1 00:00:13,130 --> 00:00:16,528 Welkom bij de presentatie 'harmonisatie en hergebruik van gegevens 2 00:00:16,578 --> 00:00:18,060 met behulp van ontologie'. 3 00:00:18,720 --> 00:00:20,430 Wat gaan we de komende twintig minuten doen? 4 00:00:21,230 --> 00:00:24,101 We gaan duidelijk maken hoe je dus een ontologie kunt gebruiken 5 00:00:24,551 --> 00:00:26,010 om gegevens te harmoniseren en hergebruiken. 6 00:00:26,520 --> 00:00:29,640 En dat doen we door kort even iets uit te leggen wat een ontologie is. 7 00:00:29,730 --> 00:00:33,030 Dat zal ik doen. Daarna krijgen we twee praktijkvoorbeelden. 8 00:00:33,200 --> 00:00:37,350 Het eerste praktijkvoorbeeld geef ik vanuit het project KIK-V bij het Zorginstituut. 9 00:00:37,400 --> 00:00:38,400 Straks meer daarover. 10 00:00:38,810 --> 00:00:41,325 Het tweede deel wordt verzorgd door Ronald Cornet, 11 00:00:41,375 --> 00:00:43,890 die zijn ervaring deelt in het Amsterdam UMC. 12 00:00:45,510 --> 00:00:47,160 Maar allereerst waarom, 13 00:00:47,220 --> 00:00:48,810 dat geldt dan voor Ronald en mij allebei, 14 00:00:49,170 --> 00:00:52,350 waar komt die motivatie vandaan om naar ontologieën te kijken? 15 00:00:53,280 --> 00:00:55,320 Die komt deels eigenlijk uit frustratie. 16 00:00:55,550 --> 00:00:59,893 Frustratie over hoe met informatie om wordt gegaan in de ziekenhuiszorg 17 00:00:59,943 --> 00:01:01,890 en in de gezondheidszorg breder. 18 00:01:03,060 --> 00:01:06,620 Hoe zit dat nou? Zorgprofessionals, dat is allemaal in het nieuws, weten we, 19 00:01:07,380 --> 00:01:09,360 die registreren zich een slag in de rondte. 20 00:01:09,630 --> 00:01:13,435 Ze moeten voortdurend in allerlei systemen gegevens bijhouden, 21 00:01:13,535 --> 00:01:14,709 vaak verschillende systemen, 22 00:01:14,759 --> 00:01:19,200 omdat verschillende partijen iets willen weten, met allemaal hun eigen systeempje. 23 00:01:19,560 --> 00:01:23,760 En als je dan een keer iets weten wilt, dat is een vraag over iets wat plaats heeft gevonden, 24 00:01:24,290 --> 00:01:28,010 of die vraag nu intern in een ziekenhuis zit of van de toezichthouder, 25 00:01:28,160 --> 00:01:30,959 daar zou je denken: we hebben zoveel informatie, 26 00:01:31,009 --> 00:01:33,452 die vraag kunnen we zo wel beantwoorden. 27 00:01:33,552 --> 00:01:36,078 Helaas. Meestal moet de vraag beantwoord worden 28 00:01:36,128 --> 00:01:39,390 door in allerlei verschillende systemen informatie op te halen. 29 00:01:40,020 --> 00:01:44,580 Dan is er vaak nog iemand nodig die die gegevens interpreteert, 30 00:01:44,670 --> 00:01:50,940 omdat we de betekenis niet precies uit het systeem zelf kunnen halen, 31 00:01:51,070 --> 00:01:53,408 maar daar zijn altijd nog mensen bij nodig. 32 00:01:53,508 --> 00:01:58,774 Dat wordt allemaal bij elkaar gegooid, gaat in de kookpot en dan komt er een antwoord uit. 33 00:01:58,874 --> 00:02:03,745 Het is een heleboel werk en dat antwoord wat eruit komt is ook nog alleen maar geldig 34 00:02:03,795 --> 00:02:06,060 in de context waarin die vraag gesteld is. 35 00:02:06,300 --> 00:02:10,999 Dus als volgend jaar of volgende week iemand de vraag net iets 36 00:02:10,280 --> 00:02:11,982 anders stelt, dan kun je hem niet hergebruiken, 37 00:02:12,032 --> 00:02:14,610 maar moet je de hele riedel nog een keer opnieuw doen ook. 38 00:02:15,390 --> 00:02:17,488 Waarom gebruiken we nu een ontologie? 