Ga naar hoofdinhoud
3 december 2020
Data & AI
Nieuws

Bart-Jan Verhoeff over het SAZ programma Artificial Intelligence

Update: een half jaar na publicatie van onderstaand artikel is het Expertisecentrum Zorgalgoritmen van start gegaan.

Met artificial intelligence (AI) kun je voorspellingsmodellen maken die je als medisch specialist makkelijk kunt toepassen in de patiëntenzorg. Het is slim als we dit gezamenlijk als regionale ziekenhuizen in eigen hand verder ontwikkelen. Bart-Jan Verhoeff, internist-nefroloog en CMIO van St Jansdal Ziekenhuis waarschuwt: als we wachten, dan missen we de boot en worden we afhankelijk van commerciële partijen. Hij is enthousiast om dit samen met de regionale ziekenhuizen verenigd in de SAZ op te pakken. Er is al een expertgroep AI waarin AI specialisten uit 4 SAZ ziekenhuizen en het St Antonius ziekenhuis meedoen. Bart-Jan vertelt.

Wat kun je met zulke voorspellingsmodellen?

Bart-Jan heeft inmiddels een 6 tal modellen ontwikkeld op geleide van de expertgroep, waaronder:

  • SEH-opname model: hiermee kun je al na een kwartier goed voorspellen of een patiënt die binnenkomt op de SEH ook daadwerkelijk opgenomen gaat worden en of die opname langer dan 48 uur duurt. Dit helpt je ook om het logistieke proces erachter goed te organiseren.
  • Heropnamemodel: tijdens ontslag wil je kunnen voorspellen welke patiënt binnen 30 dagen weer wordt opgenomen. Deze patiënt verdient extra zorg en follow-up en andere patiënten misschien wel minder.
  • Mortaliteitsmodel: je wil natuurlijk zo snel mogelijk de kwetsbare patiënten detecteren en weten wie gaat verslechteren. Met het ontwikkelde model kunnen we beter voorspellen wie echt kwetsbaar is. Dit helpt je om je beleid te bepalen.

Deze modellen dienen vooral als hulpmiddel voor het behandelteam. De dokter is altijd medisch verantwoordelijk en bepaalt zelf altijd het beleid. Met deze voorspellingsmodellen kun je sneller signaleren of een patiënt achteruit gaat en kun je dus ook sneller ingrijpen. Het leidt daarmee ook tot minder kosten.
Bart-Jan verwacht, dat als een groep wijze dokters bij elkaar voldoende tijd neemt om een patiënt goed uit te pluizen, dat je dan tot een zelfde inzicht kunt komen. Alleen: dat is niet reëel. Die tijd is er niet.

Wat weerhoudt ons om deze modellen meteen toe te passen?

“Voordat we zover zijn moeten we eerst nog een paar stappen zetten”, vertelt Bart-Jan.
“Op basis van het ontwikkelde model kunnen dokters nu in ons (Epic) ziekenhuis St Jansdal voor elke patiënt een voorspellende grafiek maken hoe een patiënt zich ontwikkelt gedurende (bijvoorbeeld) de presentatie op de SEH. In het EPD is hiervoor een aparte tab gemaakt.”

Kun je dit nu ook al toepassen in een ander ziekenhuis?

Bart-Jan is dit in het BovenIJ ziekenhuis aan het testen in HiX, samen met CIO Guido Zonneveld. “Als dat lukt hebben we voor 90% van de ziekenhuizen in Nederland een oplossing die werkt. In het BovenIJ ziekenhuis hebben we inmiddels een aantal modellen gemaakt. Het kostte ongeveer twee weken om de software voor het eerst te configureren voor de HiX-database. De modellen moeten nog wel geoptimaliseerd worden, en de interface voor de dokter moet vervolgens ingeschakeld worden. In het volgende HiX ziekenhuis kan de software binnen een paar dagen worden geïmplementeerd.”

Het klinkt zo simpel – kunnen we dit als het werkt in het BovenIJ ziekenhuis ook meteen in al onze andere SAZ ziekenhuizen toepassen?

Volgens Bart-Jan zijn er drie belangrijke stappen om te nemen voordat we het breed toe kunnen passen:

  1. “In feite hebben we nu twee modellen. Eén voor St Jansdal en een voor BovenIJ. We willen van beide modellen de sterkste voorspellers overhouden, om tot 1 overkoepelend model te komen dat voor beide ziekenhuizen goed voorspelt. We moeten nog wel werken aan het overkoepelend trainen van dit model, maar ….
  2. een grotere stap is het verkrijgen van de CE markering. Zodra je deze modellen wilt gebruiken bij de behandeling van patiënten, is het een medisch instrument. En daarvoor is de CE markering nodig. Hiervoor moeten we aantonen dat we voldoen aan regels van kwaliteits- en risico management, er moet goede documentatie en validatie van het model liggen en gebruikers moeten goed opgeleid zijn. Tot die tijd mag je het niet gebruiken voor patiëntenzorg. Als individueel regionaal ziekenhuis is dit niet haalbaar. Maar wél als we het als SAZ ziekenhuizen gezamenlijk doen. We kunnen dan een blauwdruk ontwikkelen en die CE laten markeren.
  3. kennis over AI in alle ziekenhuizen vergroten.”

Waarom niet simpel van een commerciële partij afnemen?

