nlaic logo


 

Usecase Pacmed

Transcript:

Pacmed ontwikkelt software voor de zorg op  basis van machine learning en wij proberen   artsen daarbij te helpen in het nemen van  beslissingen op basis van patiënten in het   verleden. Dus onze algoritmes analyseren  duizenden kenmerken van enorme hoeveelheden   patiënten in het verleden en vergelijken die  patiënten met de patiënt die tegenover een arts   zit om te bedenken wat de beste behandelkeuze zou  kunnen zijn. Om een voorbeeld daarvan te geven:   Wat we nu implementeren op de intensive care  afdelingen in Nederland is Pacmed Critical   en Pacmed Critical voorspelt voor alle patiënten  die in aanmerking komen voor ontslag wat de kans   is op een negatieve uitkomst van dat ontslag.  Dat geldt dan als beslissingsondersteunende   informatie voor de arts om het adequate  moment van ontslag te vinden op de IC. De AI component; de voorspelling is  gebaseerd op artificiële intelligentie,   of machine learning noemen wij dat zelf wat  liever. Dat algoritme heeft duizenden, al dan   niet tienduizenden patiënten in het verleden  gezien, en heeft van daaruit geëxtraheerd welke   kenmerken van patiënt en opname maken dat  een patiënt een hoger of een lager risico   heeft op een heropname dan andere patiënten.  Die intelligentie is ook de intelligentie   die gebruikt wordt om die voorspelling dus te  brengen naar de zorgverlener en op die manier   hopen wij dus ook dat we een lerend systeem van  de zorg kunnen maken en dat er continu door middel   van slimme algoritmes wordt geleerd van alle  beslissingen die er in de zorg genomen worden,   omdat dat nu nog vrij weinig gebeurt in de  praktijk. Wat wij zien met het product op de   intensive care; als wij de situatie met en zonder  algoritme retrospectief vergelijken, dus op basis   van historische data, nog niet prospectief en  in trial of iets dergelijks, dan verwachten   wij gezamenlijk met de arts-onderzoekers, (Dat  zijn dan scenario's die we samen met de dokters   ook door rekenen.) dat wij een positieve impact  kunnen hebben op zowel het aantal heropnames en   heropnames zijn heel vervelend voor patiënten  en wil je ten alle tijde voorkomen aangezien   een heropname vaak gepaard gaat met een hele  grote achteruitgang van de klinische situatie   van de patiënt en ook vaak een verhoogde kans op  te komen overlijden op de IC. Dus een positieve   impact op het aantal heropnames en ook een  positieve impact op de gemiddelde ligduur op   de intensive care wat ook voor patiënten een heel  belangrijke uitkomstmaat is aangezien je niet te   lang wil liggen op de IC omdat dat vaak negatieve  mentale en fysieke consequenties heeft. Dus,   omdat wij op die twee vlakken denken waarde te  kunnen toevoegen zijn artsen ook echt enthousiast   om te zien of dat ook daadwerkelijk in de  praktijk gebeurt, en zijn ze ook blij met de   manier waarop we echt synergie daarin proberen te  creëren en de arts proberen te verrijken en niet   proberen te vervangen of iets dergelijks.  Er zijn ook wel voorbeelden in het verleden in   de zorg geweest dat technologiebedrijven  daar een wat andere insteek kozen en die   konden denk ik op wat minder draagvlak rekenen  dan dat wij gelukkig wel hebben in de zorg..