Gestructureerde verslaglegging, structured reporting, historisch tot 2016
Is er een beperkte set woorden waarmee de screeningsradioloog en mammaradioloog eenduidig kunnen zeggen wat gezegd moet worden over een te beoordelen mammogram, zodanig dat het voor iedere ter zake deskundige duidelijk is?
Antw:
Een dergelijk set voor mammografie bestaat en bevat minder dan 150 verschillende woorden.
In 2015 uit de ACR BIRADS Atlas vanuit het Amerikaans vertaald in het Nederlands en in de vorm van een fraai boekwerk en tevens in de vorm van een BI-RADS App aangeboden aan de Sectie Mammaradiologie van de NVVR door collega dr. H.Zonderland en collega's.
BI-RADS App: "Deze BI-RADS App is gebaseerd op de Nederlandse bewerking van de ACR BI-RADS Atlas 2013 (1). De app is bedoeld als hulpmiddel bij de verslaglegging van Mammografie, Echografie en MRI.
Alle descriptoren die nodig zijn voor een gestandaardiseerd en gestructureerd verslag worden er in genoemd en zo nodig voorzien van een gebruiksadvies. Dit geldt ook voor de BI-RADS Classificatie."
Zoals het was in november 2015:
Vanaf 1 januari 2010 tot en met heden zijn er in de MammaDataModule 17000 verslagen opgenomen.
Op dezelfde wijze geteld als de lijst van ACR/BIRADS Atlas cq de vertaling van collega Zonderland, bevatten deze verslagen meer dan 7000 verschillende woorden, met talloze synoniemen voor de 112 verschillende woorden uit het bovengenoemde concept. Dit fenomeen is wellicht symbolisch voor de situatie in vrijwel alle ziekenhuizen in ons land.
Er is derhalve een zeer grote kloof tussen wat als ideaal gezien zou kunnen worden en wat er in werkelijkheid bestaat.
Het is een geweldige uitdaging de Nederlandse screeningsradiologen maar ook de mammaradiologen in het ziekenhuis er toe te brengen hun eigen woorden te vervangen door synoniemen uit de voorgestelde korte woordenlijst.
Een dergelijke woordenlijst zou dan gedigitaliseerd kunnen worden en gestructureerde verslaglegging is dan nabij.
Dat zou betekenen dat een verslag ingesproken in Nederland begrijpelijk en compleet zou zijn ook voor iemand uit bijvoorbeeld China, Kenia of Argentinië.
Iedereen die daartoe de bevoegdheid heeft, zou dan probleemloos gegevens van de patiënt kunnen begrijpen en de data kunnen gebruiken voor behandeling, evaluatie, benchmarking van collega's en wetenschappelijk onderzoek.
Samengevat: In een verslag dienen alle elementen, relevant voor vraagstelling en onderzoeksgebied opgenomen te worden in de vorm van wereldwijd vastgelegde, gedigitaliseerde begrippen, waardoor iedereen die ter zake deskundig is, begrijpt waar het over gaat en de gegevens kan gebruiken voor de patiënt en voor evaluatie, benchmarking en wetenschappelijk onderzoek, in welke taal dan ook. Helaas zijn we er nog lang niet. De verslagen staan nog steeds vol met nietszeggende termen en voor een basisbegrip worden soms wel talloze verschillende woorden gebruikt.
Zoals het zou kunnen worden. Structured reporting, gestructureerde verslaglegging: stap voor stap naar een template.
Neem een groot aantal verslagen in vrije tekst, geschreven door ervaren radiologen.
Voer softwarematig woordfrequentie-tellingen uit.
Verwijder alle woorden die minder dan 10 keer voorkomen.
Verwijder alle woorden die geen relevante inhoudelijke betekenis hebben.
Zoek alle zelfstandige naamwoorden.
Beoordeel met een groep ervaren radiologen de waarde van deze zelfstandige naamwoorden voor de praktijk.
Maak van de meest voorkomende zelfstandige naamwoorden keywords.
Zoek bij de vastgestelde keywords bijhorende synoniemen uit de woordenlijst. Stel vast of bijvoeglijke naamwoorden en bijwoorden uit de lijst iets toevoegen aan de keywords of synoniemen en koppel deze bijvoeglijke naamwoorden en bijwoorden aan het betreffende keyword of de daarbij horende synoniemen. Maak van deze woorden aanvullende keywords.
Deze basisset van keywords en bijhorende synoniemen met toegevoegde bijvoeglijke naamwoorden en bijwoorden kunnen ingebouwd worden in een template en in speech-to-tekst. Als bij gebruik van het template of de spraakherkenning nog behoefte is aan aanvullende woorden kunnen die in een dynamisch proces toegevoegd worden. Door gebruik te maken van toegestane synoniemen blijft een grote vrijheid van de radioloog over om toch zijn eigen taal te gebruiken. Als eenmaal een geaccepteerde basisset is geïmplementeerd kan de output digitaal aangepast worden aan de wensen van de ontvanger. De output kan bestaan uit vrije tekst maar ook uit een tabel in Excel die gemakkelijk gebruikt kan worden voor verdere evaluatie en onderzoek.
