💬 NLP

The Daily Dose: Workflow-Integrated Large Language Model Automation for Clinical Summarization and Trial Identification in Radiation Oncology

Deze studie presenteert het ontwerp en de vroege evaluatie van "The Daily Dose", een door een groot taalmodel aangedreven systeem dat geïntegreerd is in workflows voor radiotherapie en automatisch patiëntensamenvattingen genereert en klinische trials identificeert, waarbij hoge tevredenheid onder clinici, uitstekende betrouwbaarheid en aanzienlijke waargenomen tijdbesparing worden aangetoond in een onderzoek met gemengde methoden onder 55 respondenten.

Oorspronkelijke auteurs: Jason Holmes, Federico Mastroleo, Mariana Borras-Osorio, Srinivas Seetamsetty, Satomi Shiraishi, Mirek Fatyga, Judy C. Boughey, Cornelius A. Thiels, William G. Breen, Daniel J. Ma, Daniel K. Ebner, Da

Gepubliceerd 2026-05-27

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Jason Holmes, Federico Mastroleo, Mariana Borras-Osorio, Srinivas Seetamsetty, Satomi Shiraishi, Mirek Fatyga, Judy C. Boughey, Cornelius A. Thiels, William G. Breen, Daniel J. Ma, Daniel K. Ebner, David M. Routman, Brady S. Laughlin, Carlos E. Vargas, Samir H. Patel, Sujay A. Vora, Nadia N. Laack, Andrew Y. K. Foong, Wei Liu, Mark R. Waddle

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je de ochtend van een radiotherapeut voor als die van een piloot die zich voorbereidt op een complexe vlucht. Voor het opstijgen moet de piloot honderden datapunten controleren: weerrapporten, brandstofniveaus, motorstatus en passagiersmanifesten. In een ziekenhuis omvat deze "pre-flight check" het doorlezen van enorme elektronische patiëntendossiers (EHR) voor tientallen patiënten. Het is een berg papierwerk die overweldigend kan aanvoelen, wat leidt tot vermoeidheid en minder tijd voor de daadwerkelijke "vlucht" – het verzorgen van de patiënt.

Dit artikel introduceert een nieuw hulpmiddel genaamd "The Daily Dose" (TDD), dat fungeert als een intelligente copiloot voor deze artsen. Het is een systeem dat geavanceerde AI gebruikt (specifiek een Large Language Model, of LLM) om het zware werk van het lezen en samenvatten van patiëntendossiers te doen, voordat de arts zelfs maar het ziekenhuis bereikt.

Hieronder volgt een uiteenzetting van hoe het werkt, wat de studie opleverde en wat de auteurs concludeerden, met gebruikmaking van eenvoudige analogieën.

Het Probleem: De "Dataoverstroming"

Radiotherapie genereert voor elke patiënt gedurende de tijd een enorme hoeveelheid data. Artsen moeten springen tussen verschillende softwareprogramma's om de geschiedenis van een patiënt, de huidige behandeling en testresultaten samen te stellen. Dit handmatig doen is traag en mentaal uitputtend. De auteurs beschrijven dit als een belangrijke bron van inefficiëntie en "cognitieve vermoeidheid" (hersenmoeheid).

De Oplossing: De "Intelligente Copiloot"

Het team van Mayo Clinic bouwde The Daily Dose. Denk hierbij aan een slimme assistent die elke dag om 05:00 uur wakker wordt en het volgende doet:

Controleert het Schema: Het kijkt naar de agenda van de arts om te zien met wie die dag afspraken zijn.
Leest de Dossiers: Het duikt in de digitale dossiers van het ziekenhuis voor elke patiënt. Het haalt diagnosegegevens, behandelplannen, laboratoriumresultaten en eerdere notities naar boven.
Schrijft een Samenvatting: In plaats van dat de arts 50 pagina's notities moet lezen, schrijft de AI een korte, duidelijke paragraaf voor elke patiënt. Het benadrukt de belangrijkste punten, zoals "Patiënt X is op zijn 10e behandeldag" of "De PSA-waarden van Patiënt Y zijn gedaald".
- Speciale Functie: Als de patiënt prostaatkanker heeft, berekent de AI automatisch specifieke risicoscores (zoals een "verkeerslichtsysteem" voor kankerrisico) op basis van de data.
Vindt Klinische Studies: Voor nieuwe patiënten fungeert de AI als een detective. Het vergelijkt de aandoening van de patiënt met een database van actieve onderzoeksstudies (klinische trials) bij Mayo Clinic. Als een patiënt mogelijk in aanmerking komt voor een studie, noemt de AI de trial en legt uit waarom ze mogelijk in aanmerking komen.
Levering van het Rapport: Aan het begin van de dag ontvangt de arts een enkele e-mail met al deze samenvattingen. Het is alsof je een gepersonaliseerd briefingpakket ontvangt voordat je het huis verlaat.