“Financieel gezien kun je het veel beter zelf ontwikkelen. Met de software die wij hebben ontwikkeld zijn de kosten lager én kunnen we tegelijkertijd in eigen beheer veel verschillende modellen maken. Je betaalt dus niet voor telkens een nieuw model, maar je draagt als ziekenhuis bij aan de gezamenlijke ontwikkeling. En kunt dus zelf ook de richting bepalen.”

Die modellen zijn er toch allang? Amerikaanse modellen kun je gratis afnemen.

“Jazeker. Epic biedt verschillende algoritmes voor weinig aan. Die zijn echter gebaseerd op Amerikaanse data en zijn om die reden niet toepasbaar op onze Nederlandse patiënten. Je hebt modellen nodig die gebaseerd zijn op Nederlandse data. En dat is nou net de kracht van onze regionale ziekenhuizen: we behandelen immers vergelijkbare patiënten – dat zijn andere patiënten dan die bijvoorbeeld worden behandeld in universitaire of topklinische ziekenhuizen. Als ziekenhuis moet je echt kritisch zijn op AI-modellen wanneer je ze werkelijk gaat inzetten voor klinische beslissingen. Je wilt bijvoorbeeld zeker weten dat een model of algoritme betrouwbaar is, met welke data het is getraind, en hoe je de uitkomsten mag interpreteren.”

Kunnen ziekenhuizen nog even wachten voor ze iets met AI gaan doen?

“De ontwikkelingen gaan snel. Het is dus goed mogelijk dat wetenschappelijke verenigingen het toepassen van bepaalde algoritmes als minimum eis gaat stellen. Dan word je als ziekenhuis voor een voldongen feit gesteld en word je gedwongen om het van een commerciële partij af te nemen, tegen kosten die vele malen hoger zijn.”

Waarom niet samenwerken met Nederlandse universiteiten – zij zijn hier toch ook mee bezig?

“Jazeker, alle universiteiten zijn hier mee bezig. Zij ontwikkelen de algoritmes ook zelf, maar vaak samen met een bedrijf dat de CE markering regelt en het model in de markt zet. Vervolgens kunnen wij dat model dus als regionaal ziekenhuis op onze beurt weer kopen – en moet het model weer getraind worden op onze eigen data om het voor onze patiënten en ziekenhuizen toepasbaar te maken.”

Waarom pak je dit niet op met een commerciële partij?

“Als ik de rekeningen voor ICT toepassingen zie, dan verbaas ik me over de omvang van die bedragen. Dat moeten we voor minder kunnen doen. Ik ben als medisch specialist al bevoorrecht. Het zou niet juist zijn om de zorg af te gaan romen. Ik draag liever bij aan het verminderen van die ICT kosten. Als we dit binnen de SAZ oppakken, kunnen we de kennis van AI bij alle ziekenhuizen verder laten groeien tegen zo laag mogelijke kosten. We kunnen SAZ ziekenhuizen gaan scholen in het trainen van nieuwe lokale algoritmen. En als we het zelf doen dan ben ik ervan overtuigd dat de technische en klinische implementatie nog beter gaat omdat we nauw bij de ontwikkeling betrokken zijn.”

Is het niet arbeidsintensief, het telkens opnieuw ontwikkelen van een model?

“Als je de data één keer netjes geordend hebt, dan kun je makkelijk en snel nieuwe predictiemodel maken. Inmiddels heb ik met een programmeur de software verder ontwikkeld om hetzelfde trucje meer geordend en veel robuuster te doen, zodat we snel meer modellen kunnen ontwikkelen.”

Moet je als ziekenhuis niet ook over een dataplatform beschikken?

“Je hebt inderdaad zo’n platform nodig. Er zijn commerciële partijen die dat leveren. Die zijn ongelooflijk duur. Vervolgens heb je ook nog de kennis nodig om zo’n platform in te richten. En dit is precies wat wij hebben ontwikkeld. Dus ziekenhuizen kunnen aanhaken zonder de specialistische kennis zelf in huis te halen. We kunnen dit gezamenlijk inzetten, zonder heel hoge kosten. Op deze manier beschikken we als SAZ ziekenhuizen over een softwareplatform waarmee machine learning algoritmen:

  • kunnen worden gecreëerd (‘getraind’) op basis van data van de SAZ ziekenhuizen.
  • voorspellingen kunnen doen, op basis van nieuwe data. Deze kunnen geïntegreerd in bestaande applicaties worden weergegeven.”

Wat is je oproep aan de SAZ ziekenhuizen?

“Doe mee! Ik ben in gesprek met de SAZ om een voorstel uit te werken om dit gezamenlijk als ziekenhuizen op te pakken. Dan hebben we straks een fantastisch fundament waar niemand om heen kan. Vergelijk het met BeterDichtbij. Dat is een geweldig succes en is ook vanuit de SAZ ziekenhuizen ontstaan.”

Hoe reageren collega’s?

“Het valt en staat bij het enthousiasme van de zorgprofessionals. De integratie in het dagelijkse werkproces is cruciaal, anders kom je nergens. Dat betekent dat het model geïntegreerd moet zijn in het elektronisch patiëntendossier. En dat moet feilloos werken. Ik heb het model laten zien aan SEH artsen en iedereen was laaiend enthousiast. “Hé, die patiënt, die gaat inderdaad naar huis!”.
Laten we onze krachten als SAZ ziekenhuizen nog verder bundelen Als we deze ontwikkeling met meer ziekenhuizen doorpakken, hebben we een grote voorsprong. Door samen te werken krijgen we schaalgrootte.”

Meer informatie

Neem contact op met Yvonne Snel: y.snel@saz-ziekenhuizen.nl

Verder lezen?