Apr 15, 2022 door Philips
Leestijd: 10 - 12 minuten
Hoe zorginstellingen hun inzichten uit data kunnen maximaliseren
Net als alle commerciële ondernemingen moeten zorginstellingen hun investeringen terugverdienen. De afgelopen jaren hebben we gezien hoe gegevens hen hierbij hebben geholpen door inefficiënte en slecht werkende processen aan het licht te brengen. Maar hoewel veel zorginstellingen hiermee successen hebben geboekt, zijn er maar weinig instellingen in staat geweest om het enorme potentieel aan te boren dat een speciaal soort ROI (rendement op inzichten) kan bieden wanneer dit op grote schaal wordt toegepast. Maar wat houdt het in om verder te gaan dan gegevens en inzichten op grote schaal te benutten, en welk rendement kunnen zorginstellingen verwachten?
Gegevens en inzichten: Wat is het verschil? Voordat we het gaan hebben over het belang van genereren van inzichten op grote schaal, zal ik eerst uitleggen wat ik bedoel met 'inzichten'. Stel je een willekeurige 54-jarige patiënt voor, Lucas. Met welke van de volgende opties zou je de kwaliteit van de zorg kunnen verbeteren, de zorgkosten kunnen verlagen en de ervaring van Lucas kunnen verbeteren (de quadruple aim)? De eerste constatering lijkt een bruikbaar gegeven, namelijk een verhoogde bloedsuikerwaarde. Maar wat is deze informatie verder waard? We weten niet of dit een nuchtere bloedsuikerwaarde is. Misschien is dit een waarde na de maaltijd, in welk geval de waarde acceptabel kan zijn. Als we kritisch kijken, moeten we vaststellen dat een enkel gegevenspunt geen informatie over een trend biedt. Als we een reeks gegevenspunten hadden die een opwaartse trend aantonen, dan zouden we misschien kunnen concluderen dat Lucas diabetes heeft. Het punt is dat gegevens, hoewel noodzakelijk, misschien niet voldoende houvast bieden bij het behalen van de quadruple aim. Laten we nu eens kijken naar de tweede optie. Dit is een inzicht, een rode vlag dat interventie nodig is om het voorspelde verloop van zijn diabetes te veranderen. Sommige mensen noemen dit een 'klinische voorspelling'. Hiervoor wordt gebruikgemaakt van machine learning op basis van de beschikbare medische gegevens van Lucas. Welke terminologie je ook kiest, het resultaat is dat je inzicht hebt gekregen in het waarschijnlijke klinische verloop van zijn ziekte. Dit inzicht kan je nu helpen bij het plannen van de behandeling om zijn gezondheid te verbeteren en de totale zorgkosten te verlagen. Met dit voorbeeld hoop ik dat het verschil tussen gegevens en inzichten duidelijker is geworden: Gegevens vormen een element waarbij context nodig is om ze te interpreteren, terwijl inzichten een dieper begrip bieden van het waarschijnlijke klinische verloop van een aandoening van de patiënt (een inzicht) en helpen bij het opstellen en beheren van een behandelplan voor de patiënt. En als je goed kijkt, zie je een cruciaal punt in het voorbeeld dat ik heb gegeven: het inzicht is gegenereerd op basis van machine learning. Als zorgverleners waren we op het moment dat de zorg wordt verleend redelijkerwijs niet in staat geweest alle eerdere klinische gegevens te bekijken en tot dat inzicht te komen. Een computer kan de gegevens echter veel sneller "uitlezen" en een inzicht genereren op het moment dat medici dat nodig hebben. Dit is de reden waarom ik, tussen de twee bovenstaande keuzes, de voorkeur zou geven aan het door de machine learning gegenereerde inzicht, en ik zou die mate van inzicht willen hebben bij elke patiënt die ik zie. De waarde van inzichten op schaal (insights at scale) Stel je voor dat een zorginstelling on-demand toegang zou hebben tot dit soort inzichten in elk onderdeel van de zorginstelling, zowel in klinische als operationele omgevingen. Soepele en betrouwbare gegevensuitwisseling tussen patiënt en behandelaar, op elk apparaat, levert informatieve, bruikbare inzichten op die medici kunnen toepassen in hun workflow voor prognoses, klinische voorspellingen en verbetering van de patiëntervaring. Terwijl het ene team inzichten gebruikt om het optimale behandelplan voor een hartziekte te bepalen, kan een ander team inzichten toepassen om rapporten te automatiseren voor facturatie- en voorraadbeheer. Deze inzichten, waar een hele zorginstelling baat bij heeft, veranderen voorgoed de structuur van de instelling en de manier waarop gewerkt wordt. Dit is wat ik bedoel als ik het heb over organisaties die op grote schaal gebruikmaken van inzichten - en dit is wat ik mogelijk wil maken in de gezondheidszorg.
Deel dit artikel
Vond je dit interessant? Abonneer je nu op de Medisch Perspectief nieuwsbrief en ontvang maandelijks relevante artikelen over innovaties in de zorg. Al ruim 9000 vakgenoten gingen je voor.
Author
Shez Partovi
Chief Innovation & Strategy Officer, Koninklijke Philips N.V.
