Beslissingsondersteuning wordt onderdeel van zorg UMCG

Het UMCG in Groningen wil dat beslissingsondersteuning meer onderdeel wordt van de zorg. Daarbij richt het ziekenhuis zich niet alleen op de implementatie van beslissingsondersteuningssystemen en Artificial Intelligence (AI), maar op verbetering van het hele zorgsysteem door middel van een Learning Health System (LHS).  Dat moet onderzoek en zorg naadloos met elkaar gaan verbinden.

Vanuit haar werk in Groningen volgde Geertje de Boer de post-master Klinische Informatica van de TU/e gedaan. Haar eindopdracht was het ontwerp van een doelarchitectuur voor een Learning Health System.

Net als overal in de zorgsector is technologie ook in het UMCG niet meer weg te denken. De zorgprofessionals werken met een Elektronisch Patiënten Dossier (EPD). Dit dossier werd aanvankelijk vooral gebruikt als een administratiemiddel, maar is tegenwoordig uitgebreid met meer geavanceerde functionaliteiten.

Een voorbeeld daarvan is het toevoegen van beslissingsondersteuningssystemen (BOS) of Clinical Decision Support Systems. Die hebben als doel relevante klinische informatie aan te bieden op het juiste moment en aan de juiste zorgprofessional.

Learning Health System

De Boer: “Wat we echter vaak zien hier in het UMC is dat we heel veel slimme koppen in huis hebben die mooie dingen bedenken. Maar als die in de praktijk moeten worden gebruikt, blijven ze liggen. Daarom willen we vooral het Learning Health System structureel gaan ondersteunen. Denk bijvoorbeeld aan een onderzoeker die een mooi algoritme heeft bedacht en dat heeft gepubliceerd. Hoe zorg je ervoor dat het rechtstreeks bij de arts terechtkomt of bij de zorgverlener die het meteen kan gebruiken in de praktijk?”

Daar was nog geen model voor. “In de eerste fase moest ik als eindopdracht een doelarchitectuur neerzetten voor het Learning Health System. We hebben een schets gemaakt van de bouwblokken die nodig zijn om beslissingsondersteuning te implementeren binnen ons ziekenhuis. Maar ook voor de solutions bij verschillende use cases. Het uiteindelijke product is een LHS-doelarchitectuur geworden. Die geldt als basis voor de implementatiefase voor drie use-cases binnen het UMCG. Met behulp van literatuur, interviews, architectuur UMCG en de behoeften van de use-cases is het ontwerp tot stand gekomen.”

Eén ingang voor implementatie AI

Een van de voorwaarden van de post-masteropleiding van de TU/e is dat het ziekenhuis waar een opdracht loopt er beter van wordt. Dat is het geval in Groningen, verzekert De Boer. “We zijn een gigantische organisatie met meer dan12.000 medewerkers. Wat je vaak zag. was dat er geen ingang was voor mensen die met AI bezig zijn. Dan gaan vragen van het kastje naar de muur. Er zijn mensen die zeker projecten kunnen ondersteunen, maar het ontbreekt aan één ingang voor de vraag hoe AI je implementeert. Hoe zorg je ervoor dat de beslissingsondersteuning volledig geïntegreerd is in het proces van de zorgverlener?”

De Boer heeft dus samen met vier collega’s een team gevormd om de implementatie van AI te ondersteunen. “We willen echt zorgen dat er geïmplementeerd kan worden. En aar hebben we tijd en structureel support voor. We kennen de medical device regulations (MDR) en de wet en regelgeving rondom het inzetten van AI. In de onderzoeksfase hoef je daar nog geen rekening mee te houden. Maar zodra je een oplossing wilt gaan gebruiken, moet je voldoen aan de MDR. Dat pakken wij als team op. Een onderzoeker hoeft zich er dus niet in vast te bijten. Die structurele support daar wordt het UMCG beter van.”

Implementeren use cases

Dat ondersteunen gaat overigens veel verder dan alleen technologie, gaat De Boer verder. “Het gaat er ook om hoe je met elkaar samenwerkt. Welke mensen heb je nodig? Wat voor expertise? Ook educatie over het gebruik van beslissingsondersteuning moet worden opgepakt.”

Nu de doelarchitectuur staat, is de volgende fase begonnen: het daadwerkelijk implementeren van de use cases. “Daar gaan we nu mee aan de slag tot aan het einde van het jaar. Ook zijn we al bezig met use cases die er in de toekomst aankomen. De doelarchitectuur is in 2022 neergezet, maar er zijn continu ontwikkelingen dus we blijven door ontwikkelen. Kijk bijvoorbeeld naar de komst van ChatGPT. Wat betekent dat? AI krijgt een steeds grotere rol en impact, daarom moeten wij ook meebewegen. Dat is onderdeel van ons werk, dat wij op de hoogte blijven van al die ontwikkelingen.”

Levensverwachting bij heupfractuur

Een van de use cases die het komend jaar wordt geïmplementeerd, is een project van professor Job Doornberg in samenwerking met Harvard University. Daarin is een model ontwikkeld om de levensverwachting van patiënten met een heupfractuur op basis van botmetastasen te voorspellen. Het model geeft  een score voor de drie maanden- en één-jaarsoverleving van de patiënt.

De Boer: “Op basis daarvan is een beslissing te nemen om bijvoorbeeld een minder invasieve operatie te doen wanneer een patiënt een kortere levensverwachting heeft. Zo is er minder impact op de kwaliteit van leven van de patiënt, maar kan die wel mobiel kan blijven. Natuurlijk is AI maar een onderdeel voor  beslissingsondersteuning en samen beslissen met de patiënt. Wat vindt die belangrijk? Wil hij of zij überhaupt wel geopereerd worden? Daarnaast kijk je naar diagnostiek. Wat voor foto’s zie je, hoe ziet de breuk eruit? Wat zijn de lab-waardes? Ook kijk je naar het verleden van de patiënt.”

Klinische pijnregistratie

Een andere use case die komend jaar in de praktijk wordt genomen, is die van Sjaak Rekker (onderzoeker en verpleegkundig specialist), Kai van Amsterdam (data scientist) en Marjolein Haveman (onderzoeker en technisch geneeskundige). Het onderwerp is klinische pijnregistratie op de verpleegafdeling. Patiënten krijgen op vaste tijden de uitnodiging om de resultaten van de pijnzorg te rapporteren in hun eigen device. De resultaten komen vervolgens in het EPD terecht. Ze worden  waar nodig zonder uitstel geautomatiseerd doorgegeven aan de verpleegkundige. Nu gebruikt de patiënt een knop om een verpleegkundige te laten komen. Door zelf de pijn bij te houden via een vragenlijst, krijgt de verpleegkundige veel gerichter advies of bijvoorbeeld pijnstilling nodig is. Dat scheelt veel onnodige stappen voor de verpleegkundige.

Infinity loop

Achter het systeem zit nog een Learning Health System, legt ze uit. “Dit systeem is erop gericht om signalen die een indicatie kunnen zijn voor een verhoogd risico op chronische pijn tijdig op te pikken. Het is een infinity loop, die onderzoek weer terugbrengt naar de zorg, waaruit weer data terug gaat naar het onderzoek. Dat is onze wenselijke situatie van zo’n Learning Health System.”

De Boer hoopt dat deze manier van werken in de toekomst niks bijzonders meer is. “Ik hoop dat elk ziekenhuis of zorginstelling met zo’n naadloze verbinding van onderzoek en zorg kan werken.”