Break-out sessies

De implementatie van Digital Health: onmogelijk?

  • Wet- en regelgeving is ongeschikt voor digital health
  • De inrichting van ziekenhuizen is niet klaar voor digital health
  • De invloed van eindgebruikers wordt onderschat

Prof. dr. Wouter W. van Solinge, Ambassadeur eHealth & Big Data, Afdelingshoofd Afdeling Klinische Chemie, Haematologie en Immunologie, UMC Utrecht

Op het UMC Utrecht hebben we de afgelopen 3 jaar veel ervaringen opgedaan met het corporate programma ADAM (Applied Data Analytics in Medicine). Klinische vragen met behulp van data analytics en AI tot een oplossing brengen, met de uitdrukkelijke intentie om deze oplossingen in de medische praktijk te implementeren (zie ook: https://www.umcutrecht.nl/nl/Over-Ons/Wat-we-doen/Data-analytics/Data-analytics-projecten). Het ontwikkelen van de algoritmen is niet zo simpel, maar de daadwerkelijke implementatie in de klinische praktijk is echt ingewikkeld. Wet- en regelgeving, zorgverleners, patiënten, organisatiecultuur en een aantal andere factoren spelen hierbij een grote rol. Op een aantal van deze aspecten zal worden ingegaan.

De digitale revolutie van de gezondheidszorg

  • Welke technologische ontwikkelingen gaan invloed hebben op de zorgindustrie en hoe speelt u daar op in?
  • Wat zijn de trends in de industrie en wat voor invloed gaan deze hebben op de zorgsector?
  • Hoe belangrijk is data hierin en wat kan je ermee?
  • Wat zijn de takeaways voor het verantwoord en veilig omgaan met patiëntdata op het gebied van compliance?

Deze presentatie schetst een kort maar helder beeld van de exponentieel opkomende technologieën, welke bedreigingen en kansen deze bieden én wat dit voor de zorg (mogelijk) gaat betekenen!
Rob Peters, Co-founder Digital Health Compliance, Deloitte Legal
Amy Eikelenboom, Consultant Digital Health Compliance, Deloitte Legal

Artificiële intelligentie in uw ziekenhuis: gevalideerd voorspellen van ongeplande heropnames

  • Het aantal AI-toepassingen in de zorg groeit exponentieel maar de zorgverlener groeit niet mee
  • Zelf ontwikkelen van algoritmen is een manier om greep te krijgen op de disruptie door AI
  • Tijdens deze sessie wordt hierop ingegaan en een zelf ontwikkeld voorspellend algoritme gepresenteerd

Bart-Jan Verhoeff MD PhD, Internist-nefroloog en CMIO, Ziekenhuis St Jansdal, clinical data scientist (dokter.ai)

De uitdagingen van Kunstmatige Intelligentie in Medische Toepassingen

  • Wat voor ontwikkelingen zijn er gaande op gebied van KI in medische toepassingen?
  • Welke uitdagingen zijn er in dit specifieke toepassingsdomein?
  • Hoe kan je met KI omgaan als professional in de gezondheidszorg?

Dr.ir. Peter M.A. van Ooijen, CPHIMS UHD Medical Imaging Informatics, Radiotherapie Coordinator Machine Learning Lab, Data Science Center in Health (DASH) Universitair Medisch Centrum Groningen

The Box: van eHealth data naar slimme informatie met behulp van machine learning

  • Patiënten van het HartLongCentrum LUMC die herstellende zijn van een myocardinfarct, een ritmebehandeling (ablatie) of hartoperatie doen thuismetingen om vanuit het ziekenhuis de patiënt te kunnen monitoren.
  • De grote hoeveelheid aan data die binnenkomt wordt door verpleegkundig-specialisten geanalyseerd en indien nodig wordt de behandeling van de patiënt aangepast.
  • De overload aan data die ontstaat kan met behulp van machine learning inzichtelijk worden gemaakt door eerder te signaleren welke patiënten verslechteren.
  • Op deze manier kan eHealth worden ingezet bij een grote groep patienten zonder directe verhoging van de werkdruk bij deze verpleegkundigen, en worden opvallendheden ook opgemerkt door het algoritme.

Esmee Stoop MSc, Data-analist, Leids Universitair Medisch Centrum

AI in het LUMC

Het Waardegedreven Zorg & AI team binnen het LUMC houdt zich nu al een aantal jaar bezig met het verbinden van digitale innovatie oplossingen met de klinische praktijk. Er worden veel slimme algoritmen ontwikkeld in de medische wetenschap, maar deze halen (bijna) nooit de werkvloer. Wij richten ons op het slaan van de brug tussen onderzoek naar machine learning en AI naar de eindgebruiker: de patiënt of zorgverlener.

