Algoritme adviseert intensivist: samenwerking Pacmed en Amsterdam UMC

Scaleup Pacmed en Amsterdam UMC gaan een intensieve samenwerking aan om door middel van machine learning de zorg op de intensive care te verbeteren. “We gaan geen modellen maken om het modellen maken. We willen door de inzet van machine learning praktische oplossingen verzinnen voor dagelijkse uitdagingen op de werkvloer”, zegt Paul Elbers, intensivist in het Amsterdam UMC.

“Wij hielden ons al bezig met big data voordat het hip werd”, grapt Elbers. Hij werkt als intensivist op de Intensive Care van het Amsterdam UMC. Op de IC worden ieder moment van de dag vitale functies van patiënten gemonitord en geregistreerd. “Dat komt neer op zo’n 30.000 datapunten er dag. De IC is altijd vooruitstrevend geweest op het gebied van digitalisering, met name als het gaat om opslaan van gegevens in elektronische patiëntendossiers. Wij houden ons ook al een paar jaar bezig met data en machine learning, maar misten een geschikte partner om hier verder in te groeien en dit in de praktijk uit te rollen.

Elbers loopt Willem Herter tegen het lijf, mede-oprichter van Pacmed. Pacmed is een Nederlandse scaleup die machine learning toepassingen voor de zorg ontwikkelt. “Pacmed is een ambitieus bedrijf met veel technologische kennis en tegelijkertijd een sterk gevoel voor sociaal ondernemen. Het klikte meteen”, vertelt de intensivist.

Concrete en urgente vraagstukken oplossen

Er start een samenwerking tussen Pacmed en het Amsterdam UMC. De twee partijen hebben als gezamenlijk doel om toepassingen te ontwikkelen en testen op het gebied van machine learning in relatie tot de intensive care. “Ik loop in mijn dagelijkse werk tegen talloze grote en kleinere uitdagingen aan”, zegt Elbers. “Daar willen we praktische oplossingen voor verzinnen door middel van machine learning en algoritmen.”

Willem Herter vult aan: “Daar waar er in het verleden ook wel eens oplossingen in de zorg gepresenteerd werden waar het probleem nog bij gezocht moest worden, vonden wij het heel belangrijk dat het algoritme dat we gingen ontwikkelen daadwerkelijk antwoord geeft op concrete en urgente vraagstukken in de praktijk. Daarom zijn wij met verschillende intensivisten om de tafel gegaan om tot de complexe, routinematige beslissing van het al dan niet ontslaan van patiënten naar de verpleegafdeling te komen. Het feit dat dit door de artsen zelf is aangedragen als een geschikte casus, vergroot de kans dat de software die we ontwikkelen daadwerkelijk waarde toevoegt in de praktijk.”

Naast de vereiste dat de ontwikkelde modellen een concreet probleem moeten aanpakken, ligt er ook een stevige nadruk op de implementatie van zo’n model. Het daadwerkelijk inzetten van een toepassing bij de patiënt. “Veel applicaties blijven hangen in de conceptfase. Men maakt alleen een model, maar er wordt niet getoetst op de werkelijke waarde”, legt Elbers uit. “Dat is zonde van tijd en geld.”

Het adequate moment van ontslag

Het eerste model dat Amsterdam UMC en Pacmed hebben ontwikkeld, ondersteunt bij het bepalen van het adequate moment van ontslag van de Intensive Care naar de reguliere verpleegafdeling. Op de Intensive Care worden de ziekste patiënten behandeld. Deze patiënten liggen op de Intensive Care omdat hun vitale functies instabiel zijn en deze continu gemonitord moeten worden. Een patiënt te vroeg ontslaan is erg gevaarlijk, omdat dan de kans bestaat dat iemand op de verpleegafdeling achteruit gaat en in een nog slechtere staat terugkeert naar de IC, met een verhoogd risico op mortaliteit. Te lang op de Intensive Care verblijven is echter ook niet goed, gezien patiënten daar fysiek en mentaal achteruit gaan. Bovendien zijn de bedden op de IC duur (zo’n 2500 euro per patiënt per dag) en schaars.

Intensivisten bepalen wanneer een patiënt veilig overgeplaatst kan worden naar de verpleegafdeling “Die keuze maken we nu op basis van onze klinische expertise en een momentopname, hoe gaat het nu met deze patiënt”, vertelt Elbers. “Je kan immers niet in de toekomst kijken, maar bent als mens ook niet in staat om je door een volledig dossier en alle datapunten heen te ploegen. Dat leent zich dus uitstekend voor ondersteuning door een computer.”

Advies van het algoritme

Het model gericht op heropname biedt ondersteunde informatie voor de intensivist. Op basis van data uit het verleden toont het algoritme de kans dat een patiënt binnen een week na ontslag opnieuw opgenomen zou moeten worden. “Door het slim inzetten van machine learning is het mogelijk om het overzicht te behouden van, en patronen te herkennen in, de grote hoeveelheden gegevens die op de Intensive Care continu gegenereerd worden. De data die verzameld wordt, reflecteert echter niet de gehele informatie van een patiënt. Door dit soort technologie op de juiste manier in te passen in de werkwijze van de dokter, creëren we de belangrijke synergie tussen computer en de onvervangbare kwaliteiten van een arts”, legt Herter uit.

Elbers: Natuurlijk is het wennen om jouw keuze mede te laten bepalen door een computer. Maar als je een paar keer ziet hoe jouw observaties en het advies op basis van het algoritme overeen komen, dan krijg je er vanzelf meer vertrouwen in.”

Voordat het model in het ziekenhuis ingezet mag worden, moet het een CE-markering hebben. Dat traject wordt binnenkort afgerond. Daarna wordt op de IC standaard het algoritme ingezet. Overigens gaat niet alleen het Amsterdam UMC het heropname algoritme testen op de IC. De IC’s van een paar andere ziekenhuizen in Nederland bekijken of het algoritme ook toe te passen is hun datastromen, reeds met succesvol resultaat. Andere afdelingen binnen het ziekenhuis hebben ook al interesse getoond, vertelt Elbers, zo is de Spoedeisende Hulp van het UMC ook in contact met Pacmed voor een model passend bij hun datastroom.

Pacmed en Amsterdam UMC

Scaleup in het ziekenhuis

Pacmed en Amsterdam UMC sloten een samenwerking voor elf jaar. Eigenlijk is het nog voor tien jaar, want het eerste jaar zit er al op (maar wordt met terugwerkende kracht meegerekend). Hoe verloopt de samenwerking tussen de scaleup en het ziekenhuis? “Ik vind het heel verfrissend”, zegt Elbers. “Het team van Pacmed denkt op een andere manier na, buiten de gebaande paden. Ze willen graag vooruit, dus gaan stevig tegen de logge bureaucratie van het ziekenhuis in.”

Herter vult aan: “Wij leren enorm veel van de intensivisten van het Amsterdam UMC, en we zijn blij om te merken dat wij de artsen helpen om kennis en competentie op te bouwen over data science. Dit helpt bij het scheppen van de nodige randvoorwaarden van een meer datagedreven zorg.”