Het Experiment: De Copiloot Testen

De onderzoekers testten dit systeem op drie locaties van Mayo Clinic (Arizona, Florida en Minnesota). Ze keken niet alleen naar de code; ze vroegen de mensen die het gebruikten: "Hoe voelt dit?"

Wie werd er gevraagd?
Ze ondervroegen 55 zorgverleners, voornamelijk radiotherapeuten (de piloten), maar ook verpleegkundigen en andere zorgverleners.

Wat vonden ze?
De resultaten waren een mix van "Geweldig!" en "Het moet nog werken", maar overwegend positief.

Adoptie: De meeste mensen (ongeveer 84%) gebruikten het hulpmiddel dagelijks of meerdere keren per week. Het bleef hangen.
Tevredenheid: Op een schaal van 1 tot 5 was de gemiddelde tevredenheid hoog (rond de 3,9). De meeste gebruikers vonden het gebruiksvriendelijk en goed georganiseerd.
Tijdwinst: Hier werd het interessant.
- Sommige artsen voelden dat ze 20 minuten of meer per dag bespaarden.
- Anderen voelden dat ze 5 tot 10 minuten bespaarden.
- Ongeveer 22% zei dat ze helemaal geen tijd bespaarden.
- Het Kernaandachtspunt: De mensen die voelden dat ze tijd bespaarden, waren het gelukkigst. Als het hulpmiddel geen tijd bespaarde, waren ze er minder blij mee.
Bruikbaarheid: Ongeveer 60% voelde dat het hen hielp op de hoogte te blijven van afspraken en patiëntsamenvattingen beter te begrijpen. De meningen waren echter verdeeld over of het daadwerkelijk hielp bij de coördinatie binnen het team of de tijd die werd besteed aan het bekijken van dossiers verminderde. Sommigen vonden dat het slechts een "leuk om te hebben" samenvatting was, geen tijdbespaarder.
De "Trial"-functie: Artsen vonden het idee dat de AI klinische studies voorstelde, goed, maar sommigen merkten op dat de AI soms studies voorstelde die niet helemaal pasten bij de criteria van de patiënt. Het was een nuttig startpunt, maar niet perfect.

De "Glitches" in het Systeem

Het artikel is eerlijk over de beperkingen van het hulpmiddel. In de open feedback noemden artsen:

Ontbrekende Informatie: Soms kon de AI niet genoeg data vinden om een samenvatting te schrijven, dus moest het zeggen: "Niet genoeg info".
Onnauwkeurigheden: Af en toe bevatte de samenvatting onnodige details of miste het cruciale informatie.
Trial-fouten: Soms stelde de AI klinische studies voor waar de patiënt eigenlijk niet voor in aanmerking kwam, waardoor de arts een dubbelcheck moest uitvoeren.
Externe Dossiers: Het systeem kijkt momenteel alleen naar dossiers binnen Mayo Clinic. Als een patiënt dossiers heeft van een ander ziekenhuis, kan de AI deze niet zien, wat zijn vermogen beperkt om een compleet beeld te geven.

De Conclusie: Een Veelbelovende Start

De auteurs concluderen dat The Daily Dose een succesvolle eerste stap is. Het bewees dat een AI-tool kan worden geïntegreerd in een echte, drukke ziekenhuisworkflow en dat artsen bereid zijn het te gebruiken.

Het werkt: Het is bruikbaar en over het algemeen gewaardeerd.
Het helpt: Het verbetert de "situational awareness" (weten wat er aan de hand is met een patiënt voordat je de kamer binnenstapt).
Het moet worden bijgesteld: Het is nog niet perfect. De AI maakt soms fouten of mist data.

