Niet iedere patiënt hoeft na een grote buik- of oncologische operatie standaard een week in het ziekenhuis te blijven. Onderzoekers en artsen van het Erasmus MC ontwikkelden een AI-model dat kan helpen voorspellen welke patiënten eerder veilig naar huis kunnen. Het model moet voorkomen dat mensen onnodig lang worden opgenomen, maar ook dat zij te vroeg het ziekenhuis verlaten.
Het onderzoek is gedaan door postdoctoraal onderzoeker Davy van de Sande en chirurg Denise Hilling, samen met chirurgen Kees Verhoef en Dirk Grünhagen. In de Datahub van het Erasmus MC ontwikkelden zij een AI-model dat op basis van patiëntgegevens kan inschatten wie al op de tweede dag na een operatie kan beginnen met revalidatie buiten het ziekenhuis. Volgens de onderzoekers draait het daarbij om een zorgvuldige balans: te vroeg ontslag brengt risico’s met zich mee, maar langer blijven dan nodig kan het herstel juist vertragen en de druk op ziekenhuiscapaciteit vergroten.
Desire
Het model heet DESIRE, een afkorting van Discharge aftEr Surgery usIng aRtificial intElligence. We schreven ook daarover in september 2022. Het systeem analyseert tientallen gegevens uit het elektronisch patiëntendossier (epd), zoals hartslag, medicatie, operatieduur en metingen kort na de operatie. Op basis daarvan berekent het op de tweede dag na de ingreep of een patiënt nog ziekenhuisgebonden zorg nodig heeft, zoals zuurstoftoediening of antibiotica via een infuus.
Uit eerdere analyses bleek dat een deel van de patiënten na dag twee geen intensieve ziekenhuiszorg meer nodig had, maar uit voorzorg toch op de afdeling Chirurgie bleef opgenomen. Van de Sande: ‘”e vroeg naar huis of naar een herstelplek is niet veilig. Maar onnodig lang in het ziekenhuis blijven is ook niet goed. Patiënten liggen dan langer in bed, verliezen conditie en lopen meer risico op complicaties. Bovendien zijn ziekenhuisbedden schaars.”
DESIRE moet helpen dat onderscheid tussen patiënten die wel en geen ziekenhuiszorg meer nodig hebben beter en betrouwbaarder te maken. Volgens Van de Sande liet een pilotstudie in het Erasmus MC, waarin het model drie maanden in zogeheten ‘shadow mode’ meedraaide, zien dat de voorspelling in 92 procent van de gevallen klopte wanneer het systeem aangaf dat een patiënt veilig ontslagen kon worden. Dat is volgens hem een hoog percentage voor dit type medische voorspellingen.
Testfase en resultaten
Eerder werd het model al getest in de periode van januari 2017 tot en met juni 2021 in de Treant Zorggroep-ziekenhuizen in Drenthe en Groningen. Daar bleek DESIRE in drie locaties betrouwbaar te functioneren, met een nauwkeurigheid tot 89 procent in het herkennen van patiënten die geen ziekenhuiszorg meer nodig hadden. De resultaten zijn gepubliceerd in het wetenschappelijk tijdschrift Surgery.
Over de drie maanden durende shadow mode in het Erasmus MC zegt Hilling: “In die periode konden medisch specialisten de voorspellingen nog niet zien. Daardoor kon het model geen invloed hebben op beslissingen, en kon veilig worden getest hoe betrouwbaar en bruikbaar de voorspellingen zijn in de praktijk.”
Revalidatiemodel inzetten
Voordat het nieuwe revalidatiemodel breed kan worden ingezet, wordt eerst onderzocht of patiënten veilig kunnen herstellen zonder extra risico’s. Patiënten gaan daarbij niet direct naar huis, maar verhuizen naar een speciale revalidatiekamer op dezelfde afdeling, een soort lichte variant van de reguliere opnameplek. Volgens Van de Sande kan het model, als dit goed verloopt, een stap betekenen richting slimmere en meer persoonsgerichte zorg na een operatie. Het systeem neemt de beslissing niet over, maar ondersteunt het behandelteam bij de beoordeling.
Chirurg Grünhagen wijst erop dat het initiatief aansluit bij andere ontwikkelingen om patiënten beter voor te bereiden op de periode na ontslag, zoals de Mantelzorg Academie. Daarbij worden mantelzorgers getraind om eenvoudige verpleegkundige handelingen thuis veilig over te nemen wanneer er geen thuiszorg beschikbaar is. De afdeling Chirurgie verwacht het model vanaf september in studieverband te gebruiken, met een mogelijke toepassing in de praktijk eind volgend jaar.
