Het Expertisecentrum Zorgalgoritmen heeft met de lancering van EzaPredictive 1.0 een belangrijke stap gezet in de toepassing van kunstmatige intelligentie (AI) binnen de Nederlandse ziekenhuiszorg. Het betreft een reeks CE-gemarkeerde voorspelmodellen die zorgprofessionals ondersteunen bij het inschatten van de verblijfsduur op de Spoedeisende Hulp (SEH), de kans op opname en de te verwachten verblijfsduur in de kliniek.
Door volledige integratie in het elektronisch patiëntendossier (EPD) zijn de modellen direct inzetbaar in de dagelijkse praktijk, zonder dat er aanvullende systemen nodig zijn. Volgens internist-nefroloog en mede-initiatiefnemer Bart-Jan Verhoeff is het van belang dat AI wordt ingezet als hulpmiddel voor én door zorgprofessionals.
“AI is geen doel op zich. Het gaat erom dat we zorgprofessionals ondersteunen met technologie die begrijpelijk, betrouwbaar en schaalbaar is – en die aantoonbaar bijdraagt aan betere zorg en minder werkdruk,” aldus Verhoeff. De modellen zijn niet ontwikkeld als black box, maar bieden inzicht in de factoren die tot een voorspelling leiden. Daarbij blijft het eigendom van de data bij het ziekenhuis, wat de autonomie van instellingen waarborgt.
Nauwe samenwerking
Het initiatief komt voort uit nauwe samenwerking tussen het Expertisecentrum en 28 ziekenhuizen, verenigd in de Samenwerkende Algemene Ziekenhuizen (SAZ). Gezamenlijk is gewerkt aan een schaalbare en betaalbare oplossing die voldoet aan de wettelijke eisen voor medische hulpmiddelen. Daarmee overstijgt EzaPredictive de fase van lokale pilots: het is een generieke innovatie die breed toepasbaar is in de zorgpraktijk.
Een belangrijk toepassingsgebied is de Spoedeisende Hulp, waar het model helpt om de logistieke planning en capaciteit beter af te stemmen op de verwachte zorgvraag. SEH-artsen zien de AI-oplossing als een extra kracht die helpt bij het verkrijgen van een objectiever overzicht. Dit leidt tot betere doorstroom, vermindering van werkdruk en meer tijd voor patiëntenzorg.
Meerwaarde AI-modellen borgen
Om de meerwaarde van de modellen duurzaam te borgen, begeleidt het Expertisecentrum ziekenhuizen bij implementatie via verbetertrajecten en heldere werkafspraken. Daarbij wordt steeds ingezet op co-creatie met zorgverleners, met als doel de AI-readiness van ziekenhuizen te versterken.
De ambitie reikt verder: naast de huidige modellen worden in 2025 onder meer algoritmen geïntroduceerd voor het voorspellen van no-shows, klinische verslechtering en kwetsbaarheid bij ontslag. Via de PLUGIN-infrastructuur, ontwikkeld met IKNL en DHD, wordt gewerkt aan een breed inzetbaar AI-ecosysteem dat naadloos aansluit op de Nederlandse ziekenhuiszorg.
Snelle opkomst AI
Door de snelle opkomst en groei van AI-tools en -voorspelmodellen binnen de zorg wordt de noodzaak voor regulering, en kwalitatieve selectiecriteria, ook steeds groter. Onlangs lanceerde OpenAI, bekend van ChatGPT, HealthBase. Dit is een benchmark dataset die bedoeld is om AI-tools te testen die ontwikkeld zijn om medische vragen te beantwoorden. Experts zien in de komst van de benchmark dataset een grote stap vooruit om het kaf van het koren te scheiden als het gaat om generatieve AI-tools voor de gezondheidszorg.
Eind vorig jaar publiceerde de Europese artsenorganisatie CPME een beleidsdocument waarin uiteengezet werd hoe AI moet - en vooral ook NIET moet - worden toegepast in de klinische praktijk. Het document bevatte ook praktische aanbevelingen voor de integratie van AI in de klinische praktijk. Daarnaast werd ook aandacht geschonken aan de risico's, zoals verlies van banen, vooringenomenheid, privacyproblemen en hoge kosten.