Wat komt er nu?
Op basis van deze studie heeft het team al The Daily Dose 2.0 gebouwd. Deze nieuwe versie is slimmer:

Het kan nu dossiers van buiten het ziekenhuis binnenhalen (wat het probleem van "ontbrekende info" oplost).
Het gebruikt een tweestapsproces om kosten voor computervermogen te besparen.
Het heeft een volledig opnieuw ontworpen systeem voor het koppelen van patiënten aan klinische studies om het nauwkeuriger te maken.
Ze plannen om het uit te rollen naar elke arts in het Comprehensive Cancer Center van Mayo Clinic.

Samenvatting in één zin

Het artikel beschrijft een nieuwe AI-tool die fungeert als ochtendbriefing-assistent voor kankerartsen, die patiëntendossiers samenvat en onderzoeksstudies voorstelt; terwijl gebruikers het nuttig en gebruiksvriendelijk vonden, merkten ze op dat het nog verfijning nodig heeft om perfect nauwkeurig te zijn en echt tijd te besparen voor iedereen.

Technische Samenvatting: The Daily Dose – In het werkproces geïntegreerde LLM-automatisering voor stralingsoncologie

Probleemstelling
Werkprocessen in de stralingsoncologie genereren enorme hoeveelheden heterogene data binnen Elektronische Gezondheidsrecords (EHR's), wat leidt tot een aanzienlijke cognitieve belasting voor clinicians die deze informatie dagelijks moeten synthetiseren. Het handmatige proces van het openen van meerdere softwareprogramma's om patiëntgeschiedenis, behandelplannen en diagnostische rapporten te verzamelen, draagt bij aan inefficiëntie en minder tijd voor directe patiëntinteractie. Hoewel Large Language Models (LLM's) potentie hebben getoond voor het automatiseren van informatiesynthese, ontbreekt het aan bewijs voor real-world, in het werkproces ingebedde implementaties op grote schaal. Bestaande oplossingen blijven vaak experimenteel of missen integratie in de dagelijkse operationele cyclus van klinische zorg.

Methodologie
De auteurs ontwikkelden en evalueerden "The Daily Dose" (TDD), een productie-niveau applicatie die direct is geïntegreerd in het klinische werkproces van de afdelingen stralingsoncologie van de Mayo Clinic op drie campussen (Arizona, Florida en Minnesota).

Systeemarchitectuur: TDD functioneert als een volledig geautomatiseerde, provider-gerichte applicatie die draait binnen een HIPAA-conforme beveiligde computomgeving. Het maakt gebruik van RadOnc-GPT, een gespecialiseerd LLM-agent gebaseerd op GPT-4o (temperatuur ingesteld op 0), als redeneermotor.
Werkprocesuitvoering: Elke ochtend om 05:00 uur lokale tijd identificeert een coördinerend script de dagplanning voor deelnemende artsen. Voor elke geplande afspraak haalt het systeem relevante EHR-elementen op (diagnose, behandelplannen, radiologie/pathologie-rapporten, klinische notities) en vraagt het RadOnc-GPT om content te genereren.
Kernfuncties:
1. Klinische Samenvatting: Het systeem synthetiseert opgehaalde data tot beknopte, contextbewuste verhalen die de huidige toestand van de patiënt beschrijven. Het bevat ziektespecifieke parameters (bijv. PSA-trends, Gleason-scores, NCCN-risicocategorieën) waar relevant. Als data ontoereikend is, geeft het een gestandaardiseerde fallback-uitvoer.
2. Identificatie van Klinische Studies: Voor nieuwe of consultbezoeken evalueert het systeem de geschiktheid voor klinische studies. Het genereert paren van ziekte-interventie trefwoorden, doorzoekt iteratief de clinicaltrials.gov API (beperkt tot open, aanwervende studies bij de Mayo Clinic) en beoordeelt opname- en uitsluitingscriteria tegenover patiëntdata.
3. Levering: Samenvattingen en matchende studies worden samengevoegd tot één e-mail per arts, die wordt verzonden voordat de klinische dag begint. De e-mail bevat afspraakdetails, visuele indicatoren (emoji's), klinische samenvattingen en resultaten van de geschiktheid voor studies.
Evaluatieontwerp: Een maand na implementatie werd een mixed-methods evaluatie uitgevoerd. Een gestructureerde, anonieme vragenlijst werd afgenomen bij alle zorgverleners die TDD ontvingen. De enquête, aangepast aan de System Usability Scale (SUS) en het Technology Acceptance Model (TAM), beoordeelde demografie, gebruikspatronen, bruikbaarheid, tevredenheid, waargenomen nut en impact op het werkproces. Statistische analyse omvatte beschrijvende statistieken, Cronbach's alpha voor betrouwbaarheid en niet-parametrische tests (Spearman, Kruskal-Wallis, Mann-Whitney U) voor correlaties.