39 00:02:17,538 --> 00:02:20,760 Om te zorgen dat de administratieve last omlaag gaat, 40 00:02:21,480 --> 00:02:26,340 dat er veel minder dubbele registraties plaats moeten vinden, 41 00:02:26,940 --> 00:02:30,240 om te voorkomen dat interpretatie van die data nodig is. 42 00:02:31,100 --> 00:02:34,033 Enerzijds omdat interpretatie fouten natuurlijk triggert, 43 00:02:34,183 --> 00:02:36,461 anderzijds omdat elke keer die zorgprofessional zelf weer 44 00:02:36,511 --> 00:02:39,390 van het werk wordt gehouden om die interpretatie te doen. 45 00:02:40,050 --> 00:02:43,590 En daardoor maken we hergebruik van data nodig, 46 00:02:43,920 --> 00:02:47,220 en we zorgen dat de betekenis van de data eenduidig is. 47 00:02:47,870 --> 00:02:51,547 Dus of je nou aan de ene zorgaanbieder een vraag stelt 48 00:02:51,597 --> 00:02:53,100 of aan de andere zorgaanbieder, 49 00:02:53,510 --> 00:02:57,457 de vraag wordt hetzelfde geïnterpreteerd en het antwoord betekent ook hetzelfde. 50 00:02:57,507 --> 00:02:59,280 Hoe zit dat nou met zo'n ontologie? 51 00:03:01,150 --> 00:03:02,486 Even gewoon naar hoe wij communiceren. 52 00:03:02,536 --> 00:03:05,240 Als ik nu zeg: "er staat een boom in mijn achtertuin", 53 00:03:06,260 --> 00:03:08,480 en we kijken naar het labeltje 'boom', 54 00:03:09,700 --> 00:03:13,261 dan is het eigenlijk bijzonder dat u nu een voorstelling heeft 55 00:03:13,311 --> 00:03:15,230 van die boom in mijn achtertuin. 56 00:03:15,970 --> 00:03:17,846 U bent immers nog nooit in mijn achtertuin geweest 57 00:03:17,896 --> 00:03:19,130 en heeft die boom nooit gezien. 58 00:03:19,820 --> 00:03:23,210 Hoe kan het nu dat je toch het soort beeld hebt als wat je op het plaatje kan zien? 59 00:03:24,010 --> 00:03:28,521 Dat komt doordat dat woordje, het label 'boom', niet alleen maar slaat op 60 00:03:28,621 --> 00:03:30,978 die ene individuele boom in mijn tuin, 61 00:03:31,028 --> 00:03:34,760 maar ook verwijst naar het concept van alle bomen ter wereld. 62 00:03:35,660 --> 00:03:39,170 En omdat wij een idee hebben van wat het concept 'boom' inhoudt, 63 00:03:39,470 --> 00:03:43,070 kunnen we ons een voorstelling maken van die ene boom waaraan ik refereer. 64 00:03:44,200 --> 00:03:48,836 Wat we in een ontologie doen is: dat is een kennismodel, 65 00:03:48,886 --> 00:03:52,520 een formeel kennismodel van een bepaald domein, 66 00:03:52,960 --> 00:03:57,630 en daar maken we onderscheid, expliciet, tussen het gebruik van een label, 67 00:03:57,680 --> 00:04:02,270 als dat verwijst naar een individu, of dat het kan verwijzen naar een concept. 68 00:04:03,160 --> 00:04:07,693 En daar leggen we kennis over die concepten vast, over die concepten zelf. 69 00:04:07,793 --> 00:04:11,537 Dus bij bijvoorbeeld 'boom' zou je kunnen denken aan het onderscheid 70 00:04:11,587 --> 00:04:15,110 tussen loofbomen en naaldbomen, met allebei hun eigen eigenschappen. 71 00:04:16,490 --> 00:04:18,890 Binnen loofbomen heb je dan weer fruitbomen, of niet. 72 00:04:19,997 --> 00:04:24,680 En dan zou je kunnen zeggen als je weet dat die boom in mijn tuin een appelboom is, 73 00:04:25,430 --> 00:04:28,730 ons conceptuele model snapt dan meteen: Ah, dat is dus een fruitboom 74 00:04:29,520 --> 00:04:31,992 en het is dus geen naaldboom. 75 00:04:32,092 --> 00:04:39,084 Die kennis en dat logische redeneren over concepten, dat stoppen we in die ontologie. 76 00:04:39,134 --> 00:04:43,940 En we stoppen dan ook de relaties tussen de verschillende concepten in een ontologie. 77 00:04:45,490 --> 00:04:52,169 En de labels die we nu eigenlijk vaak als enige gebruiken als we gegevens uitwisselen, 78 00:04:52,219 --> 00:04:54,860 die spelen dan een ondergeschikte rol. 79 00:04:55,630 --> 00:05:01,025 Dus of ik nou naar dat concept verwijs met het label 'boom', of ik gebruik 'tree' of 'Baum', 80 00:05:01,125 --> 00:05:02,617 of bij ons in het oosten 'boom'. 