“AI als hulpmiddel om ziekenhuisopnames van hartpatiënten te voorspellen”

Jasper Selder
©Jasper Selder

Jasper Selder

Secretaris van de eHealth & AI-werkgroep van de Nederlandse Vereniging voor Cardiologie en cardioloog en biomedisch ingenieur bij de afdeling Cardiologie van het Amsterdam UMC

“Triage van hartpatiënten door artificiële intelligentie (AI) kan de zorg efficiënter maken, bijvoorbeeld door het voorspellen van ziekenhuisopnames bij hartpatiënten.”

Cardiologische zorgvraag neemt toe

“Er is in Nederland onvoldoende personele capaciteit om aan de alsmaar stijgende zorgvraag te voldoen. Om onze zorgteams ook in de toekomst vitaal te houden is het essentieel dat we andere manieren exploreren om toch aan die zorgvraag te kunnen voldoen.”

CHARP project

“Er is een schat aan gestructureerde en ongestructureerde zorgdata uit het elektronisch patiëntendossier (EPD) beschikbaar; deze data is echter door de enorme omvang niet meer te interpreteren door de arts en verpleegkundige op de poli. Het Cardiology Hospital Admission Risk Predictor (CHARP) project biedt een oplossing voor dit probleem.

Er is een algoritme (artificieel neuraal netwerk) getraind om opnames van hartpatiënten te voorspellen op basis van alle beschikbare data in het EPD, in totaal ongeveer 20 miljoen datapunten van 80 duizend hartpatiënten.

Het algoritme is getraind doordat het aan zeer veel data/voorbeelden is blootgesteld. Daardoor is het algoritme in staat data van individuele patiënten binnen een seconde te analyseren en te presenteren in het EPD als ‘risico op opname in de komende maand’ en in een lijst met de hoogste risico patiënten. Het algoritme is dus een hulpmiddel voor het beter kunnen bepalen in welke risicogroep een patiënt valt. De hoog-risico patenten kunnen vervolgens vroegtijdig extra zorg krijgen, waardoor een ziekenhuisopname voorkomen kan worden. Dit zorgt uiteindelijk voor duurzame inzetbaarheid van onze zorgmedewerkers en verbetering van kwaliteit van leven voor de patiënt.”

CHARP project

Integratie in het elektronisch patiëntendossier

“Het is belangrijk om het algoritme na training en validatie te integreren in de dagelijkse poliklinische workflow, in het EPD. Vanaf het begin van het ophalen van data en het trainen van het netwerk wordt al rekening gehouden met de uiteindelijke integratie in het EPD, CE-markering en het beheer van het algoritme.” 

In de praktijk

“Als je als arts op de polikliniek bent, en tegenover de patiënt zit, kun je een eenvoudige score op je scherm zien. De score tussen de 0 en 100% geeft aan hoe groot het risico is dat de patiënt de volgende maand opgenomen moet worden, volgens het AI-algoritme. Deze score heeft het algoritme bij het openen van het patiëntdossier in enkele seconden berekend op basis van alle gegevens die in het dossier staan. Een arts zou hier uren over doen. De score kan helpen om beter in te schatten of de patiënt de komende tijd extra zorg en aandacht nodig heeft. Dit kan vervolgens direct met de patiënt besproken worden.”

Jasper Selder CHARP project Amsterdam UMC

Uitbreiding naar andere ziekenhuizen

“Bij bewezen (kosten)voordelen volgt het omzetten naar haalbare processen en het verbeteren daarvan. En dan kan het algoritme ook in andere ziekenhuizen toegepast worden. Zo kan AI helpen om de zorg voor hartpatiënten op grote schaal te verbeteren.”

AI-platform Amsterdan UMC
AI-platform Amsterdam UMC