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

Saskia Haitjema MD PhD, Assistant professor & Programmaleider ADAM, Centraal Diagnostisch Laboratorium, 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!
Niels Stol, Manager Deloitte Digital, team Digital Health Compliance
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

Blog: Delen van data, zijn we te argeloos of te behoedzaam?

 

U-Pevent: betere patiëntenzorg met Clinical Decision Support

Data-analytics en Clinical Decision Support maken het mogelijk om medicatie en interventies nog scherper af te stemmen op de individuele patiënt. Zo kan door slim gebruik van data rekening worden gehouden met (co)morbiditeit en risicofactoren van de desbetreffende patiënt.

 

In deze presentatie belichten we een voorbeeld uit de praktijk: U-Prevent, een tool ontwikkeld bij UMC Utrecht die artsen ondersteunt in de preventie van hart- en vaatziekten.

  • Voorspel risico’s op cardiovasculaire aandoeningen
  • Betere klinische beslissingen door kennis uit data
  • Samen beslissen met de individuele patiënt
  • Implementatie van deze tool in de kliniek

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

Toestemming nodig voor het gebruik van zorgdata? Makkelijk te regelen voor patiënt, zorgverlener en onderzoeker via zorg.nl.

  • Patiënt kan al zijn zorg toestemmingen vanuit één simpele app beheren
  • Zorgaanbieders en onderzoekers kunnen makkelijk om toestemming vragen via een zorgdoel
  • Sluit aan op zorgproces van de patiënt, zodat hij een reden heeft om toestemming te geven
  • Patiënt wordt in de app geïdentificeerd door combinatie van techniek en face-2-face controle aan de zorgbalie
  • Maatschappelijk ingerichte dienst vanuit een stichting, met duurzaam bekostigingsmodel
  • Eerste versie van het platform gereed en klaar voor aansluiters

Merel Willemsen, Product manager Zorg.nl
Thomas Hoyng, Programmamanager Zorg.nl

Waarom een platform voor patiënt toestemmingen in de zorg? Voor de behandelrelatie wordt vanuit GTS het OTV register ontwikkeld. Voor overig zorg en onderzoek is er nog geen centrale voorziening. Zie bijvoorbeeld de casussen hieronder. Met zorg.nl kunnen ook die toestemmingen gevraagd en gegeven worden. zorg.nl stuurt de toestemmingen door naar de bestaande registers, en kan de patiënt een volledig overzicht geven van al zijn zorgdata toestemmingen.

 

Casus 1:

Zorgverleners werken steeds meer samen rondom de patiënt. Zij sporen de patiënt op, monitoren het verloop de gezondheidsstatus en nemen proactief contact op, wanneer nodig. De patiënt en deze zorgverleners werken zo samen aan een betere gezondheid van de patiënt en voorkomen acute gezondheidsproblemen.

 

Casus 2:

De doorlooptijd van wetenschappelijk onderzoek naar toegepast medisch onderzoek wordt steeds korter. Onderzoekers komen met de persoonlijke zorgdata van de patiënt steeds sneller en nauwkeuriger tot uitkomsten en resultaten die de gezondheid van de patiënt en innovatie in de zorg vooruit kunnen helpen.

Hoe spraakherkenning de administratieve werklast van zorgprofessionals verlaagt

  • Administratie is een essentieel maar tijdrovend onderdeel van de gezondheidszorg, Hoe kunnen Machine Learning en Data hier een rol in spelen?
  • Hoe je met Machine Learning automatisch het polibezoek analyseert, de symptomen herkent en deze met één klik op de juiste plek toevoegt in het Elektronisch Patiëntendossier.
  • De mogelijkheden voor de toekomst zoals bijvoorbeeld het eenvoudiger diagnosticeren.

Enno de Haan, Machine Learning Team Lead bij Cloud Technology Solutions

Bouwen aan de toekomst vergt diepgaande kennis van technologie en een gezonde afkeer tegen het onmogelijke. Daar komt Cloud Technology Solutions (CTS) in het spel. Samen met LUMC streven ze ernaar om de administratiedruk voor zorgprofessionals te verlichten. De oplossing? Een Machine Learning-model dat niet alleen anamneses transcribeert,  maar ook symptomen en de ernst van de klachten herkent en deze gestructureerd in het patiëntendossier invult. CTS ondersteunt organisaties niet alleen met Machine Learning-oplossingen, maar ook op het gebied van Cloud-infrastructuur, Applicatie Development en Data. Zo werkten ze eerder aan een infrastructuur waarmee ziekenhuizen binnen enkele minuten CT-scans met elkaar delen.

De toekomst is datagedreven, bent u er klaar voor?

De verwachtingen zijn hooggespannen: data en analytics worden dé drivers om de zorg nog beter te maken en betaalbaar te houden.  Maar vraagt u zich ook wel eens af:

  • Hoe zorg ik ervoor dat de juiste data op het juiste moment beschikbaar is?
  • Heb ik de verantwoordelijkheden voor data & analytics goed belegd?
  • Hebben onze medewerkers de juiste ”data” competenties of wat moeten ze nog ontwikkelen?

Harm Arnoldussen, principal consultant Data & Analytics, D&A medical group

Al bijna 20 jaar draagt D&A bij aan betere en betaalbare zorg door optimale inzet van informatie en digitale technologie. Data en analytics worden dé drivers die de zorg nog beter maken en betaalbaar houden. Als enige gecertificeerd adviesbureau in Europa zet D&A het HIMSS Adoption Model for Analytics Maturity (AMAM) in om fases van volwassenheid objectief te toetsen en verbeterpunten inzichtelijk te maken.

In deze break-out sessie lichten we het AMAM model toe en hoe u de resultaten van de Maturity Scan kunt gebruiken om uw data en analytics roadmap concreet vorm te geven.

Het virtueel MDO Oncologie done differently!

  • Wat als je als patiënt een bijzondere tumor hebt en bij diverse specialisten in verschillende ziekenhuizen in behandeling bent? Dan zou het heel erg fijn als alle gegevens bij iedereen bekend en beschikbaar zijn.
  • Standaarden en afsopraken zijn van groot belang. Maar niemand kan alles in zijn eentje oplossen.
  • Hoe het kan, dat laat de supersnelle demo zien waar we deze sessie mee afsluiten.

Laurens Faessen, Manager Technical Sales, Open Line
Yannic Sterken, Business Development Consultant, Healthcare, Open Line

Dokter en Data: symbiose in het voordeel van de patiënt

  • Netwerkgeneeskunde is de zorg van de toekomst. Oncologische zorg loopt daarin voorop. De oncologische zorg is complex, duur en sterk geprotocolleerd en georganiseerd via regionale (formele) en (informele) netwerken. Wat zijn de ontwikkelingen en uitdagen op dit vlak?
  • Oncologisch zorg is is bij uitstek multi-disciplinaire georganiseerd.  Waarom publieke en private partnerships noodzakelijk zijn om de beste behandeling te kunnen bieden voor iedere individuele kanker patient, nu en in de toekomst?
  • Betere klinische besluitvorming voor multi-disciplinaire overleggen (MDO) in de oncologie middels een open app ecosysteem.

Martijn van Oijen, Associate Professor, Amsterdam UMC
Bart van den Bogaard, Digital Business Manager, Roche Diagnostics Information Solutions

Mobile Healthcare, Data Driven Healthcare, OuderenzorgTECH website is van Euroforum BV. Privacy statement | Cookie statement | Copyright ©2019