Patiënten nog beter begeleiden gedurende hun behandeltraject. Met behulp van technologie zet OLVG samen met Philips en digitale zorginstelling Ksysos het belang van de patiënt voorop. Het afgelopen jaar werd op kleine schaal een pilot uitgevoerd met een digitaal zorgprogramma dat in eerste instantie wachtlijstproblematiek moet aanpakken. Op termijn moet dit concept op (boven)regionaal niveau het zorgtraject voor patiënten zo efficiënt mogelijk inrichten: van eerste contact tot en met nazorg. Zo moet de zorg ook in een toekomst met meer ouderen en minder zorgpersoneel van hoge kwaliteit blijven, stellen Jan Boers en Loren Kruseman van OLVG.
De start van het digitale zorgprogramma van OLVG, Philips en Ksyos was in maart 2020, bij de eerste coronagolf, vertelt Jan Boers, manager Informatisering en Automatisering) bij het OLVG. “Onze bestuursvoorzitter Maurice van den Bosch zag hoe de coronagolf in het zuiden van Nederland de zorg zwaar onder druk zette. We hebben toen menselijke en kunstmatige intelligentie gekoppeld om hier een antwoord op te vinden, want die golf zou zeer zeker onze kant opkomen. Dat heeft geleid tot de Corona Check om laagdrempelig te bepalen of mensen mogelijk corona hadden. Die app werd in een week tijd met Luscii ontwikkeld.”Met een slimme app aan de voorkant, AI-technologie aan de achterkant en een met professionals bemenst klein regiecentrum bleek het mogelijk een grote groep burgers te coachen, begeleiden en te monitoren. Eind 2020 werd de reikwijdte van De Corona Check verbreed, onder meer met extra zorgpaden zoals voor hart- en longpatiënten, orthopedie-patiënten en oncologie-patiënten.
Hoe leidde dit tot het digitale zorgprogramma?
Jan Boers: “Op het moment dat je wil opschalen, bijvoorbeeld binnen Santeon-verband, stuit je op uiteenlopende EPD’s, e-health apps, zelf ontwikkelde patiëntportalen. Ook zijn er per regio vaak uiteenlopende prioriteiten en afspraken met regionale zorgketenpartners. Reden om samen met onze technologiepartner Philips te kijken naar een generieke architectuur die we binnen Santeon- of regionaal verband konden toepassen.”“Dat leidde eerst tot een ‘slimme wachtlijst’. We wilden inzicht krijgen in de groep patiënten die door corona moest wachten op een behandeling. Om deze patiënten zo snel mogelijk van zorg te kunnen voorzien en om het contact te houden. Het inzicht hebben we gekregen door mensen op de wachtlijst te classificeren volgens de vier FMS-klasses: direct opereren, spoedeisend, spoedeisend maar niet per se in dit ziekenhuis en ‘kan van de wachtlijst af’. Vanuit een regiecentrum was er persoonlijk contact. We begonnen met liesbreuken, daarna galblazen. Inmiddels hebben we patiënten met navelbreuken toegevoegd. We staan nu op het punt om ziekenhuisbreed de wachtlijsten volgens de 80-20 regel de juiste prioriteit te geven.”“Op termijn willen we verder gaan. Mensen gedurende het behandeltraject optimaal voorbereiden en in de nazorg begeleiden met bijvoorbeeld dieet- en leefstijladviezen, met fysiotherapie etc. Zo willen we – onder meer in navolging van de Virtual Ward voor hart- en vaatziekten – vanuit wachtlijstprioriteit doorontwikkelen naar virtual care (de virtual Ward is een virtuele verpleegafdeling om de regio Amsterdam een platform te bieden voor informatiedeling over patiënten, ongeacht of ze uit een thuis- verpleeg- of ziekenhuissituatie komen, red).”
Het OLVG wil een olievlekwerking realiseren. De hiervoor benodigde data is echter enorm verspreid in allerlei systemen.
