Hoogleraar Sandja Bhulai. Foto: Marco de Swart
Extra geld en capaciteit zijn niet altijd nodig om de zorg te optimaliseren, weet Sandjai Bhulai, wiskundige en hoogleraar Business Analytics aan de Vrije Universiteit Amsterdam. In zijn lezing op het congres AI in de zorg op 12 mei laat hij zien hoe maatschappelijke vraagstukken wiskundig oplosbaar zijn, welke aanpak daarbij hoort en wat de impact ervan is in de praktijk.
Aanrijtijd verkorten
Neem het project om de aanrijtijd voor ambulances te verkorten. Wat daarbij speelt, is dat er een beperkt aantal ambulances op verschillende plekken staat. De vraag is vervolgens: welke ambulance stuur je naar welk ongeluk toe als de aanrijtijd maximaal vijftien minuten mag zijn? Het antwoord lijkt simpel: de dichtstbijzijnde. “Maar als je dat doorrekent, dan blijkt die gedachte niet op te gaan” licht Bhulai toe. “Want als er vervolgens meteen daarna een ongeluk op een andere plek plaatsvindt, kan het zijn dat er geen ambulance meer is die de aanrijtijd haalt. De data laten zien waar relatief de meeste ongelukken plaatsvinden en daarmee kunnen we voorspellingen doen. En het werkt. Het algoritme dat we ontwikkeld hebben, wordt inmiddels door vrijwel alle ambulancediensten gebruikt.”
Afstemming
De druk op de zorg is enorm. Datagedreven werken en de inzet van AI kan oplossingen bieden, meent Bhulai. En dan denkt hij niet aan techniek als de inzet van spraakgestuurd rapporteren. “Dat levert natuurlijk tijdwinst op. Maar ik denk dat de echte knelpunten op het snijvlak van vraag en aanbod liggen. In de zorg wordt vaak gezegd: we willen de juiste patiënt op de juiste tijd op de juiste plek. Dat heeft allemaal met afstemming te maken.”
Beperkingen mens
Voor patroonherkenning en het creëren van een effectief algoritme zijn vooral heel veel data nodig. “Toen we bijvoorbeeld bezig waren met het verkorten van de wachttijd in verpleeghuizen, zagen we dat er heel veel factoren zijn waar je rekening mee moet houden” vervolgt Bhulai. “Een cliënt heeft een bepaalde voorkeur, een bepaalde indicatie en moet zorg krijgen op de goede plek. Sommige verpleeghuizen zitten vol, in anderen is nog plek. En terwijl mensen op een wachtlijst staan, kan de problematiek verergeren. Bij het bepalen van de juiste plek komen de beperkingen van de mens aan de orde. Een computer of een algoritme kan veel meer data tot zich nemen en in de toekomst kijken.”
Onbekendheid
Data verzamelen en met elkaar delen, is essentieel om te kunnen optimaliseren, benadrukt Bhulai. Denk aan gegevens bijhouden over wanneer patiënten opgenomen worden, hoe lang de ligduur is en hoe lang ze moeten wachten op de behandeling. Maar in de zorg is dat nog geen gemeengoed. Bhulai: “Er is nogal wat onbekendheid over de mogelijkheden op dit vlak. Als ik in een zorginstelling vraag hoe de datakwaliteit in elkaar zit, krijg ik vaker verbaasde blikken. Zorginstellingen moeten volwassen worden op dit vlak, zeker als het om het hoger management gaat.”
