Pacmed en Amsterdam UMC gaan met machine learning IC-zorg verbeteren

Gepubliceerd op: 27-03-2019

Foto, vlnr: Patrick Thoral (Amsterdam UMC), Mark Kramer (lid raad van bestuur Amsterdam UMC), Willem Herter (Pacmed), Hidde Hovenkamp (Pacmed), Paul Elbers (Amsterdam UMC) en Wouter Kroese (Pacmed). Foto, vlnr: Patrick Thoral (Amsterdam UMC), Mark Kramer (lid raad van bestuur Amsterdam UMC), Willem Herter (Pacmed), Hidde Hovenkamp (Pacmed), Paul Elbers (Amsterdam UMC) en Wouter Kroese (Pacmed).

Pacmed en Amsterdam UMC hebben vandaag een langdurige samenwerkingsovereenkomst getekend. Het doel is om samen de zorg voor patiënten op de Intensive Care (IC) te blijven verbeteren met behulp van big data en machine learning. Hierbij worden algoritmes en software direct aan het bed van kritiek zieke patiënten ingezet om medisch specialisten te ondersteunen bij belangrijke beslissingen over de behandeling. Het eerste resultaat van de samenwerking is software die aangeeft of patiënten na behandeling wel veilig kunnen worden ontslagen van de IC. Deze innovatie is al beloond met de Digital Impact Award 2018.

Betrokkenen Mark Kramer (lid raad van bestuur Amsterdam UMC), intensivisten Paul Elbers en Patrick Thoral (Amsterdam UMC, locatie VUmc) en Willem Herter, Wouter Kroese en Hidde Hovenkamp (directeuren Pacmed) zijn ontzettend blij met deze overeenkomst. Hierin is officieel afgesproken dat beide partijen de komende elf jaar intensief gaan samenwerken. Herter: “Deze unieke en meerjarige samenwerking en kennisoverdracht tussen dataspecialisten en artsen is noodzakelijk om kwaliteit en bruikbaarheid van datagedreven software te kunnen garanderen.”

Pacmed is een bedrijf dat machine learning toepassingen ontwikkelt voor de zorg. Machine learning is een techniek om computers zelf complexe verbanden te laten vinden in grote hoeveelheden data. Die verbanden vormen de basis voor voorspellende algoritmes, in dit geval voor nieuwe patiënten. Een algoritme is een soort recept om een probleem stap voor stap op te lossen. Door bijvoorbeeld te leren van onverwachte heropnames uit het verleden is een algoritme ontwikkeld dat voor alle patiënten de kans op heropname voorspelt.

Patiënten die behandeld worden op de IC zijn de ziekste patiënten in een ziekenhuis. Ze krijgen intensieve zorg waarbij grote hoeveelheden data worden verkregen. De daaruit ontwikkelde algoritmes leveren belangrijke ondersteunende informatie voor de intensivist, de medisch specialist op de IC. Bijvoorbeeld bij de volgende beslissingen: wanneer kan een patiënt veilig overgeplaatst worden naar de verpleegafdeling? Wat is het juiste moment van het plaatsen of verwijderen van een beademingsbuis? Op welk moment geef je welke dosering van medicatie?

Elbers: “We willen de voorspellende algoritmes niet alleen ontwikkelen en testen, de software moet ook geïmplementeerd worden zodat de zorg voor de patiënt er beter en veiliger van wordt. Door onze krachten te bundelen wordt dat mogelijk.”

Gepubliceerd op: 27-03-2019