing

Dit artikel introduceert een governance- en evaluatiekader voor deterministische, regelgebaseerde klinische besluitvormingssystemen bij empirisch antibioticumvoorschrijven, dat transparantie, auditbaarheid en conservatief gedrag waarborgt door expliciete abstentievoorwaarden en een validatiemethode op basis van synthetische casussen te definiëren.

De kern

Stel je voor dat een arts in een noodsituatie een patiënt moet behandelen met antibiotica, maar nog geen laboratoriumuitslagen heeft. Het is als een piloot die moet landen in een zware storm zonder zicht: er is onvolledige informatie, maar er moet wel een beslissing worden genomen. Als de piloot de verkeerde keuze maakt, kan het dodelijk zijn.

Dit artikel beschrijft een nieuwe "veiligheidschecklist" en een "regelsysteem" voor computersystemen die artsen helpen bij het kiezen van antibiotica. In plaats van een slimme computer die "raadt" wat er misschien werkt (zoals een voorspelling), bouwen de auteurs een systeem dat streng, voorspelbaar en uiterst voorzichtig is.

Hier is de uitleg in simpele taal, met behulp van een paar creatieve vergelijkingen:

1. De "Bordjes" in plaats van de "Gokker"

Stel je voor dat je een automatische poortwachter hebt bij een groot feest (het ziekenhuis).

• Huidige systemen (vaak): Dit zijn als een gokker die zegt: "Ik denk dat 80% kans is dat deze gasten welkom zijn." Soms heeft hij gelijk, soms niet, en je weet niet precies waarom hij die gok deed.
• Dit nieuwe systeem: Dit is een strikte poortwachter met een lijst. Hij kijkt naar de lijst met regels.
  • Als de gast (de patiënt) een geldig paspoort heeft (alle informatie is er)? -> Poort open.
  • Als het paspoort ontbreekt of er iets raars aan de hand is? -> Poort dicht.

Het belangrijkste idee hier is: Dit systeem gokt nooit. Als het systeem niet 100% zeker is volgens de regels, zegt het niet "misschien", maar zegt het: "Ik geef geen advies." Dat is geen fout, dat is de bedoeling!

2. Twee aparte teams: De Dokter en de Veiligheidscontroleur

In dit systeem zijn er twee verschillende teams die werken, net als in een fabriek:

1. Het Medisch Team (De Dokter): Dit team kijkt: "Welk medicijn zou werken tegen deze bacterie?" Ze bedenken een oplossing.
2. Het Veiligheidsteam (De Governance): Dit team kijkt niet naar het medicijn, maar naar de omstandigheden. Ze vragen: "Hebben we alle informatie? Is het veilig? Is er een regel die zegt 'geen sterk medicijn zonder reden'?"

De magie: Het Veiligheidsteam heeft de sleutel. Zelfs als de Dokter een perfect medicijn bedenkt, mag het Veiligheidsteam de poort niet openen als er een regel wordt overtreden. Ze zijn gescheiden, zodat je precies kunt zien wie wat beslist.

3. "Niet doen" is een goed antwoord

In de wereld van computers is het vaak zo dat ze altijd iets moeten zeggen. Maar hier is "stilte" (niet adviseren) een succesvolle uitkomst.

• Vergelijking: Stel je een verkeerslicht voor. Als het licht kapot is of de sensoren twijfelen, gaat het niet op groen (want dat is gevaarlijk). Het gaat op rood (stop).
• In dit systeem betekent "rood" (geen advies) dat het systeem zijn werk goed heeft gedaan door geen gevaarlijke gok te wagen. Het systeem zegt dan: "Ik kan dit niet veilig doen, vraag een menselijke arts."

4. De "Testbaan" in plaats van de "Reële Wereld"

Hoe testen ze of dit systeem goed werkt? Ze gebruiken geen echte patiënten (dat is te riskant).

