AI-model voorspelt operatieplanning in Diakonessenhuis

Het Diakonessenhuis zet een AI-model in voor het nauwkeuriger voorspellen van de operatieplanning. Het model voorspelt de duur van operaties, met als doel het optimaliseren van de benutting van de operatiekamers (OK’s). Zo wil het Diakonessenhuis meer patiënten kunnen helpen.

Het model is ontwikkeld door promovendus Hayo Bos, verbonden aan de Universiteit Twente. Het Diakonessenhuis spreekt van indrukwekkende resultaten. Het AI-model voorspelt de gevolgen van de planning voor het operatiecomplex. Het brengt bijvoorbeeld in kaart hoe groot de kans is dat een operatie uitloopt, en hoe groot de kans is dat er ruimte ontstaat om nog een patiënt te helpen.

Voorspellingen nauwkeuriger maken

Het AI-model ondersteunt de bestaande werkwijze. Daarbij plannen medewerkers van de afdeling Opnameplanning operaties van patiënten in het OK-schema in. Het elektronisch patiëntendossier HIX geeft daarbij automatisch een gemiddelde tijd per ingreep en operateur aan. Deze voorspelling komt echter niet altijd overeen met de werkelijkheid, meldt het Diakonessenhuis.

“Nadat we onze schema’s volledig hebben gevuld, kijken we met de OK-voorspeller of de voorspelde OK-tijden overeenkomen met de HIX-geplande tijden. Als er volgens de voorspeller kans is op inloop of uitloop, nemen we contact op met de arts en bepalen we of we de planning aanhouden of aanpassen. Zo konden we vaker extra patiënten inplannen”, licht Teammanager Opnameplanning Karim El Ghoulbzouri toe.

‘Realistische OK-planning is essentieel’

Anne Krajnc, hoofd OKC/CSA: “Voor ons is een realistische OK-planning essentieel. De OK-voorspeller helpt ons om optimaal gebruik te maken van de OK-uren, zonder dat de OK-collega’s vaak overuren hoeven te maken. Dit is steeds belangrijker.”

Het model is onderdeel van het integraal capaciteitsmanagementportaal (ICM-portaal). Iedere vijftien minuten geeft het AI-model feedback op de planning, waarmee het planners ondersteunt.

Bezetting op Acute Opname Afdeling voorspellen

Het AI-model is uniek in Nederland, meldt het Diakonessenhuis. Wel zijn er diverse andere AI-modellen in gebruik in Nederlandse ziekenhuizen voor het optimaliseren van de zorg. Denk daarbij aan een AI-model dat het Leids Universitair Medisch Centrum (LUMC) inzet voor het voorspellen van het aantal opnames op de Acute Opname Afdeling. De tool geeft direct inzicht in het aantal benodigde bedden.

“De meeste patiënten op de Acute Opname Afdeling komen van de Spoedeisende Hulp”, vertelt Britt de Boer, verpleegkundig opnamecoördinator bij de Acute Opname Afdeling (AOA). “Bij ons liggen patiënten die binnen 48 uur naar huis kunnen of naar een specialistische afdeling gaan. Voordat de opnamevoorspeller er was, wisten we nooit precies hoeveel patiënten we wanneer konden verwachten. Daardoor konden we niet altijd op tijd bedden vrijmaken. Soms leek het rustig, maar kregen we opeens een telefoontje van de Spoedeisende Hulp: ‘Het is druk, we verwachten voor jullie vijf opnames.’”

De tool is ontwikkeld door CAIRELab, het AI-expertisecentrum van het LUMC. De tool voorspelt met behulp van AI hoeveel patiënten van de Spoedeisende Hulp naar de Acute Opname Afdeling gaan. Het neemt daarbij allerlei variabelen uit het patiëntdossier mee. Denk daarbij aan metingen van de vitale lichaamsfuncties en aanvragen voor bloedonderzoek en radiologisch onderzoek.

Planning op intensive care verbeteren

Een ander voorbeeld is een AI-model ontwikkeld door het Gelre ziekenhuizen in samenwerking met SAS en KPMG. Het model voorspelt de instroom van patiënten op de intensive care (IC), met als doel het verbeteren van de personeelsbezetting. Belangrijk, want door onder meer toenemende schaarste van personeel en uitval door de hoge werkdruk kan personele bezetting een uitdaging vormen.

Intensivist Nicolas Schroten: “Een betere voorspelling van het aantal patiënten dat naar de IC komt, kan helpen om beter flexibel te roosteren, waardoor je personeel rust kunt geven wanneer dat kan en extra personeel kunt inzetten wanneer dat nodig is. Hiertoe is het belangrijk om goed inzicht te hebben in alle patiënten die in het ziekenhuis behandeld worden en kans hebben te verslechteren. In het elektronisch patiënten dossier (EPD) wordt heel veel belangrijke informatie vastgelegd, maar het is voor de zorgprofessional onmogelijk om dit voor alle patiënten continu in de gaten te houden. Hier kan artificial intelligence (AI) ons helpen. Door tijdig een waarschuwing te geven en de essentiële gegevens te filteren, die nodig zijn om vooruit te plannen. Hierdoor kunnen we betere zorg leveren, voor meer patiënten en voorkomen dat personeel uitvalt door overbelasting.”

Auteur: Wouter Hoeffnagel