Artificial intelligence (AI) gaat artsen en verpleegkundigen van het Erasmus MC in Rotterdam helpen te voorspellen of een patiënt na een operatie opgenomen moet blijven óf aan kan sterken buiten het ziekenhuis. Vaak kan de ligduur korter: prettig voor zowel de patiënt als de zorg.
Behoud van de zorg van morgen: samenwerking tussen technici en medici
Over de afgelopen jaren is de druk op de zorg enorm toegenomen; de zorgvraag neemt toe en de middelen zijn niet onbeperkt. Om de zorg van morgen te waarborgen moeten we dus met elkaar op zoek naar andere manieren om de zorg te organiseren. Dat gebeurt in het Erasmus MC door innovatie in de vorm van data analytics en technologie. Ondanks dat onderzoek naar datagedreven toepassingen in een stroomversnelling is geraakt blijft de échte implementatie van AI-modellen aan het bed van de patiënt voorlopig uit (1). Er is een enorme kloof tussen de technische ontwikkeling van AI-modellen en integratie in klinische werkprocessen. De grote uitdaging is om AI van de zogenaamde ‘bytes naar de bedside’ te brengen. Om deze kloof te dichten- en AI schaalbaar, klinisch toepasbaar en verantwoord in te zetten- is het van cruciaal belang dat technici en zorgprofessionals de krachten structureel bundelen. Met dit doel voor ogen heeft het Erasmus MC de Datahub geopend (2). In de afgelopen twee jaar heeft de Intensive Care samen met de IT-afdeling al veel ervaring opgedaan met onderzoek naar- en toepassing van advanced-analytics. Deze opgedane kennis wordt nu ook met andere afdelingen (en ziekenhuizen) gedeeld en geïmplementeerd door structurele samenwerking van onder andere data-scientists, software-engineers, onderzoekers en zorgprofessionals in de Datahub.
AI ondersteunt ontslag na operaties
In samenwerking met de afdeling chirurgie van het Erasmus MC is het eerste AI-voorspelmodel ontwikkeld welke ‘live’ getest wordt in de kliniek. Dit model is getraind op vijf jaar aan data van ruim 6.000 operaties om te voorspellen of patiënten al na twee dagen na hun operatie, veilig buiten het ziekenhuis aan kunnen sterken (3,4). Het komt namelijk geregeld voor dat patiënten na een operatie langer opgenomen blijven dan noodzakelijk is (5). Voor de patiënt is het prettiger om vroegtijdig het ziekenhuis te verlaten en bovendien geeft tijdig ontslag artsen en verpleegkundigen meer lucht. Het AI-model, genaamd DESIRE (Discharge aftEr Surgery usIng aRtificial intElligence), voorspelt op dag twee na de operatie of een patiënt veilig het ziekenhuis kan verlaten, naar een gespecialiseerd verpleeghuis óf direct naar huis. DESIRE kan zorgprofessionals in de keuze voor ontslag ondersteunen, maar zal deze niet overnemen, zie ter illustratie Figuur 1.
Om tot deze voorspelling te komen maakt DESIRE gebruik van perioperatieve data. Onder meer wordt de conditie van de patiënt, het medicatiegebruik en de duur van de voorafgaande operatie ingevoerd (3). Daarnaast worden ook demografische kenmerken van de patiënt en vitale functies meegenomen.
Voor het eerste onderzoek zijn gegevens verzameld van patiënten geopereerd op de afdeling gastro-enterologische en oncologische chirurgie van het Erasmus MC. De externe validatie vond plaats op een gelijksoortige patiëntenpopulatie, geopereerd in de ziekenhuizen van Treant Zorggroep. Een belangrijk verschil is de complexiteit van de operaties die uitgevoerd worden in academische- en perifere ziekenhuizen; behandeling van slokdarmtumoren en sarcomen is bijvoorbeeld gecentraliseerd in academische centra. Ondanks deze verschillen behaalde DESIRE een area under the curve (AUC) van 0.88 (95% confidence interval 0.83–0.93) (3) en 0.83 (95% CI 0.81–0.85) (4), tijdens interne en externe validatie, respectievelijk. Deze resultaten laten zien dat DESIRE niet alleen ingezet kan worden in academische- maar ook in perifere ziekenhuizen én in de toekomst mogelijk zelfs op andere afdelingen.
Van bytes naar bedside
De komende tijd wordt in een prospectieve studie onderzocht hoe DESIRE presteert op de werkvloer. In deze studie worden met name de technische- en klinische haalbaarheid en de interactie met de eindgebruikers onderzocht. Resultaten van eerdere studies laten zien dat DESIRE potentieel op jaarbasis 260 opnamedagen per afdeling kan besparen (3,4). Hiermee kunnen bijvoorbeeld zorgkosten omlaag en wachtlijsten worden verkort en kunnen patiënten die dat het meeste nodig hebben ook de meeste aandacht krijgen.
DESIRE wordt eerst getest op de afdeling gastro-enterologische en oncologische chirurgie van het Erasmus MC, maar uiteindelijk is het streven het model in te kunnen zetten op meer afdelingen en in andere ziekenhuizen. Samen met de artsen en verpleegkundigen wordt de implementatie van DESIRE onder de loep genomen en na afloop van de studie volgt een evaluatie.
Meer informatie over de DESIRE studie of de Datahub? Kijk op deze site of stuur een e-mail naar datahub@erasmusmc.nl.
