Hoe kunnen chatbots, gebruik makend van RAG en NLP, bijsluiters begrijpbaar maken?
Hogeschool West-Vlaanderen
2025
De centrale onderzoeksvraag van deze bachelorproef luidt: Hoe kunnen chatbots, gebruikmakend van RAG en NLP-technologieën, bijsluiters begrijpbaarder maken? Het doel van het onderzoek was om na te gaan hoe artificiële intelligentie ingezet kan worden om medische informatie toegankelijker te maken voor een breed publiek, waaronder jongeren, ouderen en mensen met beperkte gezondheidsvaardigheden.
Het project bestond uit een literatuurstudie naar bestaande NLP-technieken, gevolgd door de ontwikkeling van een werkende demo van een AI-chatbot. Deze chatbot maakt gebruik van Retrieval-Augmented Generation (RAG), Azure AI Search en GPT-technologie om informatie uit medische bijsluiters te extraheren, te vereenvoudigen en aan te bieden via een gebruiksvriendelijke interface.
Tot slot werd de oplossing kritisch geëvalueerd aan de hand van feedback van experten uit het werkveld, zoals VITO, het FAGG, en softwareontwikkelaars en marketing directors uit de medische sector.
Positieve elementen in de evaluatie waren de technische haalbaarheid, de intuïtieve gebruikerservaring en de schaalbaarheid van het systeem. Negatieve of kritische aandachtspunten betroffen vooral de juridische en ethische grenzen, het risico op misinterpretatie, en de nood aan duidelijke afbakening van wat het systeem wel
en niet mag doen.
De belangrijkste elementen in het advies zijn dan ook het vermijden van persoonlijke data, het beperken van de reikwijdte van de chatbot tot informatieve antwoorden, en het voorzien van een heldere juridische en echnische structuur. De conclusie van het project luidt dat AI-chatbots een waardevolle bijdrage kunnen leveren aan begrijpelijke gezondheidsinformatie, op voorwaarde dat ze zorgvuldig ontworpen, beperkt ingezet en
voortdurend gemonitord worden.
Meer lezen