81 00:05:02,667 --> 00:05:05,390 Dat maakt dan allemaal niet meer uit, want het is maar een labeltje. 82 00:05:05,690 --> 00:05:06,980 We weten waar het op slaat. 83 00:05:08,320 --> 00:05:10,160 Hoe werkt dat nu in de praktijk? 84 00:05:10,300 --> 00:05:13,785 In het project Keteninformatie Kwaliteit voor Verpleeghuiszorg, 85 00:05:13,835 --> 00:05:16,310 dat loopt binnen het Zorginstituut. 86 00:05:17,300 --> 00:05:21,230 Daar proberen we kwaliteitsinformatie te verzamelen van alle 87 00:05:21,280 --> 00:05:26,850 verpleeghuizen in Nederland om daar iets over te zeggen, over het geheel. 88 00:05:26,900 --> 00:05:28,760 Wat komen we in de praktijk tegen? 89 00:05:29,870 --> 00:05:32,930 Het voorbeeld wat u hier ziet gaat over personeelsgegevens, 90 00:05:33,080 --> 00:05:35,780 een van de onderwerpen waarover we gegevens uitwisselen, 91 00:05:36,490 --> 00:05:42,684 en dan zie je hier de samenhang tussen een persoon, hierachter een tabelletje 'P', 92 00:05:42,734 --> 00:05:48,560 contracten, een tabel met contracten, en een tabel met functies bij zorgaanbieder A. 93 00:05:48,690 --> 00:05:50,150 En dit is gewoon hoe het in de praktijk zit, 94 00:05:51,320 --> 00:05:56,570 wat een systeem gebruikt waarin de datastructuur eruit bestaat dat 95 00:05:56,830 --> 00:06:00,724 je begint bij een persoon, en de persoon heeft een verwijzing naar 96 00:06:00,774 --> 00:06:04,340 één of meerdere contracten en zo'n contract verwijst naar een functie. 97 00:06:06,420 --> 00:06:10,204 Zorgaanbieder B heeft een andere keuze gemaakt, die heeft het ingericht als: 98 00:06:10,304 --> 00:06:14,602 je hebt een persoon, en die persoon is verbonden met een contract 99 00:06:14,652 --> 00:06:17,500 en die persoon is verbonden met de functie. 100 00:06:17,830 --> 00:06:20,760 De functie hangt rechtstreeks aan persoon en niet via contract. 101 00:06:21,800 --> 00:06:25,880 Door deze twee verschillen in structuur is het op computerniveau 102 00:06:25,930 --> 00:06:31,388 bijna onmogelijk om die data uit te wisselen, omdat de data van A en van B verschillend zijn 103 00:06:31,438 --> 00:06:33,530 en dus niet zomaar samengevoegd kunnen worden. 104 00:06:34,300 --> 00:06:38,471 Dan moet of A zich aanpassen aan B, B moet zich aanpassen aan A, 105 00:06:38,521 --> 00:06:41,000 of ze moeten zich allebei aanpassen aan C. 106 00:06:42,770 --> 00:06:46,790 Als we nu gaan kijken naar ontologie, dan kijken we naar wat de data betekent. 107 00:06:46,820 --> 00:06:52,220 We willen immers de kennis van dit domein in een model zetten. 108 00:06:52,870 --> 00:06:55,488 Als je kijkt naar hoe een arbeidsovereenkomst, 109 00:06:55,538 --> 00:06:59,300 dat was het contract waar ik het over heb, eruitziet, 110 00:06:59,500 --> 00:07:02,887 dan kan je bijvoorbeeld gewoon in het Burgerlijk Wetboek kijken. 111 00:07:02,937 --> 00:07:05,980 Wat betekent het? Wat betekent een arbeidsovereenkomst? 112 00:07:07,200 --> 00:07:08,790 Wat betekent een arbeidsovereenkomst? 113 00:07:09,260 --> 00:07:11,837 Dit is een juridische overeenkomst tussen twee partijen. 114 00:07:11,887 --> 00:07:15,450 De ene partij is de opdrachtgever, de andere partij de opdrachtnemer, 115 00:07:15,770 --> 00:07:22,058 en die komen overeen dat de opdrachtnemer werk verricht ten gunste van de opdrachtgever 116 00:07:22,158 --> 00:07:27,355 en als beloning betaalt daarvoor de opdrachtgever een salaris, 117 00:07:27,405 --> 00:07:30,270 een beloning aan de opdrachtnemer. 