Inzet van AI-modellen om kwaliteit van zorg te verbeteren

Op een intensive care unit (ICU) is er veel aandacht voor de levensreddende acute zorg. In tijden van drukte komt daardoor juist de chronische zorg het meest onder druk te staan, omdat personeel en middelen ingezet moeten worden voor de acute zorg. Hierdoor is er minder tijd en aandacht voor de net zo belangrijke, maar minder urgente zorgzaken, zoals mobiliseren van de patiënt, het doen van slikoefeningen, zelfstandig leren ademen, en gesprekken met patiënt en familie over behandeldoelen en -wensen. Deze relatief minder urgente zorgtaken hebben juist relatief veel tijd en aandacht nodig, waardoor voldoende personele inzet een vereiste is voor het garanderen van die zorg.

Momenteel wordt gewerkt aan het optimaliseren van een dashboard zodat het AI-model gebruikt kan worden door afdelingsmanagers, teamleiders en roosteraars. Vooral de 'IC-lang ligger' heeft hier baat bij, omdat bij voorspelde drukte er tijdig extra ondersteuning ingepland kan worden, niet alleen IC-verpleegkundigen, maar ook ondersteuners, zodat belangrijke handelingen voor verder herstel doorgang kunnen vinden. Aan de andere kant kan wellicht ook vroeg in het ziekteproces voorspeld worden dat een patiënt zeer waarschijnlijk langdurig op de IC zal verblijven zodat zo snel mogelijk gestart kan worden met een plan van aanpak gericht op langdurig reconditionering en revalidatie.

Op het moment van schrijven wordt het genoemde AI-model nog in de dagelijkse praktijk gevalideerd. Daarbij is er initieel met name aandacht voor het gebruiksgemak en de betrouwbaarheid om acceptatie op de werkvloer te optimaliseren. Na een half jaar en een jaar zal er een evaluatie plaatsvinden, waarbij wordt bepaald of het model voldoende informatie geeft en betrouwbaar is om ook de manier van roosteren van personeel op een flexibelere manier aan te gaan pakken. Na die implementatie zal geëvalueerd worden wat het effect hiervan is op de kwaliteit van de geleverde zorg aan patiënten die langdurig op de IC worden behandeld. Een betere beschikbaarheid van benodigd personeel van verschillende disciplines kan hier immers een goede basis voor zijn. Daarnaast zal het AI-model op regelmatige basis getest en geoptimaliseerd worden om drift te voorkomen.

Tegelijkertijd zijn er inmiddels al contacten met andere ziekenhuizen die interesse hebben getoond om het model in hun ziekenhuizen te valideren. Door deze schaalvergroting kan verdere verbetering van de betrouwbaarheid van het model sneller plaatsvinden. Daarnaast vinden er gesprekken plaats met verschillende partners om AI-modellen voor ontslagplanning en capaciteitsbehoefte van IC-patiënten verder te ontwikkelen en testen.

Publicaties

• Dutch IT Leaders - KPMG, Gelre ziekenhuizen en SAS optimaliseren planning intensive care met AI
• AI voorspelt drukte op IC Gelre Ziekenhuizen - ICT Magazine
• Gelre ziekenhuizen, SAS en KPMG werken samen aan betere planning op de intensive care met AI | Voorster Nieuws
• KPMG en SAS maken ai-tool voor IC Gelre Ziekenhuis | Computable.nl
• Betere personeelsbezetting IC dankzij AI-model van Gelre ziekenhuizen, SAS en KPMG | Het laatste nieuws uit Zutphen en Warnsveld (contactzutphen.nl)
• Algoritme voorspelt toestroom op IC Gelre ziekenhuizen - Skipr
• Dutch IT Channel - KPMG, Gelre ziekenhuizen en SAS optimaliseren planning intensive care met AI
• Betere zorg en minder uitval van personeel dankzij kunstmatige intelligentie in Apeldoorns ziekenhuis | Apeldoorn | AD.nl