Shez Partovi behaalde zijn medische graad aan de McGill University, in Montreal, Canada en voltooide zijn subspecialisatie neuroradiologie aan het Barrow Neurological Institute in Phoenix, AZ. Hij is een ondernemer en heeft verschillende IT-bedrijven in de gezondheidszorg opgestart, waaronder 2 op het gebied van telegezondheidszorg.
Voor het doel van dit artikel zal ik niet ingaan op de infrastructuur van inzichten op grote schaal, daarover meer in een volgend artikel. Laten we ons in plaats daarvan concentreren op wat ik het meest fascinerend vind aan inzichten op schaal: voordelen die we zouden moeten omarmen vanwege de waarde die ze kunnen genereren. Laten we naar een voorbeeld kijken. Bijna elke zorginstelling heeft te maken met het delicate evenwicht tussen afspraken met variabele lengte, patiënten die te laat zijn, last-minute wijzigingen, patiënten die niet komen opdagen en personeelsverzuim. Het handmatig beheren van deze de afspraken is inefficiënt, kostbaar en belastend voor de ondersteunde teams. Zorginstellingen investeren dus in een digitale oplossing – een AI-systeem dat gegevens over patiënten analyseert en voorspelt hoe groot de kans is dat de patiënt daadwerkelijk op zijn of haar afspraak verschijnt. Het systeem heeft zojuist het volgende inzicht opgeleverd: "Sara heeft een kans van 80% dat ze niet komt opdagen voor haar volgende afspraak." Hoewel dat inzicht eenvoudig en vanzelfsprekend is, is er toegevoegde waarde die het inzicht voor een organisatie heeft: Bedenk waar we zijn begonnen (met één operationeel inzicht) en waar we zijn geëindigd: die ene voorspelling van 80% leidde tot een bredere reeks waarden. Dit is het rendement op inzichten. Dit is de kracht van inzichten op grote schaal: het gaat er niet altijd om dat een zorgverlener een groot aantal gegevens heeft. Het gaat om de effecten die door inzichten worden gegenereerd, wat leidt tot hoogwaardige, verreikende opbrengsten in een zorginstelling.
Om dit rendement in een reële context te plaatsen: we hebben onlangs samengewerkt met het West Moreton Hospital in Australië, dat op zoek was naar een manier om COVID-19-infecties in het ziekenhuis en de bijbehorende belasting voor hun teams te verminderen. We ontwikkelden een oplossing voor zorg op afstand waarbij patiënten tablets en medische apparaten kregen om slechts drie waarden te meten en te rapporteren: temperatuur, bloeddruk en zuurstofgehalte. De gegenereerde gegevens werden vervolgens ingevoerd in een geïntegreerd telemonitoringplatform dat inzichten opleverde over de waarschijnlijke verslechtering van de patiënt, waardoor clinici eerder konden ingrijpen of een dialoog konden aangaan met de meest risicovolle patiënten, waardoor de patiënten beter in staat waren om thuis voor zichzelf te zorgen. De gegenereerde inzichten resulteerden in een vermindering van 53% van het aantal bezoeken aan de spoedeisende hulp, een besparing van 1010 Australische dollar (AUD) per patiënt per maand en een afname van 28% van mogelijk vermijdbare ziekenhuisopnames bij chronisch zieke patiënten, en dit alles terwijl de patïentervaring werd vereenvoudigd en de patiënten meer onafhankelijkheid kregen. Wederom zien we hoe zelfs een relatief kleine reeks inzichten een veelvoud aan hoogwaardige rendementen kan genereren. Hoe kan een zorginstelling aan de slag gaan met inzichten op schaal Het op grote schaal omarmen van inzichten hoeft niet te betekenen dat een zorginstelling op elk onderdeel van haar operatie AI of voorspellende analysemogelijkheden moet toepassen. Het betekent ook niet dat een zorginstelling vanaf het begin met een stortvloed aan inzichten te maken krijgt. Maar zorginstellingen zullen versteld staan hoeveel waarde ze kunnen genereren door te beginnen met een paar toepassingen (zoals in het voorbeeld van onze patiënt Sara). Meestal stel ik voor om te beginnen met operationele prognoses, omdat klinische voorspellingen van nature complexer zijn en vaak veel meer gevarieerde gegevenstypen omvatten. Bovendien vinden de meeste organisaties het eenvoudiger om operationele inzichten in hun bestaande workflows op te nemen. Als een zorginstelling eenmaal heeft gezien dat die vroege inzichten zich vertalen in meetbare resultaten, stel ik voor om verder uit te breiden naar klinische domeinen. Het uiteindelijke doel is natuurlijk om een plek te bereiken waar een organisatie inzichten op alle gebieden kan terugverdienen, zodat ze de patiëntervaring kunnen verbeteren, de personeelservaring kunnen stroomlijnen, de zorgkosten kunnen verlagen en de gezondheid van patiënten kunnen verbeteren om uiteindelijk de quadruple aim te behalen. Als jij er klaar voor bent om met jouw organisatie deze nieuwe weg in te slaan, laten we dan samenwerken. Ik zou niets liever willen dan helpen rendement op inzichten te genereren.