118 00:07:31,760 --> 00:07:34,851 Er valt meer over te vertellen, maar dit is dan de eenvoudige samenvatting. 119 00:07:35,001 --> 00:07:39,631 Dus dit is wat het betekent om een arbeidsovereenkomst te hebben, 120 00:07:39,681 --> 00:07:41,879 om die te sluiten. 121 00:07:41,929 --> 00:07:46,230 Maar daardoor, door die arbeidsovereenkomst, ontstaan er ook andere relaties, 122 00:07:46,950 --> 00:07:49,740 en die verwerken we ook in die ontologie, in dat model. 123 00:07:49,940 --> 00:07:53,053 Er ontstaat bijvoorbeeld een werkgever- werknemer relatie, 124 00:07:53,103 --> 00:07:55,830 door het bestaan van die arbeidsovereenkomst. 125 00:07:56,420 --> 00:08:00,454 Er ontstaat ook een relatie tussen dat geld, tussen die beloning, 126 00:08:00,504 --> 00:08:02,310 en degene die het werk uitvoert. 127 00:08:02,350 --> 00:08:05,850 Daar wordt het namelijk aan uitbetaald en het geld wordt betaald... 128 00:08:05,940 --> 00:08:07,500 ...door de opdrachtgever. 129 00:08:08,250 --> 00:08:10,050 En de de werkzaamheden... 130 00:08:10,500 --> 00:08:13,470 waarvan overeengekomen is dat de opdrachtnemer die uitvoert, 131 00:08:13,890 --> 00:08:16,770 dat zou samen kunnen vatten als de functie van de werknemer. 132 00:08:17,310 --> 00:08:19,860 En dat kunnen dan allemaal verschillende soorten werkzaamheden zijn. 133 00:08:21,450 --> 00:08:25,560 Als je teruggaat naar de data die we hadden en je probeert 134 00:08:25,620 --> 00:08:29,460 die data uit te leggen in termen van de kennis die we erover hebben, 135 00:08:30,300 --> 00:08:35,130 dan zou je kunnen zeggen: ''Dat pijltje wat wijst van die persoon naar het contract, 136 00:08:35,880 --> 00:08:39,720 dat is eigenlijk de relatie van een opdrachtnemer.'' 137 00:08:40,480 --> 00:08:43,006 Die relatie van de opdrachtgever zit in dit voorbeeld niet in 138 00:08:43,994 --> 00:08:46,680 En het pijltje dat wijst van een contract naar een functie, 139 00:08:47,130 --> 00:08:48,810 dat is het pijltje van de werkzaamheden. 140 00:08:49,680 --> 00:08:53,670 En als je nu met het vorige plaatje in gedachten weet wat het betekent, 141 00:08:53,910 --> 00:08:58,170 dan kun je dus concluderen dat de relatie van de persoon naar... 142 00:08:58,290 --> 00:09:03,480 de functie dat dat die relatie-functie is. Kijk je naar B, doe je hetzelfde. 143 00:09:04,350 --> 00:09:09,330 Je kijkt vanuit de persoon en dan kijk je eerst naar de relatie met het contract, 144 00:09:09,600 --> 00:09:13,800 dat is dus via diezelfde werknemerrelatie en van persoon naar functie... 145 00:09:14,340 --> 00:09:19,570 daar zit in één keer die functierelatie in. En daaruit kun je concluderen dat de relatie... 146 00:09:19,570 --> 00:09:21,210 tussen de functie en het contract, 147 00:09:21,270 --> 00:09:25,140 de werkzaamheden zijn die in het kader van dat contract verricht moeten worden. 148 00:09:26,180 --> 00:09:31,820 Als je dat dan dus naast elkaar zet, dus de data plus de betekenis, 149 00:09:32,120 --> 00:09:36,350 dan zie je hier in één keer een vergelijkbare structuur staan, namelijk driehoekjes. 150 00:09:37,190 --> 00:09:41,420 En omdat de structuur weer hetzelfde is, is die informatie in een keer wél uitwisselbaar. 151 00:09:42,770 --> 00:09:44,060 Dus wat is de conclusie? 152 00:09:44,480 --> 00:09:48,770 Als je data uit wilt wisselen zonder dat je de betekenis kent, 153 00:09:48,920 --> 00:09:52,550 dan moet die data in dezelfde structuur opgeslagen zijn. 154 00:09:53,270 --> 00:09:54,650 Dat is natuurlijk niet de praktijk. 155 00:09:55,340 --> 00:09:58,620 Wat we met een ontologie doen is betekenis toekennen aan die data... 156 00:09:58,820 --> 00:10:01,110 ...en daardoor is uitwisseling wel mogelijk. 