Leren omgaan met menselijke onvoorspelbaarheid
Een van de moeilijkste vaardigheden voor beginnende artsen is het principe van ‘samen beslissen’. Ze moeten leren om wetenschappelijke inzichten af te wegen tegen de persoonlijke situatie, angsten en voorkeuren van de patiënt, maar die gesprekken lopen zelden volgens een vast scenario.
Traditioneel oefenen studenten dit via rollenspellen met professionele acteurs of medestudenten. Hoewel die methode waardevol is, brengt ze veel organisatie met zich mee en krijgen studenten slechts beperkte kansen om te oefenen. Professoren Pieter Van Bostraeten en Bert Aertgeerts klopten daarom aan bij Raccoons met een duidelijke vraag:
Kunnen we een veilige, schaalbare leeromgeving bouwen waar studenten lastige consultaties kunnen inoefenen met realistische digitale patiënten?
Een virtuele spreekkamer in de browser
Om de drempel voor studenten zo laag mogelijk te houden, moest het platform rechtstreeks in de webbrowser werken, zonder een aparte download of specifieke apparatuur. Achter de schermen schuilt een slimme combinatie van technologie.
Om de avatars realistisch te laten reageren, zette Raccoons MetaHuman-technologie uit Unreal Engine in. NVIDIA Audio2Face zorgt er vervolgens voor dat gezichtsuitdrukkingen en lipbewegingen automatisch synchroon lopen met de gesproken taal. Omdat zulke 3D-modellen te zwaar zijn voor de gemiddelde laptop, draait de zware grafische engine in de cloud en worden de beelden via pixel streaming vloeiend naar het scherm gestuurd. De tool werkt dus op vrijwel elk toestel met internettoegang.
Ook de stemmen kregen bijzondere aandacht. Een standaard Nederlandse computerstem klinkt al snel afstandelijk in een Vlaamse context. Daarom trainde het team via ElevenLabs eigen stemmodellen met herkenbare regionale accenten, zoals Limburgs, Antwerps en Vlaams-Brabants.
Patiënten met karakter en weerstand
De avatars zijn geen eenvoudige chatbots met een medische checklist. Een centrale orchestrator stuurt de interactie aan en koppelt spraakherkenning, het taalmodel en spraaksynthese achter de schermen vlot aan elkaar. Elke avatar heeft een zorgvuldig opgebouwd profiel met een eigen achtergrond, karaktertrekken en spreekstijl. Daarnaast krijgen ze een specifieke medische casus met achterliggende zorgen.
Een voorbeeld is Sanne, een 29-jarige alleenstaande moeder. Tijdens de consultatie ligt de plaatsing van buisjes bij haar zoontje op tafel, maar Sanne is doodsbang voor de algemene verdoving door een nare ervaring in haar familie. Wie als student direct vervalt in medisch jargon of haar bezorgdheid negeert, merkt dat Sanne dichtklapt of defensief reageert. Pas wanneer de student empathisch luistert en helder uitleg geeft, ontstaat er ruimte voor een echt gesprek.
Via verschillende moeilijkheidsgraden leren studenten omgaan met patiënten die belangrijke details achterhouden of weerstand bieden wanneer ze zich niet begrepen voelen.
Directe feedback zonder faalangst
Leren lukt natuurlijk pas wanneer je weet wat er beter kan. Na afloop van elk gesprek analyseert een evaluator-LLM het volledige transcript aan de hand van vooraf bepaalde communicatiedoelen. Binnen enkele seconden krijgt de student gestructureerde, persoonlijke feedback: wat liep er vlot, hoe werd er gereageerd op non-verbale signalen en welke belangrijke vragen bleven liggen?
Doordat die terugkoppeling meteen volgt, kunnen studenten dezelfde situatie meteen opnieuw spelen met een andere aanpak of toon. Bovendien is het hele platform gebouwd volgens de regels van de GDPR en de EU AI Act. Zo krijgen studenten een veilige plek om fouten te maken zonder dat er reële gevolgen aan verbonden zijn.
Benieuwd naar de technische details achter deze case? Op de website van Raccoons vind je de Engelstalige oorspronkelijke case terug.