De innovatieve AI-driven Healthcare oplossingen die ilionx pitcht tijdens AI Friday:
Het voorspellen van ziekenhuis-heropnames
Met data science kun je voorspelmodellen maken op basis van data. Het is hierbij van belang dat je werkt met kwalitatief goede data: dit is immers het fundament voor je model. Met een voorspelmodel op basis van accurate data heb je bijvoorbeeld snel inzichtelijk welk risico een patiënt heeft op een heropname. Daarnaast wil je weten welke factoren hieraan bijdragen. Je kunt dan op die factoren sturen en daarmee een heropname voorkomen. Dit draait het normale proces van een ziekenhuis op zijn kop: waar men nu voornamelijk bezig is met verantwoorden en het achteraf aanpassen van zorgpaden en -processen, wordt er met data science proactief gewerkt. Waar in de huidige situatie standaardmaatregelen worden gebruikt voor alle patiënten (denk aan medicatieoverdracht of een brief van de huisarts) is data science gericht op specifieke factoren of kenmerken van patiënten met een hoog risico op heropname. Oftewel, met een voorspelmodel waarmee je van tevoren op bepaalde onderdelen kunt ingrijpen.
Inzicht in de kwaliteit van de zorg door diagnoses en intakes te analyseren met Text Mining
Voorafgaand, tijdens en na behandelingen worden er in de (geestelijke) gezondheidszorg veel data gegenereerd in de vorm van dossiers. Met behulp van text mining worden belangrijke thema’s in diagnoses of intakes gerelateerd aan de kwaliteit van zorg. Afwijkingen in diagnoses in relatie tot keuzes van behandelingen kunnen hierbij worden geanalyseerd, maar risicoanalyse is ook één van de toepassingen van text mining in de zorg.