157 00:10:02,180 --> 00:10:05,510 En dat heeft dus al die voordelen waarvan ik in het begin zei 158 00:10:05,540 --> 00:10:10,240 dat die irritatie vooral vandaan kwam in de praktijk van informatiehuishouding. 159 00:10:10,920 --> 00:10:12,720 Daarom dus gebruiken we ontologie. 160 00:10:14,100 --> 00:10:17,490 Na de toelichting die Marc zojuist heeft gegeven, wil ik graag... 161 00:10:17,610 --> 00:10:22,170 ...inzoomen op het gebruik van ontologieën, met name door mensen... 162 00:10:22,170 --> 00:10:25,110 ...en door machines in de zorgcontext. 163 00:10:26,010 --> 00:10:29,910 Ik wil met u kijken naar het delen van data in het mens-machine-netwerk. 164 00:10:29,910 --> 00:10:34,470 En daarin in eerste instantie focussen op het perspectief van de mens. 165 00:10:35,030 --> 00:10:39,005 U ziet hier een arts in Amsterdam UMC die informatie vastlegt... 166 00:10:39,055 --> 00:10:44,460 ...in een zorginformatiesysteem en langzaam ziet u verschijnen wat er daarachter gebeurt. 167 00:10:44,820 --> 00:10:49,560 En dit proces wil ik in deze 10 minuten met u doornemen. Eerst kijken naar de voorkant, 168 00:10:49,620 --> 00:10:54,030 naar die arts achter de computer. Hoe dat werkt, dat dat tegenwoordig werkt, 169 00:10:54,390 --> 00:10:56,910 En daarna kijken naar wat er aan de achterkant gebeurt. 170 00:10:57,120 --> 00:11:00,300 En die hele zak met snippers uit de shredder... 171 00:11:00,630 --> 00:11:04,020 ...waar we nu weer informatie van proberen te maken in het netwerk. 172 00:11:06,490 --> 00:11:13,350 Dit plaatje is van DHD, Dutch Hospital Data, wat laat zien hoe de diagnose thesaurus... 173 00:11:13,550 --> 00:11:17,050 en de verrichtingen thesaurus worden gebruikt voor het vastleggen van informatie in een... 174 00:11:17,130 --> 00:11:21,022 ...patiëntendossier en hoe dat gebruikt kan worden voor allerlei toepassingen: 175 00:11:21,122 --> 00:11:24,913 data aanleveringen, een patiëntenportaal, onderzoek. 176 00:11:24,963 --> 00:11:30,950 Nou ja, u ziet het op deze infographic. Dit geldt voor artsen in het ziekenhuis, 177 00:11:31,000 --> 00:11:32,890 maar zorg is natuurlijk een stuk breder. 178 00:11:33,350 --> 00:11:37,284 Ook in de verpleging en verzorging wordt informatie vastgelegd, bijvoorbeeld met het: 179 00:11:37,334 --> 00:11:42,070 Omaha System. De huisarts legt informatie vast gebruikmakend van de... 180 00:11:42,170 --> 00:11:44,850 ...International Classification of Primary Care 181 00:11:44,850 --> 00:11:49,840 En in de geestelijke gezondheidszorg wordt informatie vastgelegd met DSM-5. 182 00:11:50,650 --> 00:11:54,400 De uitdaging is om al die systemen te kunnen gebruiken en de... 183 00:11:54,400 --> 00:11:57,430 ...informatie die is vastgelegd te kunnen hergebruiken. 184 00:11:57,940 --> 00:11:59,470 En de vraag is: 'Hoe doen we dat?' 185 00:11:59,530 --> 00:12:03,880 En dat ziet u op deze slide in de linker onderhoek door automatisch af te leiden. 186 00:12:04,280 --> 00:12:05,800 En daar wil ik even op inzoomen. 187 00:12:06,010 --> 00:12:09,580 We zien dan dat er dingen als ICD-10 codes, Conciliumcodes, 188 00:12:09,640 --> 00:12:14,470 DBC-diagnose-typeringen kunnen worden afgeleid en dat kan dankzij... 189 00:12:14,500 --> 00:12:18,730 ...het gebruik van wat in de linkerkolom gegeven wordt: SNOMED CT. 190 00:12:18,910 --> 00:12:23,050 En waar ik straks nog op in zal gaan ook: Loinc. 