The development and implementation planning of an AI-powered Palliative Care Assessment Tool (PCAT) for aged care: a Triple C model approach

In de stille gangen van de ouderenverzorger in residentiële zorg gaat een kritische uitdaging vaak onopgemerkt voorbij totdat het te laat is. Veel oudere bewoners leven met aandoeningen die uiteindelijk hun levens zullen verkorten, en voor deze individuen verschuift het doel van zorg van het genezen van ziekte naar het waarborgen van comfort, waardigheid en kwaliteit van leven. Deze benadering staat bekend als palliatieve zorg. Ideaal gezien begint deze ondersteuning vroegtijdig, zodat gezinnen en medische teams symptomen kunnen beheren en voor de toekomst kunnen plannen terwijl de persoon nog wel in staat is om deel te nemen aan beslissingen. Echter, in de drukke realiteit van verpleeghuizen worden deze behoeften vaak te laat geïdentificeerd. Medewerkers, die vaak overbelast zijn en complexe schema's beheren, kunnen de subtiele tekenen missen dat een bewoner een fase ingaat waarin gespecialiseerde ondersteuning nodig is. Hoewel artsen en verpleegkundigen al lang checklists en gestructureerde vragen gebruiken om deze behoeften op te sporen, vertrouwen deze instrumenten op een mens die zich herinnert ze op het juiste moment te gebruiken, en ze richten zich meestal op één persoon tegelijk in plaats van te kijken naar de hele gemeenschap van bewoners.

Om dit op te lossen, zijn onderzoekers begonnen met het verkennen van hoe kunstmatige intelligentie — computers die kunnen leren van gegevens om patronen te herkennen — zou kunnen helpen. Het idee is niet dat een machine het oordeel van een arts vervangt, maar dat zij fungeert als een onvermoeibare assistent die elke dag de informatie over elke bewoner scant en diegenen signaleert die mogelijk een beoordeling nodig hebben. Dit artikel beschrijft de zorgvuldige creatie van een dergelijk hulpmiddel, de Palliative Care Assessment Tool, of PCAT, die specifiek is ontworpen voor ouderenzorg in Victoria, Australië. Het team heeft niet simpelweg software gebouwd en gehoopt dat het zou werken; ze volgden een specifiek, mensgericht stappenplan genaamd het Triple C-model. Deze benadering geeft prioriteit aan het praten met de mensen die het systeem daadwerkelijk zullen gebruiken, het samenwerken om het ontwerp vorm te geven, en het waarborgen dat het hulpmiddel kan overleven en gedijen in de echte wereld lang nadat de initiële projectfinanciering is geëindigd. Het resultaat is een digitaal systeem dat klaar is om getest te worden, gebouwd op een fundament van veiligheid en praktische bruikbaarheid in plaats van enkel technische capaciteit.

De reis begon met een eenvoudige maar moeilijke vraag: hoe bouw je een digitale tool die past in het chaotische, hoge drukritme van een dienst in een verpleeghuis? De onderzoekers wisten dat als het hulpmiddel te ingewikkeld was of het personeel vertraagde, het genegeerd zou worden. Ze begonnen door een brede groep mensen te verzamelen, waaronder verpleegkundigen, zorgmanagers en specialisten in de palliatieve zorg, voor een reeks van zes gestructureerde gesprekken. Dit waren geen formele interviews maar collaboratieve workshops waar het team luisterde naar de dagelijkse strijd van het personeel. Ze leerden precies waar de hiaten zaten in de huidige zorg, wat de vroege identificatie van behoeften in de weg stond, en waar een digitale melding aanwezig moest zijn om gezien en opgevolgd te worden. Deze fase, bekend als consultatie, zorgde ervoor dat het hulpmiddel werd ontworpen rond de realiteit van het werk, en niet rond een geïdealiseerde versie ervan.

