11-02-2021

Erasmus MC voorspelt ligduur met machine learning model van SAS

Deel dit bericht

Het Erasmus Medisch Centrum (MC) heeft in samenwerking met SAS een model ontwikkeld om te voorspellen of patiënten na een operatie in het ziekenhuis moeten blijven of overgeplaatst kunnen worden naar een verzorgingshuis. De inzet van dit model kan ervoor zorgen dat er minder ziekenhuisbedden onnodig bezet worden gehouden. Hierdoor kunnen er meer patiënten worden geholpen die anders moeten wachten op een ingreep.

Davy van de Sande, promovendus Intensive Care Medicine bij Erasmus MC, ontving de Gerrit Jan Mulder prijs voor zijn onderzoek naar de ontwikkeling van dit model. Hij kreeg deze prijs toegekend voor beste master scriptie van het Erasmus MC. Volgens de jury gaat het hier om een praktisch toepasbaar onderzoek met een hoge maatschappelijke relevantie.

In oktober 2019 constateerde de afdeling Chirurgische Oncologie van het Erasmus MC dat veel patiënten na een operatie onnodig lang in het ziekenhuis liggen. Slechts een deel van de patiënten had daadwerkelijk zorg nodig die alleen in het ziekenhuis geleverd kon worden, echter weten de artsen en verpleegkundigen dit pas achteraf. Het deel dat geen heroperatie of speciale zorg nodig heeft, kan herstellen in een verpleeghuis. Van de Sande heeft de volgende onderzoeksvraag uitgewerkt in zijn master scripte: “Kunnen we met behulp van data analytics voorspellen welke patiënten kunnen herstellen in een verpleeghuis en welke patiënten in het ziekenhuis moeten blijven?”

Model bespaart ziekenhuisdagen
Hierbij heeft het Erasmus MC een partner gevonden in SAS, wereldwijde speler op het gebied van advanced analytics. Samen met SAS heeft van de Sande op basis van historische data en patiëntgegevens een machine learning model ontwikkeld dat voorspelt hoe groot de kans is dat een patiënt zorg nodig heeft die alleen in het ziekenhuis geleverd kan worden. Om het model te ontwikkelen, zijn tientallen variabelen gebruikt. Na analyse bleek dat variabelen zoals de totale duur op de operatiekamer, de soort behandeling, de tijd tot de operatie en de medische geschiedenis van de patiënt van grote invloed zijn op de voorspelling of een patiënt wel of niet in het ziekenhuis moet blijven. Uit simulatie met patiëntdata van de afdeling Chirurgische Oncologie bleek dat het Erasmus MC met behulp van dit model in 2019 potentieel 145 ziekenhuisdagen had kunnen besparen.

“In samenwerking met het Erasmus MC heeft SAS een model gebouwd dat artsen kan ondersteunen met het inschatten of patiënten specialistische zorg nodig hebben. Op deze manier kunnen zij een datagedreven beslissing maken”, aldus Edwin van Unen, Principal Analytics Consultant bij SAS. “Tegelijkertijd leveren deze inzichten het ziekenhuis meer capaciteit, omdat bedden sneller beschikbaar komen en er dus meer patiënten geholpen kunnen worden die anders moeten wachten op hun ingreep.”

Van de Sande had aan de start van dit onderzoek geen ervaring met data analytics en machine learning. “Ik heb hierin heel nauw samengewerkt met Joost Huiskens, arts en Industrie Expert Healthcare bij SAS. Naast de technologie kon ik ook gebruikmaken van de kennis en expertise van de SAS-experts om zo maximaal waarde uit de data te halen. De kennis en expertise van Joost als arts/onderzoeker maakte het nog makkelijker om de verbinding te maken met de medische wereld. Dit heeft mij enorm geholpen om de mogelijkheden van machine learning voor het voorspellen van de ligduur in ziekenhuizen verder te onderzoeken.”

“Tijdens het onderzoek ben ik begeleid door Kees Verhoef en Dirk Grünhagen, beiden oncologisch chirurg bij het Erasmus MC. Ik verbaas me nog over de kracht van deze technologie en over het feit dat we advanced analytics kunnen inzetten om klinische processen te verbeteren”, aldus van de Sande. “De volgende stap is onderzoeken of het model ook toepasbaar is op patiënten van andere afdelingen en in andere ziekenhuizen. Bovendien kan het model steeds nauwkeurigere voorspellingen maken door meer data toe te voegen.”

Gerrit Jan Mulder prijs
Op basis van de toepasbaarheid van het onderzoek heeft Davy van de Sande op 8 februari 2021 de Gerrit Jan Mulder Prijs in ontvangst mogen nemen. Het feit dat de onderzoeksvraag voor deze scriptie vanuit een klinische probleemstelling is ontstaan, maakt dat de resultaten van het onderzoek klinisch heel relevant zijn. Bovendien zorgt de huidige coronaproblematiek en het beddentekort in ziekenhuizen ervoor dat het onderzoek momenteel ook zeer actueel is.

Partners