Smals: Het is alweer een jaar of 4 geleden dat Smals op vraag van RIZIV instapte in VIDIS, het Virtual Integrated Drug Information System, dat als doel heeft om alle processen en gegevens in verband met medicamenteuze behandeling van patiënten in België te verbeteren. Nicolas Rogge, Chain Service Manager verantwoordelijk voor eHealth en Pierre-Jean Dogne, projectleider van VIDIS bij Smals, we hebben gehoord dat jullie voor het VIDIS-project een proof of concept hebben ontwikkeld met betrekking tot AI. Waar gaat het precies over, en hoe is een en ander precies tot stand gekomen?
Nicolas: Ja, inderdaad! We hebben zowel een desktop- als een mobiele applicatie voor “Mijn Geneesmiddelen” (in het Frans “Mes Médicaments”) ontwikkeld. We richten ons hiermee op alle Belgische burgers, dus we hebben te maken met een grote user base. Naarmate het project vorderde, groeide ook de scope aanzienlijk. Het ging niet alleen meer over voorschriften en medicatieschema’s, maar ook over afgeleverde medicatie en persoonlijke gegevens van gebruikers en hun mandaatgevers.
Smals: Kun je uitleggen hoe die groeiende scope leidde tot de nood aan end-user support?
Pierre-Jean: Zeker! Met de groei van het gebruik van onze applicaties nam ook de nood aan ondersteuning voor de eindgebruiker toe. Eerstelijnsagenten kregen steeds meer vragen over onderwerpen zoals authenticatie via itsme®, het consulteren van voorschriften van partners en technische problemen zoals fouten bij het openen van voorschriften. Deze vragen belandden allemaal bij eerstelijnsagenten, wat de druk enorm deed toenemen.
Smals: Wat was jullie oplossing hiervoor?
Nicolas: We zagen een kans om een AI-ondersteunde 1ste-lijnstassistent te ontwikkelen. Dit systeem maakt directe Q&A’s mogelijk met eindgebruikers, vragen en antwoorden dus, waardoor eerstelijnsagenten meer tijd hebben om zich te richten op specifieke vragen die persoonlijk contact vereisen. De chatbot biedt een service die bovendien 24/7 beschikbaar is, wat een win-win situatie creëert. De chatbot begrijpt Nederlands en Frans kan dus ondersteuning bieden in beide talen.
Smals: Bert Vanhalst van het Smals Research team, jij hebt de chatbot geprogrammeerd – hoe werkt hij precies?
Bert: Wanneer een eindgebruiker een vraag stelt, zoals “hoe kan ik de gegevens van mijn partner consulteren”, dan geeft de chatbot een volledig antwoord gebaseerd op relevante bronnen. Via een combinatie van trefwoorden en semantische zoekopdrachten zoekt de chatbot eerst relevante stukjes informatie in zijn kennisbank en rangschikt die vervolgens, in functie van wat gevraagd werd. Nadat deze chunks, de verschillende stukjes informatie, als context toegevoegd werden aan de vraag, is alles klaar om vervolgens een antwoord te genereren, en dat gebeurt dan weer via een taalmodel, maar nu wordt het wel wat complex om op een eenvoudige manier uit te leggen (lacht).
Smals: Hoe werd de chatbot ontwikkeld?
Bert: De ontwikkeling gebeurde in samenwerking met het Smals Research Team. We publiceerden de chatbots op onze beveiligde labo-infrastructuur, zodat niet iedereen er zomaar bij kan. Voor de architectuur maakten we gebruik van de RAG-architectuur, Retrieval Augmented Generation, aangezien dit een vraag-antwoord systeem betreft. Het allerbelangrijkste bij een chatbot, is namelijk de informatie die wordt gebruikt om hem te begeleiden bij het formuleren van een antwoord, zodat het risico op “hallucineren” beperkt wordt. Wij hebben ons dan ook gebaseerd op informatie van de eerstelijnsagenten zelf, en een overzicht van alle vragen en antwoorden die vroeger door hen werden behandeld in het echte leven. Dit alles werd aangevuld met informatie van een 34-tal websites waar we vaak vragen over krijgen.
Smals: Welke technologieën werden hier allemaal voor ingezet?
Bert: We gebruikten Python Langchain en OpenAI gpt-4o. Voor de embedding module gebruikten we OpenAI text-embedding-3-large. In de achtergrond wordt Chroma ingezet voor documentopslag, zoekopdrachten, filteren van metadata, vectorzoeken, enz. Nagenoeg allemaal Open Source technologieën, uiteraard.
Smals: Gezondheidszorg blijft uiteraard een zeer gevoelige materie, zeker als we er AI bij gaan betrekken. Werden er speciale voorzorgsmaatregelen genomen?
Pierre-Jean: Absoluut. Regels moeten gerespecteerd worden, en bepaalde grenzen mogen absoluut niet overschreden worden – ook daar moest de chatbot getraind worden. Om onder geen enkel beding medisch advies te geven, bijv. Zelfs al kon hij dankzij zijn enorme kennisbank vragen als “ik heb hoofdpijn, wat adviseer je me?” beantwoorden, dan nog zorgen de regels die we geïmplementeerd hebben ervoor dat het advies altijd zal zijn om contact op te nemen met een arts.
Smals: Wat waren enkele belangrijke lessen die jullie hebben geleerd tijdens dit project?Nicolas: Het blijft belangrijk om samen met de klant duidelijke doelstellingen te formuleren, en bijbehorende KPI’s te definiëren, want op basis daarvan zal je de impact van de chatbot meten in een latere fase. Daarnaast blijft de kwaliteit van de knowledge base cruciaal; minder kwalitatieve antwoorden zijn vaak gerelateerd aan duplicate of onjuiste (achterhaalde) informatie in de knowledge base, bijvoorbeeld doordat de info op een website intussen aangepast werd. Sowieso zal dit een heel belangrijk aandachtspunt blijven!
Comments are closed.