Gebruik van AI voor GRADE-methodiek bij richtlijnontwikkeling
Het Kennisinstituut onderzoekt hoe kunstmatige intelligentie (AI) op een verantwoorde manier kan bijdragen aan de ontwikkeling van medische richtlijnen. Met ondersteuning van SKMS 2 is in het recente project Gebruik van AI voor GRADE-methodiek bij richtlijnontwikkeling gekeken of AI kan ondersteunen bij het analyseren en structureren van wetenschappelijke studies, specifiek bij het opstellen van zogeheten study characteristics- en risk-of-bias-tabellen. Dit zijn belangrijke onderdelen van richtlijnontwikkeling, en tegelijkertijd tijdrovend om handmatig samen te stellen.
De resultaten laten zien dat AI hierbij kan helpen door informatie uit wetenschappelijke artikelen sneller te verzamelen en overzichtelijk te ordenen, vergeleken met handmatig werk van richtlijnmethodologen. Tegelijkertijd is duidelijk geworden dat AI deze taken op het moment van uitvoeren van dit project niet zelfstandig en foutloos kan uitvoeren. Menselijke expertise blijft onmisbaar om de uitkomsten te controleren, te interpreteren en in de juiste context te plaatsen.
Voor de implementatie moeten nog enkele belangrijke stappen worden gezet op het gebied van juridische houbaarheid, transparantie en inbedding in het richtlijnontwikkelproces. De verantwoordelijkheid voor de inhoud en kwaliteit van richtlijnen blijft hierin bij de betrokken experts: richtlijnmethodologen en (cluster)werkgroepleden. Door AI in te bedden in het richtlijnproces, kan dit gecontroleerd en transparant gebruikt worden, zonder concessies te doen aan betrouwbaarheid en zorgvuldigheid.
De resultaten laten zien dat AI hierbij kan helpen door informatie uit wetenschappelijke artikelen sneller te verzamelen en overzichtelijk te ordenen, vergeleken met handmatig werk van richtlijnmethodologen. Tegelijkertijd is duidelijk geworden dat AI deze taken op het moment van uitvoeren van dit project niet zelfstandig en foutloos kan uitvoeren. Menselijke expertise blijft onmisbaar om de uitkomsten te controleren, te interpreteren en in de juiste context te plaatsen.
Voor de implementatie moeten nog enkele belangrijke stappen worden gezet op het gebied van juridische houbaarheid, transparantie en inbedding in het richtlijnontwikkelproces. De verantwoordelijkheid voor de inhoud en kwaliteit van richtlijnen blijft hierin bij de betrokken experts: richtlijnmethodologen en (cluster)werkgroepleden. Door AI in te bedden in het richtlijnproces, kan dit gecontroleerd en transparant gebruikt worden, zonder concessies te doen aan betrouwbaarheid en zorgvuldigheid.
Project details
Kennisinstituut van Medisch Specialisten B.V.
Algemeen
1 mei 2022
31 december 2025
Op te leveren eindproducten
We leveren een methodiek op over hoe en welke AI-applicaties de GRADE-methodiek kunnen ondersteunen bij onze richtlijnontwikkeling. Op basis daarvan maken we een scholing die intern wordt gepubliceerd en onderdeel kan worden van de EBRO en richtlijncursussen. Daarnaast worden de resultaten ook breed gedeeld in het netwerk voor Nederlandse richtlijnontwikkelaars (GENEVER) en het internationale netwerk GIN.
We leveren een methodiek op over hoe en welke AI-applicaties de GRADE-methodiek kunnen ondersteunen bij onze richtlijnontwikkeling. Op basis daarvan maken we een scholing die intern wordt gepubliceerd en onderdeel kan worden van de EBRO en richtlijncursussen. Daarnaast worden de resultaten ook breed gedeeld in het netwerk voor Nederlandse richtlijnontwikkelaars (GENEVER) en het internationale netwerk GIN.
Betrokken wetenschappelijke verenigingen
Federatie Medisch Specialisten
-
Federatie Medisch Specialisten
Overige organisaties
Patiëntenfederatie Nederland
-
Patiëntenfederatie Nederland
Kennisinstituut Medisch Specialisten
-
Kennisinstituut Medisch Specialisten
Nederlands Huisartsen Genootschap (NHG)
-
Nederlands Huisartsen Genootschap (NHG)
Cochrane Netherlands-Julius Center UMCU
-
Cochrane Netherlands-Julius Center UMCU
Universitair Medisch Centrum Utrecht
-
Universitair Medisch Centrum Utrecht
.jpg&w=384&q=75)