Belangrijkste Resultaten
De studie ontving reacties van 55 deelnemers (50% respons), waarvan het merendeel behandelend artsen waren (69,1%) in de stralingsoncologie (94,5%).

Adoptie en Gebruik: 83,6% van de respondenten gaf aan TDD dagelijks of meerdere keren per week te gebruiken.
Bruikbaarheid en Tevredenheid: Het systeem behaalde een gemiddelde score voor bruikbaarheid en tevredenheid van 3,89/5. 87% was het ermee eens dat de tool makkelijk te gebruiken was, en 76% vond de samenvattingen duidelijk gestructureerd.
Waargenomen Nut: De gemiddelde score voor waargenomen nut was 3,43/5. 62% was het ermee eens dat het hen hielp op de hoogte te blijven van afspraken, en 53% vond dat het het begrip van patiëntsamenvattingen verbeterde.
Tijdwinst: Waargenomen tijdwinst was heterogeen. 27% van de gebruikers schatte een besparing van ≥10 minuten per dag in, terwijl 21,8% geen tijdwinst rapporteerde.
Correlatie: Er was een statistisch significant positief verband tussen algehele tevredenheid en waargenomen tijdwinst ( $p < .001$ ). Gebruikers die meer tijdwinst rapporteerden, vertoonden hogere tevredenheidsscores.
Betrouwbaarheid: De vragenlijst toonde uitstekende interne consistentie, met een algehele Cronbach's $\alpha$ van 0,97.
Kwalitatieve Feedback: Gebruikers benadrukten verbeterde voorbereiding en situational awareness, vooral bij het overnemen van collega's. Feedback wees echter op incidentele onnauwkeurigheden in samenvattingen en imperfecte matching van klinische studies, vaak vanwege ontbrekende externe dossiers of onvoldoende data.

Betekenis en Claims
Het artikel positioneert The Daily Dose als een eerste implementatie in de praktijk van door LLM's gedreven automatisering die op grote schaal is ingezet binnen een dagelijks oncologiewerkproces over meerdere instellingen.

Werkprocesintegratie: In tegenstelling tot eerdere studies die zich richtten op technische nauwkeurigheid of geïsoleerde taken, toont dit werk de haalbaarheid aan van het inbedden van een LLM-agent direct in de routine ochtendvoorbereiding van clinicians.
Klaarheid van Clinicians: De bevindingen suggereren dat dergelijke tools de voorbereiding en situational awareness van clinicians kunnen verbeteren in complexe zorgomgevingen, zelfs als ze handmatig dossieronderzoek niet uniform vervangen.
Schaalbaarheid en Evolutie: De auteurs merken op dat de initiële evaluatie diende als fundament voor The Daily Dose 2.0, wat geïdentificeerde beperkingen aanpakt door externe dossiers te integreren, kosten voor data-ophaal te optimaliseren en het systeem voor het matchen van klinische studies te verfijnen.
Bescheiden Claims: De auteurs stellen expliciet dat de tool een "early-phase" interventie is. Zij erkennen dat de tool fungeert als voorbereidingshulpmiddel in plaats van een vervanging voor klinische besluitvorming. De waarde wordt niet gepresenteerd in perfecte geschiktheidsbepaling, maar in het ondersteunen van de routine-overweging van studies en patiëntcontext binnen de dagplanning. De studie concludeert dat hoewel percepties heterogeen zijn, de tool breed wordt geadopteerd en als waardevol wordt ervaren, wat verdere iteratie en evaluatie van objectieve werkprocesmetrieken rechtvaardigt.