• De Analogie: Stel je voor dat ze een racebaan bouwen met specifieke obstakels. Ze laten een auto (het systeem) over de baan rijden.
  • Test 1: "Wat gebeurt er als er geen brandstof is?" (Ontbrekende informatie).
  • Test 2: "Wat gebeurt er als er een rood bord staat?" (Een uitsluitingsregel).
  • Test 3: "Wat gebeurt er als alles perfect is?"
• Ze kijken niet of de auto snel is of comfortabel (dat is of de patiënt geneest), maar kijken ze of de auto precies doet wat de regels voorschrijven. Rijdde hij door het rood? Nee? Dan is hij geslaagd.

5. Waarom is dit belangrijk?

In het verleden hadden sommige systemen "zwarte dozen" die moeilijk te controleren waren. Als ze een fout maakten, wist niemand waarom.

• Dit systeem is als een open keuken. Je kunt precies zien welke ingrediënten (informatie) erin gaan en welke regels (recept) er worden gevolgd.
• Als het systeem een fout maakt, kun je terugkijken en zeggen: "Ah, de regel voor 'geen allergie' was niet goed ingesteld." Dat is makkelijk te repareren.

Samenvatting in één zin

Dit artikel stelt een strikte, voorspelbare checklist voor die artsen helpt antibiotica te kiezen, waarbij het systeem liever niets doet dan een gevaarlijke gok wagen, en waarbij elke beslissing (of het niet-beslissen) volledig te verklaren is door een duidelijke regel.

Het is geen "slimme" computer die denkt, maar een slimme, strenge bewaker die zorgt dat niemand iets doet wat niet 100% veilig is volgens de regels.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "A Governance and Evaluation Framework for Deterministic, Rule-Based Clinical Decision Support in Empiric Antibiotic Prescribing", vertaald en samengevat in het Nederlands.

Probleemstelling

Het empirisch voorschrijven van antibiotica in hoog-risicoklinische situaties vereist vaak beslissingen onder onvolledige informatie. Onjuiste dekking of ongemotiveerde escalatie naar breder werkende antibiotica kan de patiëntveiligheid en het antimicrobiële beheer (stewardship) in gevaar brengen. Hoewel klinische beslissingssteunsystemen (CDSS) zijn voorgesteld om artsen te helpen, missen veel bestaande benaderingen expliciete governance- en evaluatiemechanismen. Er is vaak geen duidelijk kader voor:

• De definitie van de toepassingsomvang (scope).
• De voorwaarden waaronder een aanbeveling mag worden gedaan of wanneer het systeem zich moet onthouden (abstention).
• Hoe de grenzen van het systeem operationeel moeten worden gemaakt.
• Transparantie en traceerbaarheid van de beslissingslogica, vooral bij systemen die op probabilistische of machine learning-modellen zijn gebaseerd.

Methodologie

De auteurs stellen een governance- en evaluatiekader voor voor deterministische, op regels gebaseerde CDSS. De kern van de methodologie rust op de volgende principes:

1. Deterministisch Gedrag: Het systeem levert bij identieke invoer altijd identieke uitvoer op. Er wordt geen gebruik gemaakt van probabilistische inferentie, statistisch leren of adaptieve mechanismen. Dit garandeert transparantie, traceerbaarheid en reproduceerbaarheid.
2. Scheiding van Logica en Governance: Het architecturale ontwerp scheidt de klinische beslissingslogica (welke antibiotica zijn klinisch passend?) strikt van de governancemechanismen (is het veilig en toegestaan om een aanbeveling te doen?).
   • Klinische Logica: Identificeert kandidaat-antibiotica.
   • Governance: Fungeert als een "poortwachter" die bepaalt of een aanbeveling mag worden uitgegeven op basis van informatievolledigheid, veiligheidsbeperkingen en stewardship-regels.
3. Expliciete Onthouding (Abstention): Het systeem kan slechts twee uitkomsten genereren: een aanbeveling voor een klasse van empirische antibiotica of een expliciete onthouding. Onthouding wordt niet gezien als een fout, maar als een beoogd en correct resultaat wanneer governance-voorwaarden niet zijn vervuld.
4. Evaluatie met Synthetische Gevallen: In plaats van klinische uitkomsten of voorspellende nauwkeurigheid te testen, gebruikt het kader een vast stel synthetische, mechanisme-gedreven klinische gevallen. Elk geval is ontworpen om een specifiek aspect van het systeemgedrag te testen (bijv. afhandeling van ontbrekende data, escalatieverboden). De verwachte uitkomst is vooraf gedefinieerd.

