SAMENWERKING ROND DATA ZIEKENHUIZEN
Data standaardiseren maakt informatie-uitwisseling tussen ziekenhuizen mogelijk. Bovendien laat de grote hoeveelheid data toe om AI-modellen te trainen en op termijn de zorg te ondersteunen. “Door transmurale gegevens over het hele traject van een patiënt te analyseren: van de eerste ziektesignalen tot de finale uitkomst na behandeling, krijgen we belangrijke inzichten.”
SAMENWERKING ROND DATA ZIEKENHUIZEN
Data standaardiseren maakt informatie-uitwisseling tussen ziekenhuizen mogelijk. Bovendien laat de grote hoeveelheid data toe om AI-modellen te trainen en op termijn de zorg te ondersteunen. “Door transmurale gegevens over het hele traject van een patiënt te analyseren: van de eerste ziektesignalen tot de finale uitkomst na behandeling, krijgen we belangrijke inzichten.”
Chief Innovation Officer prof. ir. Peter De Jaeger en innovatiecoördinator Kim Denturck.
Het leer- en innovatiecentrum RADar van AZ Delta diende samen met acht andere Belgische ziekenhuizen het FHIN-project in na een oproep van de FOD Volksgezondheid. Die maakte budget vrij voor projecten rond het hergebruik van secundaire data. “FHIN staat voor Federated Health Innovation Network”, legt innovatiecoördinator Kim Denturck uit. “Onze focus ligt op het structureren van data om ze beter te kunnen hergebruiken. Daarvoor werken we samen met UZ Brussel, CHU Liège, Imelda-ziekenhuis, AZ Klina, UZA, AZ Sint-Jan, Ziekenhuis Oost-Limburg en UZ Gent. Door data te vertalen in een gemeenschappelijke taal met éénduidig gedefinieerde codes en structuren, door tools te aligneren en technologie te voorzien die het toelaat inzichten te delen, worden deze gegevens klinisch bruikbaar over ziekenhuizen heen. In combinatie met visualisaties, statistische analyses of AI opent dan een wereld vol nieuwe mogelijkheden.”
“Onze focus ligt op het structureren van data om ze beter te kunnen hergebruiken."
DATAGEDREVEN GEZONDHEIDSZORG Het FHIN-project is een volgende stap richting datagedreven gezondheidszorg. Ook Chief Innovation Officer prof. ir. Peter De Jaeger werkt eraan mee. “Datadriven werken heeft heel wat potentieel, maar ook enkele pijnpunten. Het gevaar van bias bijvoorbeeld, waarbij je data gekleurd zijn en resulteren in een onrealistisch AI-model”, weet hij. “Wat hier net zo waardevol is, is de samenwerking tussen de verschillende ziekenhuizen. We valideren en testen met gegevens van buiten onze ziekenhuismuren. Het laat toe statistische analyses te doen, dashboards te maken en veel extra kennis te vergaren.”
Op termijn hoopt het FHIN-team ook voorspellende modellen op de werkvloer in te zetten, die het verband tussen uitkomsten zoeken en op die manier richting geven binnen bepaalde pathologieën. Peter De Jaeger: “We proberen bepaalde uitkomsten af te leiden vanuit karakteristieke kenmerken van de patiënt en daarmee te anticiperen op de levenskwaliteit, verblijfsduur, complicatieratio en zo meer van andere patiënten.”
SAMENWERKING OP LANGE TERMIJN De ambitie om ook na afloop van het project te blijven samenwerken is er alvast bij de negen ziekenhuizen. Kim Denturck: “Door kwaliteitsvolle uitwisselbare gegevens te analyseren, kunnen we de werkprocessen optimaliseren, vroeger detecteren, gepersonaliseerder te werk gaan of de prognose van een patiënt verbeteren. Het begint bij een efficiënte en duidelijke dataflow. De arts geeft informatie in, die wordt opgeslagen in de lokale databank. We maken een kopie van deze gegevens in de cloud om op verder te werken. In de eerste fase is een belangrijke taak van FHIN de manuele handelingen rond de data zo veel mogelijk te reduceren. Door een correcte, nauwkeurige codering wordt het risico op manuele fouten aanzienlijk verminderd. Een cruciale voorwaarde om analyses te maken en conclusies te trekken over de ziekenhuizen heen.”
EEN CONCREET MODEL Vandaag wordt een beperkt aantal modellen al getraind in RADar, onder meer rond het detecteren van patiënten met voorkamerfibrilatie (VKF). Peter De Jaeger legt uit: “Heeft de patiënt geen VKF-episode op het tijdstip dat het ECG voor de diagnose wordt afgenomen, dan lijkt alles normaal. Een AI-model daarentegen kan wel subtiele signalen zien die indicatief zijn voor VKF. Zo kunnen we patiënten detecteren die we vandaag missen.” Daarnaast loopt er bijvoorbeeld ook een concreet onderzoek rond longkanker, waarbij een model de potentiële overbehandeling gaat voorspellen, naast een viertal andere initiatieven.
"Begin volgend jaar introduceren we de eerste detectiemodellen ontwikkeld binnen RADar."
Belangrijk wordt om de gevalideerde modellen goed te positioneren binnen het zorgmodel en duidelijk mee te geven hoe artsen het zorgvuldig en uitvoerig kunnen gebruiken. Modellen die zaken detecteren die we vandaag moeilijk in kaart kunnen brengen, zullen naar verwachting sneller operationeel zijn, omdat er meteen een duidelijke win is. Gaat het over ondersteuning bij het opstellen van een behandeling, dan zal die implementatie langer op zich laten wachten. Peter De Jaeger: “Begin volgend jaar introduceren we alvast de eerste detectiemodellen ontwikkeld binnen RADar op de werkvloer in AZ Delta en werken we aan de nodige stappen voor validatie en certificering. Met het FHIN-project bouwen we verder tot een internationaal schaalbaar netwerk waar alle partners met volle vertrouwen in een open sfeer kunnen samenwerken om de toekomstige datagedreven zorg waar te maken.”
MEER INFO Kim Denturck 051 23 75 41 kim.denturck@azdelta.be Auteur: Stephanie Demasure Foto: Marc Wallican