NLP in de verzekeringsgeneeskunde / Onderzoek naar de ondersteuning van verzekeringsartsen in hun werk door Natural Language Processing (NLP)

Drs. Christine Lausberg (MA BN), Dr. Mariska M.E.C. de Wit, Dr. Elena V. Syurina, Dr. Daniël C.J. de Kam, Prof. dr. Angela A.G.E.M. de Boer, Prof. dr. Han J.R. Anema

Over de junioronderzoeker/onderzoeker

Mijn naam is Christine Lausberg. In december 2024 ben ik gestart met mijn promotieonderzoek bij het KCVG, locatie Amsterdam UMC. Naast mijn werk als promovendus bij het KCVG ben ik werkzaam als sociaal medisch verpleegkundige bij het UWV in Eindhoven.

Achtergrond bij het onderzoek

Op dit moment hebben administratieve lasten grote impact op de werkdruk en arbeidstevredenheid van medisch professionals werkzaam binnen de verzekeringsgeneeskunde. Deze lasten nemen verder toe door oplopende personeelstekorten en een groeiende vraag naar sociaal medische beoordelingen. Voor cliënten is het van belang dat zij een kwalitatief goede en vooral juiste beoordeling ontvangen, maar ook tijdig duidelijkheid ontvangen ten aanzien van hun inkomen en eventuele re-integratie. Het inzetten van Artificiële Intelligentie (AI) kan hierbij helpend zijn. Voornamelijk Natural Language Processing (NLP) en ondersteuning op basis van NLP zou ingezet kunnen worden om administratieve lasten van zorgprofessionals te verminderen. Bij NLP worden verschillende technieken gebruikt om gesproken of geschreven tekst te analyseren en op basis hiervan samenvattingen, transcripties of rapporten te genereren. De bestaande techniek kan op verschillende fronten worden ingezet en wordt binnen meerdere sectoren al met succes gebruikt.

Doel onderzoek

Doel van deze studie is om te onderzoeken op welke wijze NLP voor administratieve ondersteuning gebruikt kan worden binnen de verzekeringsgeneeskundige praktijk, maar ook om te achterhalen wat de randvoorwaarden zijn voor acceptatie en implementatie in de staande praktijk. We verwachten dat administratieve ondersteuning op basis van NLP bijdraagt aan de algehele kwaliteit en effectiviteit van de sociaal medische beoordeling. Zo kan het gebruik van een NLP-based systeem zorgen voor minder praktijk variatie tussen professionals in de rapportages. Daarnaast verwachten we dat deze techniek kan helpen om de doelmatigheid te bevorderen, door het verlagen van administratieve last voor o.a. de verzekeringsarts. Dit kan mogelijk ook de wachttijd voor cliënten verminderen door een snellere afhandeling van aanvragen.

Methode

Het onderzoek bestaat uit verschillende deelprojecten. Allereerst wordt geïnventariseerd welke bestaande NLP-systemen gericht op administratieve ondersteuning worden toegepast binnen de curatieve sector, bedrijfsgeneeskunde en private verzekeringsgeneeskunde. (Medisch-) professionals uit deze sectoren worden geïnterviewd om inzicht te krijgen in hun ervaringen met het gebruik van NLP, evenals in de belemmerende en bevorderende factoren die van invloed zijn op de acceptatie en implementatie van een op NLP gebaseerde tool. Vervolgens vindt een systematische review plaats naar de inzet van NLP als administratieve ondersteuning in de zorg op (inter-)nationaal niveau. In een later stadium wordt middels een validatiestudie onderzocht in hoeverre NLP-systemen kunnen worden ingezet om bijvoorbeeld gegevens en rapporten in de verzekeringsgeneeskundige praktijk samen te vatten, en of deze output van voldoende kwaliteit, nauwkeurig en zonder bias is. Afsluitend worden de effecten en kosteneffectiviteit van administratieve ondersteuning voor verzekeringsartsen in de praktijk onderzocht.

Product/implicaties voor de praktijk

Door inzicht te verkrijgen in bestaande tools, en de factoren die van invloed zijn op de acceptatie hiervan, alsook door aandacht voor een gedegen implementatie, hopen we dat in de toekomst op NLP gebaseerde ondersteuning verzekeringsartsen kan helpen om:

  • De kwaliteit van de verzekeringsgeneeskundige rapportages te verbeteren
  • De administratieve last te verlagen voor de verzekeringsarts, alsook sociaal medisch verpleegkundige en andere medische- en niet medische disciplines.
  • Onderlinge verschillen in praktijkvariatie en kwaliteit van beoordelingen en argumentatie tussen verzekeringsartsen te verminderen
  • Doelmatiger te werken bij de beoordeling van cliënten door tijd te besparen bij de personele tekorten
  • Wachttijden voor de cliënt bij de beoordeling te verminderen.

Huidige stand van het promotieonderzoek en planning

Inmiddels is het kwalitatieve onderzoek naar de gebruikerservaringen met betrekking tot de inzet van Natural Language Processing (NLP) als administratieve ondersteuning afgerond (Deelstudie 1). Hiervoor zijn (medisch) professionals uit diverse sectoren geïnterviewd en hun ervaringen met software met een NLP-component in kaart gebracht. De resultaten zijn verwerkt in een conceptartikel, met als doel de definitieve versie in Q1 2026 in te dienen bij een internationaal peer-reviewed tijdschrift.

In Q2 2026 gaat de tweede deelstudie van start, te weten een systematische review naar de inzet van NLP als administratieve ondersteuning in de zorg op (inter-)nationaal niveau. Deze studie onderzoekt hoe NLP-based systemen worden beschreven in de wetenschappelijke literatuur, met aandacht voor hun toepassingen, eigenschappen en impact binnen de gezondheidszorg.

Contact

Email: c.lausberg@amsterdamumc.nl
Update datum: 27-1-2026

Christine Lausberg per 15-12-2024

C. (Christine) Lausberg, MA BN

Junior Onderzoeker - Sociaal Medisch Verpleegkundige BIG nummer: 89921389230

Afdeling
Public & Occupational Health, Amsterdam UMC