De resultaten van een dergelijke procedure met 17000 verslagen heb ik ingepast in een template waarbij ik gebruik gemaakt heb van MRRT , ( IHE: "a data model for templates that will serve as a format for how templates can be transmitted between systems. It also specifies the desirable and common template features that reporting applications may support.") Ik heb de template geupload naar de Open Template Library van Radreport.org van de RSNA. onder mammografie versie 3 concept template for Mammografie in ziekenhuis of screening.
Medisch specialisten er toe te brengen hun verslagen te maken op een gestructureerde wijze stuit op grote weerstand. Daarom zoek ik naar een werkwijze waarbij de medisch specialist vrijuit zijn verslag kan maken dat voldoet aan geldende standaard en waarbij softwaretools in staat zijn om uit de merendeels ongestructureerde data basisbegrippen vast te stellen die omgezet kunnen worden naar codes in databses. Daarbij is te denken aan (deep learning) tools, zoals die ook gebruikt worden door Google, Facebook en IBM Watson.
Resultaten van gebruik data uit MammaDataModule
In de MammaDataModule zijn opgenomen data uit de analoge screening op borstkanker van 1989 tot en met 2009 en uit de digitale screening vanaf 1januari 2010 tot 1 juni 2019.
Welke mogelijkheden de MammaDataModule biedt, is hieronder met een aantal voorbeelden toegelicht.
Wat zien screeningsradiologen wel en wat niet, intervalcarcinoom.
Voorspellende waarde van BIRADS0, 4 en 5.
Kwaliteit en benchmarking individuele radioloog
Overeenkomsten en verschillen in kwaliteit tussen analoge en digitale screening
Gestructureerde verslaglegging, Structured Reporting
Detectiecijfer(DC), Verwijscijfer(VC) en Positief Voorspellende Waarde(PVW):
Landelijke informatie over detectiecijfer, verwijscijfer, positief voorspellende waarde en nog veel meer is te vinden in de Monitor Bevolkingsonderzoek Borstkanker 2017.
Te vergelijken informatie is opgenomen in de MammaDataModule. In tegenstelling tot de cijfers in de Monitor zijn de cijfers in de Module de cijfers van individuele screeningsradiologen.
Deze cijfers worden (half)jaarlijks besproken met de deelnemende screeningsradiologen.
Deze cijfers worden gebruikt om inzicht te krijgen in de prestaties van de deelnemende individuele screenigsradiologen waardoor individuele kwaliteitsverbetering mogelijk wordt. De cijfers zijn bijgewerkt tot en met 31 mei 2019.
Positief Voorspellende Waarde en meest voorkomende verwijsafwijkingen B0, B4 en B5
Wat is de positief voorspellende waarde van de screening?
Antw:
De positief voorspellende waarde (PVW) van de screening in Nederland is ongeveer 30 %.
Dit betekent dat van alle 100 vrouwen die uit het Bevolkingsonderzoek op Borstkanker naar het ziekenhuis verwezen worden voor verder onderzoek, er 30 daadwerkelijk een vorm van borstkanker hebben.
Maar ook de BIRADS classificatie speelt een belangrijke rol.
Als de verwijzing BIRADS 0 is, dan is de kans op een vorm van borstkanker 10%.
Als de verwijzing BIRADS 4 is, dan is de kans op een vorm van borstkanker 45 %
Tegenwoordig wordt er nog een onderverdeling gebruikt in deze groep:
- 4a: kans op kwaadaardigheid is 2-10%
- 4b: kans op kwaadaardigheid is 11-50%
- 4c: kans op kwaadaardigheid is 51-94%
Als de verwijzing BIRADS 5 is, dan is de kans op een vorm van borstkanker 95%.
Wat zijn de meest voorkomende afwijkingen zijn:
Antw:
- massa
- calcificaties
- verschil tussen links en rechts: asymmetrie
- architectuurverstoringen
Lees verder: Massa BIRADS 0
Vergelijk analoge screening 1989 t/m 2009 met digitale screening vanaf 2010 tot heden
Is de digitale screening beter dan de analoge screening?
In de MammaDataModule zijn opgenomen data uit het analoge tijdperk van de screening vanaf 1989 tot en met 2009 en data uit het digitale tijdperk vanaf 1 januari 2010 tot heden. Analoog zijn er 18.000 geanonimiseerde casus uit ongeveer 1.440.000 screeningsonderzoeken, digitaal zijn er tot heden 57.000 geanonimiseerde casus uit ongeveer 3.000.000 onderzoeken. Vergeleken kunnen worden verwijscijfer en detectiecijfer, maar ook de afwijkingen op het mammogram waarvoor verwezen werd, zoals massa, calcificaties, architectuurverstoring en asymmetrie.
Het vergelijken van analoge en digitale screening is zeer tijdrovend. Terugkeren naar analoge screening is geen optie. Maar wellicht levert een dergelijk vergelijkend onderzoek interessante informatie op die kan leiden tot verbetering van het digitale proces.