Als intensivist, de medisch specialist op de IC, wil je deze patiënten zo snel en zo goed mogelijk behandelen, zodat ze in stabiele toestand en betere gezondheid overgeplaatst kunnen worden naar de gewone verpleegafdeling. Samen met de afdeling Intensive Care Volwassenen van het VU medisch centrum werkt Pacmed aan de ontwikkeling van machine-learningalgoritmes ter ondersteuning van de keuze voor ontslag naar de verpleegafdeling.
Door te leren van onverwachte heropnames uit het verleden is een model ontwikkeld dat voor alle patiënten een kans op heropname geeft op het moment van (mogelijk) ontslag. Machine Learning op de Intensive Care; welke patiënt kan met ontslag?
Wanneer mag een patiënt van de IC worden ontslagen?
Op de IC krijgen patiënten die in kritieke, levensbedreigende toestand verkeren continue zorg. De IC-opname heeft als doel de patiënt terug in een stabiele toestand te brengen, waarna ze in betere gezondheid kunnen worden overgeplaatst naar de verpleegafdeling.
Het ontslagmoment is belangrijk: een patiënt te vroeg ontslaan kan leiden tot een noodgedwongen heropname op de IC. Zulke onverwachte heropnames zorgen vaak voor een langere tweede opname en verhoogde kans op overlijden. Maar patiënten te lang op de IC houden is ook onwenselijk. Het is er vaak erg onrustig, wat acute verwardheid in de hand kan werken. Daarnaast is de capaciteit van de IC beperkt. Die moet benut worden voor de meest zieke
patiënten. Dus moeten minder zieke patiënten plaatsmaken voor nieuwe gevallen die soms met spoed binnenkomen.
Elke ochtend komt het intensive-careteam bij elkaar om te besluiten welke patiënten ontslagen kunnen worden. Dit is een lastige keuze, waarbij met veel factoren rekening moet worden gehouden. De keuze wordt bemoeilijkt doordat artsen in diensten werken en daardoor niet altijd de volledige opname van de patiënt hebben meegemaakt.
Kan Machine Learning hierbij helpen? Pacmed en het VUmc geloven van wel en ontwikkelen daarom een model dat kan voorspellen wat de kans op heropname is wanneer een patiënt wordt ontslagen. Dit model kan de arts ondersteunen bij het bepalen van het juiste ontslagmoment. Dr. Paul Elbers en Drs. Patrick Thoral zijn twee intensivisten die zelf ook bezig zijn met het ontwikkelen van datagedreven algoritmes en zijn daardoor zeer goed op de hoogte van wat er wel en niet kan met Machine Learning. Pacmed werkt intensief samen met hen om de maximale synergie te zoeken tussen medische kennis en geavanceerde data-analyse.
Lees het hele artikel verder onder Download.
Download
* Dit artikel verscheen eerder online op https://medium.com