Model gebaseerd op kunstmatige intelligentie helpt COVID-19 artsen om betere keuzes te maken 

>> Read this in English

Een vraag die ik me altijd stel is: kunnen we met betere inzichten op basis van beschikbare data onze klanten in de publieke sector verder helpen? Zeker dit voorjaar toen artsen razendsnel moesten leren omgaan met een onbekend virus, en een ziekteverloop dat ze niet uit de boeken kenden. In die periode had ik contact met IC-artsen Michel van Genderen en Diederik Gommers van het Erasmus MC. We hadden al vaker gesproken over data-oplossingen en ik vroeg of we met onze expertise op dat vlak tijdens deze crisis misschien iets voor het ziekenhuis konden betekenen. Daar hadden zij wel ideeën over en niet lang daarna gingen mijn collega’s Martijn Ludwig en Maren Diether daar aan de slag. Benieuwd naar hun ervaringen ga ik met ze om de tafel. 

COVID-19-patiënten korter op de IC

"De artsen daar hadden een acute uitdaging", vertelt Maren over het begin van het project. "Doordat er zo weinig bekend was over de ziekte, moesten ze het doen met wat ze daar zagen. Een van de vraagstukken was waarom sommige patiënten bepaalde complicaties kregen en anderen niet. Een arts had daar wel ideeën over, maar kon die nog niet onderbouwen met data." 

Maren en Martijn gebruikten data van 108 COVID-19-patiënten die dat voorjaar op de IC hadden gelegen om daarmee een model te trainen. Ze gebruikten daarvoor de software van SAS en konden ook een beroep doen op hun kennis over datagebruik in de gezondheidszorg. Maren en Martijn kozen bewust voor een redelijk eenvoudig model: een beslisboom. Martijn: “In een beslisboom kun je ook als leek elke stap goed volgen. Die link met de praktijk vinden wij belangrijk, want daardoor is de kans veel groter dat het model ook echt gebruikt gaat worden." 

Al binnen twee weken was er een voor de artsen bruikbaar model, dat hun hypothese onderbouwde. Nu ondersteunt het model de artsen: zij kunnen met behulp van dat model complicaties identificeren die, als vroegtijdig ontdekt, mogelijk iemand z'n tijd op de IC verkort. 

Dankzij nieuwe data-inzichten betere zorg

"En dat is precies wat we willen bereiken door data in de zorg in te zetten", zegt Martijn. "Samen met de professional de situatie analyseren, kijken wat hun precieze vraag is en dan op zoek gaan naar een bruikbaar model dat we vervolgens trainen met data.” Maren: “Daarmee zorgen we ervoor dat specialisten en andere zorgprofessionals hun werk beter kunnen doen, op basis van feiten.”

Dat is ook precies de rol die technologie en AI-modellen moeten hebben volgens mij. In elke fase van het gezondheidszorgproces zijn er data-oplossingen denkbaar: bij preventie, om het ziekteverloop te voorspellen, bij gepersonaliseerde zorg, noem maar op. Bij onze klanten kijken we altijd hoe ze hun dienstverlening kunnen ondersteunen: wij zetten ze in als middel, om professionals te ondersteunen om betere zorg te verlenen of hun werk op een andere manier beter te kunnen doen. Ze werken alleen als ze samen worden ontwikkeld. Alleen als we data- en zorgexpertise bundelen kunnen we écht impact maken. 

Gezamenlijke wetenschappelijke publicatie

De resultaten van het project zijn opgeschreven in een wetenschappelijk artikel dat recent is verschenen in The Journal of Clinical and Translational Research. Zo helpt het onderzoek niet alleen de artsen in het Erasmus MC in de praktijk, maar draagt het ook bij aan de verdere ontwikkeling van wetenschappelijke kennis over COVID-19. 

De gezondheids(zorg)toekomst van Nederland

Deloitte wil een actieve rol spelen in het gezondheidsecosysteem en samen met de andere partijen de in dit artikel genoemde verbeteringen versterken en versnellen. We zullen dat doen aan de hand van meerdere events: hackathons, ronde tafel discussies en C-level dialogen. Met als doel de verschillende partijen in het nieuwe gezondheidsecosysteem bij elkaar te brengen, en samen te verkennen welke allianties waarde kunnen opleveren.

Lees meer over de gezondheids(zorg)toekomst van Nederland.