Zodra de problemen duidelijk waren gedefinieerd, ging het team over naar de samenwerkingsfase. Hier verschoof de focus naar het omzetten van die inzichten in een werkend ontwerp. De onderzoekers werkten nauw samen met het technische team om een systeem te bouwen dat de complexe logica van bestaande medische richtlijnen kon vertalen naar een eenvoudige, heldere interface. Een kernprincipe was dat het hulpmiddel nooit het vermogen van de mens om de uiteindelijke beslissing te nemen mag wegnemen. Het systeem werd ontworpen om een risicoclassificatie aan te bieden — een eenvoudige indicatie van hoe waarschijnlijk het is dat een bewoner palliatieve ondersteuning nodig heeft — maar het bevatte altijd een duidelijke route voor een clinicus om die suggestie te overrulen als hun eigen professionele oordeel anders was. Deze "human in the loop"-functie was cruciaal, omdat het ervoor zorgde dat de technologie de zorg ondersteunde in plaats van dicteerde.

Voordat het hulpmiddel ooit aan een patiënt getoond kon worden of in een echt verpleeghuis gebruikt kon worden, onderwierp het team het aan een rigoureuze veiligheidscontrole die een heuristische evaluatie wordt genoemd. Dit is een methode waarbij experts een systeem toetsen aan gevestigde principes van veiligheid en bruikbaarheid, waarbij ze zoeken naar potentiële valkuilen voordat ze schade veroorzaken. De evaluatie bracht verschillende kritieke problemen aan het licht die opgelost moesten worden. Zo stond het initiële ontwerp toe dat een gebruiker per ongeluk een dossier van een bewoner kon verwijderen, een risico dat onmiddellijk werd geëlimineerd. Het team merkte ook dat het systeem soms een risicoclassificatie toonde die in tegenspraak was met de aanbevolen actie, wat een vermoeide verpleegkundige in verwarring zou kunnen brengen. Ze merkten ook op dat het hulpmiddel niet uitlegde waarom het een bepaalde classificatie gaf, wat het voor het personeel moeilijk maakte om het advies te vertrouwen.

Het team pakte deze problemen aan met specifieke, praktische wijzigingen. Ze voegden een "waarom deze classificatie?"-functie toe die de reden achter de suggestie van de computer in begrijpelijke taal uitlegt. Ze introduceerden een visuele indicator om aan te geven of de toestand van een bewoner verslechterde, gelijk bleef of verbeterde, wat het personeel helpt de trend in de loop van de tijd te zien. Om de mentale belasting voor verpleegkundigen te verminderen, werd het hulpmiddel geherorganiseerd zodat de meest urgente bewoners eerst worden getoond, in plaats van een alfabetische lijst, en het werd geprogrammeerd om triggers te verbergen die niet van toepassing waren op een specifiek persoon. Kleur werd gekoppeld aan tekst en iconen, zodat de betekenis duidelijk was, zelfs als iemand kleuren niet goed kon onderscheiden. Misschien wel het belangrijkste: ze bouwden een gedocumenteerd pad in voor een clinicus om het systeem oneens te zijn, waardoor de uiteindelijke beslissing altijd bij een menselijke professional bleef liggen.

Het artikel sluit af door te schetsen hoe dit hulpmiddel nu is voorbereid op een gefaseerde proef bij verschillende ouderenzorglocaties. De onderzoekers zijn van plan het hulpmiddel te introduceren bij het verplegend personeel, die het als onderdeel van hun normale dagelijkse routine zullen gebruiken, beginnend met een kleine groep bewoners. Het doel van deze volgende fase is niet om te bewijzen dat de kunstmatige intelligentie perfect is, maar om te zien of het hulpmiddel bruikbaar, acceptabel en haalbaar is in de echte wereld. De auteurs benadrukken dat dit artikel alleen de ontwerpbouw en voorbereidingsfasen beslaat; de werkelijke resultaten van de proef, inclusief de vraag of het hulpmiddel de zorg succesvol verbetert, zullen in een toekomstige studie worden gerapporteerd. Door de inspanningen van het luisteren naar gebruikers en het oplossen van veiligheidsproblemen naar voren te halen, heeft het team een systeem gecreëerd dat klaar is voor de echte wereld. Deze benadering suggereert dat voor succesvolle technologie in de gezondheidszorg, het gebouwd moet worden met dezelfde zorg en aandacht voor menselijke behoeften als de medische behandelingen die het ondersteunt. Het succes van een dergelijk hulpmiddel hangt minder af van de verfijning van de code en meer van het vermogen om naadloos aan te sluiten bij de levens van de mensen die het gebruiken, om ervoor te zorgen dat geen enkele bewoner wordt over het hoofd gezien simpelweg omdat het systeem te moeilijk in gebruik was.