191 00:12:23,170 --> 00:12:27,760 SNOMED CT is zo'n ontologie die een heel belangrijke rol speelt 192 00:12:27,760 --> 00:12:31,030 bij het mogelijk maken van informatieuitwisseling in de zorg. 193 00:12:32,290 --> 00:12:35,590 En SNOMED CT is ook het systeem dat gekoppeld moet worden aan 194 00:12:35,650 --> 00:12:39,940 die andere systemen die ik noemde: Omaha, DMS-5, ICPC. 195 00:12:40,300 --> 00:12:43,600 En niet alleen aan diagnoses en verrichtingen thesaurus, zodat 196 00:12:43,600 --> 00:12:47,860 al die informatie ingezet kan worden voor al die hergebruikte doelen. 197 00:12:50,020 --> 00:12:53,050 Ik zie SNOMED eigenlijk als een soort van internationaal paspoort... 198 00:12:53,050 --> 00:12:56,620 ...voor concepten en Mark legde het al mooi uit aan het voorbeeld van de boom: 199 00:12:57,430 --> 00:13:01,780 We definiëren begrippen op basis van nummers, omschrijvingen 200 00:13:01,810 --> 00:13:04,330 en kenmerken net zo goed als een paspoort. 201 00:13:04,360 --> 00:13:07,150 Daar krijg je ook een nummer in of een burgerservicenummer. 202 00:13:07,470 --> 00:13:10,303 Daar staan namen voor jou in en je eigenschappen: geboortedatum, 203 00:13:10,353 --> 00:13:15,240 geslacht, enzoverder. Dat is precies wat SNOMED ook biedt: Het geeft nummers, 204 00:13:15,340 --> 00:13:19,240 het geeft omschrijvingen, in dit geval van een aandoening die... 205 00:13:19,240 --> 00:13:21,580 ...veroorzaakt is door het SARS-CoV-2-virus. 206 00:13:22,060 --> 00:13:26,470 En het geeft de kenmerken van zo'n aandoening. Het mooie is... 207 00:13:26,470 --> 00:13:29,860 ...dat die kenmerken op zich ook weer beschreven worden. 208 00:13:30,190 --> 00:13:36,020 Dus ook van in dit geval het SARS-CoV-2-virus vindt u in dat SNOMED-paspoort... 209 00:13:36,020 --> 00:13:38,950 ...de omschrijving en in dit geval in de kenmerken... 210 00:13:39,250 --> 00:13:42,100 ...de hiërarchische plaatsing van zo'n virus. 211 00:13:42,430 --> 00:13:45,670 Het hoort bij de subfamilie van de Orthocoronavirinae... 212 00:13:46,060 --> 00:13:48,753 en bij de subfamilie van de Orthocoronavirinae. 213 00:13:48,803 --> 00:13:50,320 Dat is diezelfde subfamilie... 214 00:13:50,320 --> 00:13:55,060 ...maar via twee andere takken komen we bij het SARS-CoV-2-virus terecht. 215 00:13:56,620 --> 00:14:02,156 Dat maakt het mogelijk om informatie die vaak veel gedetailleerder is vastgelegd, 216 00:14:02,206 --> 00:14:03,320 te hergebruiken. 217 00:14:03,650 --> 00:14:09,010 Kijk naar risicogroepen, mensenmet een chronische luchtweg- of longaandoening. 218 00:14:09,350 --> 00:14:13,250 Bij geen enkele patiënt staat natuurlijk een chronische luchtwegaandoening. 219 00:14:13,280 --> 00:14:17,380 Die wordt concreet gemaakt: Er wordt gezegd dat een patiënt COPD heeft. 220 00:14:17,480 --> 00:14:19,790 En dan moet je kunnen afleiden dat COPD... 221 00:14:20,000 --> 00:14:22,580 ...een voorbeeld is van zo'n chronische luchtwegaandoening. 222 00:14:23,330 --> 00:14:28,440 En dat is precies wat een systeem als SNOMED CT mogelijk maakt. Dat netwerk of die ... 223 00:14:28,460 --> 00:14:33,440 ...hierarchie van SNOMED CT, en dat ziet u hier, bevat een hele hoop... 224 00:14:33,440 --> 00:14:39,110 ...specifieke chronische aandoeningen van het ademhalingsstelsel, zoals COPD. 225 00:14:40,460 --> 00:14:43,910 Dus op die manier kunnen artsen gedetailleerd vastleggen en kunnen we... 226 00:14:43,960 --> 00:14:48,244 ...ten behoeve van in dit geval het opsporen van patiënten die... 227 00:14:48,294 --> 00:14:52,820 ...voorrang krijgen bij vaccinatie, kunnen we aggregeren op een generieker niveau. 228 00:14:54,080 --> 00:14:58,220 Op die manier kunnen de mensen nu al heel goed werken met de... 229 00:14:58,220 --> 00:15:01,640 ...informatie die in het systeem wordt vastgelegd en wordt gelukkig... 