Uitkomstdata inzetten voor gepersonaliseerde zorg

  • Om de zorg voor patiënten te verbeteren, is het van groot belang om te analyseren hoe patiënten op hun behandeling reageren. Meer en meer wordt duidelijk dat elke patiënt uniek is.
  • Real world data kunnen inzicht geven in patronen, waarvan individuele patiënten profiteren.
  • Roche investeert samen met ziekenhuizen in projecten om op basis van uitkomstdata gepersonaliseerde zorg te kunnen leveren. In de presentatie worden aan de hand van twee concrete voorbeelden kansen en uitdagingen uitgediept.

Marielle Gallegos Ruiz PHD, Manager Health Outcomes Data bij Roche Nederland

Ondersteuning van klinische besluitvorming op basis van data

  • Voorspel risico’s op cardiovasculaire aandoeningen
  • Betere klinische beslissingen door kennis uit data
  • Vertaald naar en in samenwerking met de individuele patiënt

John Jacobs, Medical Data Scientist, ORTEC

ORTEC is leverancier van Data Science diensten en Data Driven Decisions oplossingen in het zorglogistieke en klinische domein. De gezondheidssector staat onder constante druk om de gezondheidszorg toegankelijk te houden, de kwaliteit van de patiëntenzorg te verhogen, de medewerkertevredenheid te waarborgen, een werkbare praktijk voor zorgprofessionals te bieden en tegelijkertijd de kosten laag te houden. De eerste prioriteit in de gezondheidszorg is om de patiënt de best mogelijke hulp te bieden. Machine-learning algoritmen kunnen deze doelstelling ondersteunen door de impact van een behandelplan te voorspellen. Bijvoorbeeld met behulp van dergelijke algoritmen, in een realtime dashboard om het cardiovasculair risicobeheer te verbeteren. Het dashboard geeft niet alleen informatie over de risico’s voor een patiënt, maar ook een schatting van de gevolgen van een specifieke behandeling, plus eventuele levensstijlaanpassingen. Dat geeft artsen gemakkelijke toegang tot alle patiëntinformatie in de spreekkamer, waardoor ze betere klinische beslissingen kunnen nemen en risicoverlagende gezondheidszorg kunnen bieden.

Continue registratie van vitale parameters op een gewone verpleegafdeling

  • Van 3 maal daags naar continue meting
  • Nieuwe voorspellende algoritmes
  • Centrale aansturing van acute zorg

Bas Bredie, MD, PhD, Internist-Vascular Medicine, Fellow at Reshape Center for Innovation; Radboud University Medical Center

Het Radboudumc wil koploper zijn op het gebied van innovatieve patiëntenzorg. Hieronder verstaan we alle vernieuwingen en technologische ontwikkelingen in de patiëntenzorg die een ingrijpende verandering veroorzaken in diagnostiek, therapie of de wijze van zorgverlening. Het gaat dus niet om kleine procesverbeteringen. Daarnaast moeten innovaties bij ons toepasbaar zijn in de praktijk. Ons innovatieproces is er op gericht om de kans op succesvolle verbeteringen in de patiëntenzorg zo hoog mogelijk te maken. Het project Continue Monitoring is her een mooi voorbeeld van, waarbij zorginnovatie ook bijdraagt aan onze missie,  ‘to have a significant impact on healthcare’.

Zorg.nl: de toestemmingsapp voor de zorg

  • Privacy begint bij toestemmingen
  • Eén oplossing voor de patiënt. Mobile based, eenvoudig en klaar voor de toekomst
  • Als belangrijke pijler voor – digitale – zorgvernieuwing

Merel Willemsen, Product manager Zorg.nl

Verantwoordelijke inzet van machine learning ten behoeve van de kwaliteit en doelmatigheid van zorg

  • Voor welke grote uitdagingen in de zorg kan machine learning een oplossing bieden, en voor welk type problemen niet?
  • Op welke manier waarborg je de meerwaarde en veiligheid van machine learning voor arts en patiënt?
  • Welke concrete voorbeelden van succesvolle toepassingen zijn er al en wat kunnen we daarvan leren over de benodigde randvoorwaarden voor implementatie en opschaling?

Willem Herter, Director Pacmed, Promovendus Digitale Zorg aan LUMC

Pacmed is in 2014 ontstaan vanuit de Nationale DenkTank, waar onder begeleiding van McKinsey onderzoek is gedaan naar de maatschappelijke waarde van Big Data, en specifiek hoe de digitalisering van de zorg gebruikt kan worden om Nederland gezonder te maken en onder welke randvoorwaarden dat duurzaam en schaalbaar van waarde is voor iedereen. Pacmed ontwikkelt en implementeert CE-gecertificeerde medische hulpmiddelen om gebaseerd op grote hoeveelheden data uit de klinische praktijk. Dit zorgt ervoor dat patiënten zorg krijgen die in de praktijk heeft bewezen te werken bij vergelijkbare patiënten, en helpt artsen om continu en direct te leren van alle beslissingen die in de zorg genomen worden.

Mobile Healthcare Congres & iZone website is van Euroforum BV. Privacy statement | Cookie statement | Copyright ©2019