Belangrijkste Bijdragen

1. Governance als Eerste-Klasse Component: Het kader formaliseert governance als een integraal onderdeel van het systeemontwerp, niet als een naderhand toegevoegde filter. Dit omvat een formele typologie voor onthouding (bijv. ontbrekende invoer, conflicterende signalen, expliciete uitsluitingen).
2. Deterministische Stewardship-beperkingen: Er worden harde regels geïmplementeerd die voorrang geven aan smalwerkende antibiotica en escalatie verbieden tenzij expliciet gerechtvaardigd. Deze regels kunnen een anders klinisch passende aanbeveling blokkeren.
3. Reproduceerbaar Evaluatieprotocol: De auteurs introduceren een evaluatiemethode gebaseerd op een versiebestuurde set synthetische gevallen. Dit maakt het mogelijk om het systeemgedrag te inspecteren en te auditeren zonder afhankelijkheid van stochastische variatie of klinische data.
4. Expliciete Uitsluitingsregels: Het kader definieert scenario's waarin het systeem per ontwerp geen aanbeveling doet (bijv. buiten de gedefinieerde scope), wat verhindert dat het systeem "stil" generaliseert naar niet-gevalideerde situaties.

Resultaten en Evaluatie

Het artikel presenteert geen klinische trial met patiëntdata, maar een methodologische validatie van het kader zelf:

• Gedragsovereenstemming: De primaire evaluatiemeta is de "concordantie met het verwachte gedrag". Dit meet in hoeverre het systeem de vooraf gedefinieerde uitkomst (aanbeveling of onthouding) bereikt voor de synthetische gevallen.
• Transparantie van Onthouding: Het kader maakt het mogelijk om precies te traceren waarom een onthouding plaatsvond (bijv. "ontbrekende invoer" vs. "stewardship-beperking").
• Geen Statistische Inferentie: Er worden geen hypothesetoetsingen of uitkomstgerichte analyses uitgevoerd. De focus ligt puur op de naleving van de gedefinieerde regels en de deterministische aard van de uitvoer.
• Reproduceerbaarheid: Omdat het systeem deterministisch is en de evaluatie op een vast gevalenset draait, leveren herhaalde runs exact dezelfde resultaten op.

Betekenis en Toepassing

De betekenis van dit werk ligt in de verschuiving van "maximalisatie van aanbevelingen" naar "maximalisatie van veiligheid en controle" in hoog-risicoklinische contexten.

• Veiligheid en Toezicht: Het kader biedt een oplossing voor situaties waar regelgeving, auditvereisten en traceerbaarheid cruciaal zijn (bijv. antimicrobieel beheer). Het voorkomt dat systemen "zwijgen" of onbedoelde aanbevelingen doen in onzekere situaties.
• Trade-offs: De auteurs erkennen dat deze benadering ten koste gaat van de dekking (coverage). Het systeem zal vaker onthouden dan een machine learning-model dat probeert een antwoord te genereren op basis van waarschijnlijkheid. Echter, in hoog-risicoscenario's wordt deze conservatieve houding gezien als een veiligheidsvoordeel.
• Methodologische Template: Het artikel biedt geen kant-en-klaar klinisch systeem, maar een methodologische template voor het specificeren, reguleren en inspecteren van deterministische beslissingsystemen. Het benadrukt dat voor dergelijke systemen domeinexpertise nodig is voor het definiëren van regels, in plaats van grote datasets voor training.

Kortom, het artikel pleit voor een ontwerpfilosofie waarbij transparantie, controle en expliciete governance voorop staan boven het streven naar maximale voorspellende dekking, met name bij kritieke beslissingen zoals het voorschrijven van antibiotica.