230 00:15:01,640 --> 00:15:04,550 ook informatie steeds beter vastgelegd in het systeem. 231 00:15:05,450 --> 00:15:09,350 Maar we zijn er nog niet, want nog steeds is eigenlijk die informatie... 232 00:15:09,350 --> 00:15:13,700 die wordt ingevoerd eindigt toch in een soort van zak met snippers. 233 00:15:13,940 --> 00:15:16,010 En daar ligt nog werk te doen. 234 00:15:16,160 --> 00:15:19,750 En daar kunnen ontologieën nog steeds een betere, belangrijke... 235 00:15:19,760 --> 00:15:23,270 ...rol in gaan spelen. Bij het vastleggen van een bloeddruk... 236 00:15:23,300 --> 00:15:26,270 ...en u ziet hier een plaatje van waarin het misschien niet... 237 00:15:26,270 --> 00:15:27,860 ...helemaal gaat zoals het zou moeten, 238 00:15:28,370 --> 00:15:33,130 zien we dat dat op allerlei verschillende manieren gelabeld wordt: soms als SIST-PP 239 00:15:33,140 --> 00:15:38,090 soms als broeder-SIST en als je dan uit een systeem en met name... 240 00:15:38,090 --> 00:15:41,770 ...als je uit alle systemen van Nederland en wij doen ook onderzoek... 241 00:15:41,780 --> 00:15:45,980 ...waar we dat proberen te doen, bijvoorbeeld al die systolische bloeddrukken wil halen, 242 00:15:46,250 --> 00:15:48,080 dan is dat heel erg lastig. 243 00:15:48,560 --> 00:15:52,430 En we proberen tegenwoordig steeds meer met kunstmatige intelligentie te doen, 244 00:15:52,460 --> 00:15:56,840 waarbij we zeggen: We hebben big data met heel veel verschillende variabelen, 245 00:15:56,840 --> 00:15:59,540 als je dan niet alleen voor bloeddruk, maar ook voor allerlei... 246 00:15:59,540 --> 00:16:02,990 ...andere informatie dat uit al die systemen bij elkaar wil kunnen brengen, 247 00:16:03,530 --> 00:16:06,830 Dan heb je ook een ontologie nodig. 248 00:16:07,820 --> 00:16:11,120 Op dit moment wordt vooral gewerkt aan zorginformatiebouwstenen... 249 00:16:11,120 --> 00:16:15,260 ....waarin al die detail-informatie over zo'n bloeddrukmeting kan worden vastgelegd. 250 00:16:16,100 --> 00:16:20,260 Maar in de praktijk wordt eigenlijk alleen de systole en de diastole vastgelegd. 251 00:16:20,260 --> 00:16:24,070 En wordt er geen manchetgrootte of een houding van een patiënt vastgelegd. 252 00:16:24,320 --> 00:16:28,460 Dus we investeren in het aanbrengen van die structuur en dat... 253 00:16:28,460 --> 00:16:29,840 ...doen we niet alleen voor bloeddruk, 254 00:16:29,870 --> 00:16:34,310 maar u ziet hier wat er nog meer aan informatie wordt vastgelegd. 255 00:16:34,550 --> 00:16:38,450 Of van wat voor informatie aan zorginformatiebouwstenen wordt gewerkt. 256 00:16:39,830 --> 00:16:44,040 Dat is heel veel werk voor hele kleine brokjes informatie. 257 00:16:44,100 --> 00:16:47,430 En dan ook in de geestelijke gezondheidszorg worden nog weer specifieke... 258 00:16:47,430 --> 00:16:49,820 ...zorginformatiebouwstenen gespecificeerd. 259 00:16:50,660 --> 00:16:54,680 En dat is eigenlijk iedere keer proberen uit die zak met snippers... 260 00:16:54,950 --> 00:16:58,670 ...de juiste snippers te vinden om in zo'n bouwsteen te kunnen stoppen. 261 00:16:59,960 --> 00:17:04,999 Wat veel mooier zou zijn is als we die zak met snippers eens goed gaan ordenen. 262 00:17:04,999 --> 00:17:08,483 En bedenken: Wat zijn nou de metingen bijvoorbeeld die hier inzitten? 263 00:17:08,001 --> 00:17:12,077 En zorgen dat metingen goed geanoteerd worden 264 00:17:12,127 --> 00:17:17,001 gebruikmakend van ontologieën, want dan kunnen we heel snel zien... 265 00:17:17,001 --> 00:17:21,001 ...wat de systolische bloeddrukken zijn in de verschillende systemen, 266 00:17:21,300 --> 00:17:25,999 in plaats van al die verschillende labels die er gebruikt worden. 