Loren Kruseman, manager EPD-dienst OLVG: “Dat was al een enorme uitdaging binnen het OLVG en dat is het nog meer in groter verband. Daarom zijn we klein begonnen, zodat we kunnen leren wat werkt en wat niet, voordat we dit ‘better in better out’ concept opschalen. In principe gaat het om menselijke processen: herprioriteren, beslissen wie wanneer aan de beurt is en in welk ziekenhuis, hoe je in de voorbereiding en nazorg contact houdt. We zijn op kleine schaal gaan leren hoe data hier een rol in speelt, hebben ons eerst beperkt tot bestaande standaarden, berichtenuitwisseling van bijvoorbeeld patiëntsamenvattingen waar elk systeem mee om kan gaan. Als je dat beschikbaar hebt voor een rudimentaire analyse van een patiënt, kun je aangevuld met human intelligence stapsgewijs opschalen. Daarna kun je uitbreiden naar meer specifieke use cases gebaseerd op FHIR-standaarden. Eerst small data, dan big data, dat is onze strategie.”“Je ziet nu al dat dit systeem voor bijvoorbeeld een galblaaspatiënt waarde heeft. Onder meer omdat hij of zij eerder van ons hoort, omdat we op basis van data zien wat de verhouding is tussen wachttijd en ernst van de klacht. Via de bijbehorende app kunnen we contact onderhouden om die patiënt beter voor te bereiden en meer duidelijkheid te geven richting een operatie. Dat is nog op heel beperkte schaal en het is een enorme uitdaging om dat op te schalen en efficiënt te houden, zodat het beter gaat presteren dan de traditionele aanpak van wachtlijsten. Uit alle resultaten blijkt wel dat die potentie er in zit.”
Dit traject is in co-creatie gegaan met Philips en Ksyos. Wat waren de diverse rollen?
Boers: “Dit soort ambitieuze plannen kun je als ziekenhuis vanuit de technologie niet voor elkaar krijgen. Philips beschikt als technologiepartner over veel kennis en ervaring op het gebied van medtech. Vanuit beide besturen wordt deze samenwerking gesteund, wat heel belangrijk is om zaken voor elkaar te krijgen. Ksyos heeft als aanbieder van digitale zorg een groot netwerk in Nederland. Partijen zoals Ksyos kunnen vanuit hun digital first aanpak meehelpen in de ontwikkeling van concepten zoals het zorgprogramma naar een patiënt first-aanpak, waarbij een patiënt met behulp van digitale toepassingen veel zaken zelf kan initiëren en niet meer afhankelijk is van wanneer het ziekenhuis of een andere zorgpartij bij hem aanklopt. Zo kunnen we een digitale experience op een meer patiëntgerichte manier vormgeven dan wanneer we dit alleen met Philips zouden doen.”
Vormt het ‘not invented here’ gevoel nog een belemmerende factor voor opschaling?
Kruseman: “Bij de Corona Check was dat niet het geval, noch bij de virtual ward. Ik denk dat als we met ons zorgprogramma de wachtlijstenproblematiek regionaal aanpakken, ziekenhuizen in staat zijn om de voordelen te zien van efficiëntere zorg en niet blijven hangen in het verlies van een behandeling aan een ander ziekenhuis. Het gaat erom dat de patiënt goed en snel wordt geholpen. Steeds meer partijen stappen ook het virtual ward-netwerk in omdat ze zien dat dit voor alle betrokken partijen de efficiency van zorg vergroot.”
Financiering lukt kleinschalig meestal nog wel. Bij opschaling, zeker over een keten heen, is dit nog een uitdaging.
Boers: “Er zal zeker in de zorgfinanciering geïnnoveerd moeten worden om relevante zorginnovaties op te schalen. We zullen op een andere manier met diagnose-behandelcombinaties (dbc's, red.) moeten werken, dat zien ook zorgverzekeraars in. Er zijn ook bewegingen op dit gebied. Zo hebben het Radboudumc en zorgverzekeraars een perioperatieve dbc afgesproken die een vergoeding voor preoperatief, operatie én postoperatief omvat. En we denken dat de zorg ook kostenefficiënter ingekleed kan worden met oplossingen zoals ons digitale zorgprogramma. Daarover zijn we met verzekeraars in gesprek. De zorg kan niet innoveren met technologie als niet ook de financiering mee-innoveert. Maar net als met het opschalen van een digitaal zorgprogramma: dat is niet binnen zes maanden geregeld.”
Eerst small data, dan big data, dat is onze strategie
Zijn er concrete cijfers om de werking van het digitale zorgprogramma te schragen?
Kruseman: “We hebben KPI’s opgesteld vanuit de triple aim-doelen: betere service voor patiënten, goed voor zorguitkomsten, betere ondersteuning voor de professional. Het is heel belangrijk dat zorgverleners zich beter ondersteund voelen dan nu het geval is, zeker met het tekort aan personeel in het achterhoofd. En verder moeten we er wel met een positieve business case uitkomen. Bij een galblaaspatiënt vertaalt zich dit in zo snel helpen als nodig om te voorkomen dat er een galblaasinfectie ontstaat. Dat zijn we nu aan het analyseren: hoe kunnen we dit voorspellen, zodat een patiënt met een hoger risico op infectie eerder aan de beurt komen? Hoe kun je bepalen welke mix van digitale en fysieke instrumenten het beste werken in de begeleiding per patiënt? Zo leren we ook wat in de praktijk anders werkt dan we vooraf dachten, zodat we de oplossing kunnen verfijnen en verbeteren naarmate we opschalen.”
