Ook in de GGzE (anonieme hulp via internet) wordt hard gewerkt om met datascience en kunstmatige intelligentie (AI) zorgprocessen te verbeteren. Data kunnen bijdragen aan efficiëntere zorg, betere behandelingen en meer tijd voor het echte werk: het contact met cliënten. Maar hoe werkt dat precies in de praktijk? En waarom kiest GGzE bewust voor AI? Ilja Bongers, senior wetenschappelijk medewerker binnen GGzE is dagelijks bezig met dit onderwerp en vertelt op de website van GGzE meer hierover.
“Veel tijd van professionals van GGzE gaat op aan het doorspitten van dossiers,” vertelt Bongers. “Bijvoorbeeld een basispsycholoog die 500 pagina’s moet lezen om historische gegevens te verzamelen voor risicotaxatie. Met een computer kan dat veel sneller en efficiënter, mits het model goed is getraind.”
Meer inzicht met juiste informatie
Dankzij data-analysetechnieken kan een computer de juiste informatie uit dossiers halen en overzichtelijk presenteren. De psycholoog beoordeelt vervolgens de informatie en houdt meer tijd over voor andere cliënten. Deze efficiëntere werkwijze kan bijdragen aan het oplossen van capaciteitsproblemen in de zorg.
Een ander voordeel van de inzet van AI en het datagedreven werken is dat er hierdoor meer inzicht is in de effectiviteit van behandelingen. Bongers vertelt dat bij GGzE al jarenlang gegevens worden verzameld, zoals routine outcome monitoring (ROM). “Deze data gecombineerd met gegevens uit het elektronisch patiëntendossier (EPD) biedt kansen om te analyseren welke behandelingen werken en waarom. Dit kan ons helpen om behandelingen verder te verbeteren en beter af te stemmen op de behoeften van onze cliënten”, aldus Bongers.
Voorspellen behandeluitkomsten
Door patronen in de data te herkennen, kunnen onderzoekers bijvoorbeeld zien welke factoren bijdragen aan herstel. Naast efficiënter kunnen behandelingen zo ook effectiever worden gemaakt. Een van de meest innovatieve toepassingen van datascience is het voorspellen van behandeluitkomsten. Door gebruik te maken van data van cliënten die de behandeling al hebben afgerond kunnen modellen worden ontwikkeld die helpen bij het maken van keuzes voor nieuwe cliënten. Door deze ervaringen en modellen kan op termijn volgens Bongers bij de intake al een idee worden gevormd welke behandeling het meest geschikt is voor een cliënt met een bepaald profiel.
Vorig jaar is een groep van Deense onderzoekers er nog in geslaagd om via machine learning een AI-algoritme te ontwikkelen waarmee van (ggz-)patiënten kan worden voorspeld of zij een verhoogd risico lopen om in de (nabije) toekomst geconfronteerd te worden met een gedwongen opname in een medische of ggz-instelling. Het onderzoeksteam van de Universiteit van Aarhus stelt dat deze AI-oplossing de weg effent naar betere preventieve geestelijke zorgverlening.
Om AI-innovaties mogelijk te maken, investeert GGzE in kennis en expertise. Bongers volgt momenteel een opleiding in datascience en AI. “Mijn opleiding bestaat uit drie delen. In het laatste jaar, dat nu begint, werk ik aan een opdracht bij GGzE, met begeleiding van experts van EAISI (Technische Universiteit Eindhoven) en ons datascience-team,” vertelt zij. Een van de projecten waaraan Bongers werkt, is de ontwikkeling van de ‘briljante basispsycholoog’: een professional die dankzij data sneller en efficiënter kan werken.
Privacy en ethiek
Een belangrijke uitdaging bij datagedreven werken is de privacy van cliënten. Bongers vertelt dat de gegevens die ze gebruiken altijd binnen de omgeving van GGzE blijven. En als gegevens van cliënten worden gebruikt voor onderzoek, dan worden deze altijd gecodeerd met een nummer voordat ze worden geanalyseerd. “Bovendien worden er strikte protocollen gevolgd om de integriteit van de data te waarborgen”, voegt Bongers toe.