267 00:17:25,700 --> 00:17:29,710 En dan kijken we eigenlijk alleen maar naar dat ene hoekje van zo'n bloeddruk: 268 00:17:29,780 --> 00:17:34,100 Wat is het voor meting? Wat voor eenheden gebruiken we daarvoor? 269 00:17:34,340 --> 00:17:37,010 En op wat voor manier leg ik dat precies vast? 270 00:17:37,450 --> 00:17:41,205 Dan kan je op een heel generieke manier voor heel veel informatie... 271 00:17:41,255 --> 00:17:43,640 ...in ieder geval iets vastleggen. 272 00:17:43,730 --> 00:17:46,450 En dan weet je misschien niet de manchetgrootte, dan weet je misschien niet... 273 00:17:46,450 --> 00:17:50,510 ...de houding van de patiënt, maar die wordt nu toch vaak niet vastgelegd. 274 00:17:50,990 --> 00:17:55,490 En daarvoor is die andere ontologie belangrijk: Dat paspoort van LOINC, 275 00:17:56,110 --> 00:18:01,282 want op basis van LOINC-codes kun je je observaties goed, helder, 276 00:18:01,332 --> 00:18:05,470 eenduidig beschrijven; bijvoorbeeld hier de systolische bloeddruk. 277 00:18:05,570 --> 00:18:09,470 En ook hier in LOINC zien we weer allerlei kenmerken weergegeven. 278 00:18:10,520 --> 00:18:15,083 Kortom, voor de mens is SNOMED een belangrijk systeem... 279 00:18:15,133 --> 00:18:17,960 ...om informatie goed vast te kunnen leggen, 280 00:18:18,010 --> 00:18:23,152 voor het uitwisselen van informatie en het bij elkaar kunnen brengen van... 281 00:18:23,252 --> 00:18:26,436 ...systemen in Nederland, informatie daaruit, 282 00:18:26,486 --> 00:18:31,790 is LOINC een heel belangrijk systeem, wat helaas nog onderbenut wordt... 283 00:18:31,960 --> 00:18:37,890 ...in de Nederlandse zorginformatiesystemen. En die systemen zijn nodig om uiteindelijk 284 00:18:38,140 --> 00:18:41,426 ...te zorgen dat onze zorginformatiesystemen zich doorontwikkelen 285 00:18:41,476 --> 00:18:44,570 tot fair zorginformatiesystemen: 286 00:18:44,870 --> 00:18:49,400 Informatiesystemen waarin gegevens vindbaar, toegankelijk, interoperabel... 287 00:18:49,400 --> 00:18:53,550 ...en herbruikbaar zijn en waarin we bijvoorbeeld dingen kunnen doen... 288 00:18:53,550 --> 00:18:56,390 ...zoals zo'n personal health train laten rijden... 289 00:18:56,520 --> 00:18:59,880 ...om gezondheidsinformatie van patiënten uit verschillende... 290 00:18:59,880 --> 00:19:03,510 ...gedistribueerde systemen op te halen en bij elkaar te brengen. 291 00:19:04,800 --> 00:19:07,550 Daar moeten we naartoe en gelukkig wordt daar ook aan gewerkt... 292 00:19:07,680 --> 00:19:09,380 ...vanuit verschillende gremia. 293 00:19:09,480 --> 00:19:13,230 HO7 Fire voor uitwisseling en een heel stuk standaardisatie... 294 00:19:13,710 --> 00:19:17,330 ...Oddysey voor standaardisatie van met name observationele data, 295 00:19:17,830 --> 00:19:21,202 en een organisatie als CDISC die zich bezighoudt... 296 00:19:21,252 --> 00:19:23,340 ...met dataverzameling for clinical trials. 297 00:19:24,330 --> 00:19:27,810 En al die standaardisatie kan alleen gebeuren als we daar op... 298 00:19:27,810 --> 00:19:30,360 ...een goede manier ontologieën voor inzetten. 299 00:19:30,780 --> 00:19:35,430 SNOMED CT bijvoorbeeld richting de gebruiker en het user interface... 300 00:19:35,640 --> 00:19:41,850 ...en systemen als LOINC die onder de motorkap de observaties eenduidig coderen. 301 00:19:43,250 --> 00:19:46,910 En daar wil ik het graag bij laten en zo mogelijk ga ik hierover 302 00:19:46,910 --> 00:19:49,100 graag met u in discussie. Bedankt.