De zorgsector staat onder druk. Zo zwaar onder druk, dat er in het operationele proces weinig tot geen ruimte is om innovatieve technieken of slimme ideeën te testen en implementeren. Dit terwijl de logistieke en facilitaire processen juist veel baat zouden hebben bij een stuk procesoptimalisatie.
AI betekent niet het einde van de menselijke zorg
In de zorg zijn we met z’n allen een beetje pilot-moe. Vooral op het gebied van kunstmatige intelligentie zijn pilots vaak goedbedoeld, maar gerealiseerd vanuit een technology push of als losstaand project. Door te werken buiten de context van de werkelijke processen, mislukt maar liefst 40% van alle initiatieven. Als er gekeken wordt naar oplossingen die problemen echt naar de achtergrond laten verdwijnen, moet er geredeneerd worden vanuit de waarde die het brengt voor de doelgroep.
Wij zijn ervan overtuigd, en hebben ook de onderbouwde bewijzen, dat kunstmatige intelligentie, ook wel AI, daadwerkelijk toegevoegde waarde heeft voor het personeel in de zorgsector. En dan hebben we het niet over het vervangen van mensen door machines, want dat is absoluut niet aan de orde. Zorgpersoneel bezit namelijk creativiteit, compassie en empathie, iets wat een robot nooit en te nimmer zal kunnen vervangen.
Zorglogistiek en procesoptimalisatie zijn gebieden waar AI wél heel effectief kan worden ingezet. Routinematige taken van planners en logistiek medewerkers kunnen uit handen genomen worden, waardoor er meer tijd vrijkomt voor andere handelingen.
Voorbeelden uit de praktijk
In deze video (opname van onze webinar eerder dit jaar) neemt Rob van Zoest je mee in de wereld van kunstmatige intelligentie in de zorg. En dan geen zware theorie, maar een video waar daadwerkelijke praktijkvoorbeelden worden behandeld. Gaat kunstmatige intelligentie haar belofte waarmaken? Of is het een eindeloze kwestie van trial and error?
We gaan in op de eerste succesvolle toepassingen van AI in de zorg waarbij onze focus vooralsnog ligt bij de volgende twee kernonderwerpen:
- Optimalisatieslag van de machines die baxterrollen produceren. Hoe stel je zo’n machine optimaal in? Hoe verhoog je de huidige optimalisatiegraad en hoe zou je het percentage van automatisering kunnen verhogen?
- Supply chain optimalisatie bij een bedrijf dat medical devices en medicijnen levert. Hoe kunnen we de vraag voorspellen op basis van historische data of zelfs in vergelijking met andere producten en trends, door middel van deep learning? Hoe zorgen we ervoor dat een AI-model zo wordt opgebouwd, dat het output geeft die bruikbaar en begrijpelijk is voor de eindgebruiker?
Kunstmatige intelligentie verdient in deze gevallen de voorkeur boven machine learning, want door middel van AI kun je parametriseren. Door bijvoorbeeld parameters in het AI-model aan te brengen (niet kunnen leveren / teveel voorraad / drukte verwacht), voorkom je tekorten én overschotten.
Wat is de volgende stap op het gebied van AI?
Naast de zorglogistiek en de procesoptimalisatie zou AI, de komende jaren, ook een oplossing kunnen bieden voor het personeelstekort in de zorg. Er kunnen modellen ontwikkeld worden voor intelligente roostering, waardoor er een betere match tussen (de zwaarte van de) zorgvraag en zorgverlener ontstaat. Hierdoor zouden zorgafdelingen of -organisaties in staat zijn om ruimte te creëren in de personeelsbezetting, waardoor er meer ademruimte komt. Een andere kans voor de zorg is het optimaliseren of reguleren van (semi-)planbare omgevingen, zoals de bedbezetting, bezetting van de OK en MRI-bezetting.
Kunstmatige intelligentie komt het beste tot zijn recht in puntoplossingen. Door een klein, specifiek probleem aan te pakken kan een model heel gericht ingezet worden. Hierdoor creëer je toegevoegde waarde waar het nodig is, wat veel efficiënter en meer haalbaar is dan een heel breed proces te optimaliseren met AI.
Door een specifiek probleem op te lossen, zien mensen in hun eigen werkproces de toegevoegde waarde en dan komt de versneller op de werkvloer, naar verwachting, vanzelf. Op een gegeven moment gaat men breder nadenken over meer of andere AI-toepassingen, waardoor een puntoplossing als een katalysator kan werken.
Waarom deze video over AI in de zorg?
Het is voor zorgorganisaties essentieel om kunstmatige intelligentie te omarmen. We hebben niet de tijd om rustig te ontwikkelen en implementeren, maar het is een urgente kwestie. Als straks concurrenten of partners de sprong al hebben gewaagd, dan komt dit de samenwerking in de keten van zorgorganisaties niet ten goede.
Het is geen vage theoretische formule meer, maar een hands-on toepassing. Een manier om jouw proces verder te brengen en te profiteren van de successen. We zitten momenteel al in een fase, waarin we zekerheid kunnen bieden. Zekerheid in het proces en zekerheid op de werkvloer.
Er wordt niet zomaar willekeurig ergens een data-platform geïmplementeerd of data geanalyseerd, maar er is een concrete oplossing voor een afgekaderd probleem op de werkvloer. Je wilt namelijk profijt hebben van de date die al bestaat; is de date goed genoeg om een AI-model mee te trainen? Als alle seinen op groen staan en implementatie succesvol lijkt, pas dán gaan we over tot actie.
En het mooiste van alles is: die sceptische gedachte (werkt dit bij ons wel?) is eenvoudig te overtuigen. We kunnen namelijk een ‘digital twin’ maken, waar je door middel van een simulatie exact kunt ervaren hoe het binnen jouw organisatie waarde toevoegt.
Wilt u weten hoe u, uw zorgorganisatie, zorgafdeling of logistiek proces kunt optimaliseren? Laat u dan inspireren door deze video.
