In de zogenaamde Insight Driven Organisation (IDO) maakt in elk onderdeel gebruik van (Big) Data om sneller tot beslissingen te komen, efficiënter te opereren, tijdig te kunnen innoveren, betere voorspellingen te doen en kosten te besparen.
Kan dat nu ook met Insight Driven Health (IDH)? En betekent dat het einde van het ‘piskijken’, wrijven over kristallen (wens-)bollen en vertrouwen op het onderbuikgevoel? Inderdaad biedt IDH kansen voor een effectievere, cliëntgerichtheid en betaalbare innovatieve gezondheidszorg. Maar het is natuurlijk niet allemaal datagoud wat er blinkt.
Weten wij wat er staat te gebeuren, dan komt de vraag “Wat moet ik doen?” Daaruit volgt de uiteindelijke beslissing ondersteund door Decision Support van de IDO-ICT.
Een aantal voorbeelden:
1. Beleid bij vergrijzing
Een IDH kan nauwkeurig en voorspellend in kaart brengen, wat wij straks nodig hebben om de sterk groeiende groep ouderen zelfstandig met een goede kwaliteit van leven langer thuis te kunnen laten wonen. Aan de hand van de kennis over beperkingen en ziekten bij veroudering, en die te koppelen aan de technologische mogelijkheden van e-health valt daar ook echt chocola van te maken.
2. Patient mining
Het doorzoeken van grote aantallen patiëntendossiers op het hoe wat en waarom van fysieke of psychische ziekten. Dit valt ook prima te koppelen aan de data die uit de quantified self komen. Een groot datalab voor gezondheidsonderzoek tot wereldformaat aan toe.
Andere vraagstellingen bij dit type quantitative data research zijn bijvoorbeeld het opsporen van risicofactoren, kindermishandeling, genetische defecten en de invloed van klimaatveranderingen op de mens en haar ziekten.
3. AI
Slimme algoritmen kunnen grote hoeveelheden data gericht doorzoeken op basis van vraagstelling, identificatie en het leggen van relaties. Je ziet in deze ook steeds meer bij zelflerende (machine learning) systemen, die nieuwe inzichten en duidelijke visualisaties van de kernfactoren of determinanten genereren.
Van een geheel andere orde is de zorgverlener als algoritme. Basisanamnese, diagnose en de beslissing over de behandeling valt met IDH-kennis op termijn voor 70-80% door AI af te handelen.
Er is een cultuuromslag nodig. De intuïtie en het onderbuikgevoel geef je als behandelaar niet zomaar uit handen aan slimme algoritmes. Alleen als daaruit duidelijk beslisvoordelen en beter professioneel handelen voortkomt. En tot slot de ware IDH-killer: Werk in de verschillende onderdelen van de organisatie met andere ICT-systemen, dataformats, entrys en vragen. Dat wordt echt gewoon niets!
De redactie hoort graag van meer IDO-toepassingen in de gezondheidszorg.
Kan dat nu ook met Insight Driven Health (IDH)? En betekent dat het einde van het ‘piskijken’, wrijven over kristallen (wens-)bollen en vertrouwen op het onderbuikgevoel? Inderdaad biedt IDH kansen voor een effectievere, cliëntgerichtheid en betaalbare innovatieve gezondheidszorg. Maar het is natuurlijk niet allemaal datagoud wat er blinkt.
Waarom een IDO worden?
In het bedrijfsleven zijn er verschillende redenen om een IDO te willen worden. Je neemt dan alle belangrijke analytics, data en op feiten gebaseerde argumenten mee in het besluitvormingsproces. De gamechanger is hierbij dat nu de beslissers en beleidsmakers zelf direct toegang hebben tot de voor hen belangrijke Big Data. De vaak realtime data-analyse maakt het mogelijk om snelle beslissingen te maken, flink te besparen op de kosten, de concurrentie voor te zijn en de klant zo optimaal te bedienen. Het blijft uiteraard wel allemaal een kwestie van: 1. welke vragen moet ik stellen en beantwoorden en 2. welke Big Data zijn daar dan voor nodig!Het IDO-proces
Een IDO workflow start met het vergaren van data betreffende wat er gebeurt en waarom (diagnostiek) dit gebeurt. Dat klinkt ook werkers in de gezondheidszorg vertrouwd in de oren: Verschijnselen en diagnose. De volgende vraag is wat er op grond van deze data-analyse staat te gebeuren. De voorspellende waarde is later van grote invloed op de te nemen beslissing.Weten wij wat er staat te gebeuren, dan komt de vraag “Wat moet ik doen?” Daaruit volgt de uiteindelijke beslissing ondersteund door Decision Support van de IDO-ICT.
Kijken naar de nabije toekomst
Traditionele beslissingsprocessen kijken vaak alleen naar het heden. Er gebeurt iets en er komt een standaardreactie op. Een IDO kijkt direct naar toekomstige ontwikkelingen en de mogelijkheden plus kansen om de best mogelijke beslissing / actie te ondernemen. Het stelt meteen centraal in het beslissingstraject: 1. Het hoe wat en waarom van de gebeurtenis. 2.Wat de best mogelijke reactie op 1 is. En 3 kijkt naar de pro’s en con’s, al dan niet in simulatie.Dagelijkse praktijk voor alle onderdelen
IDO staat niet op een eiland of is alleen het troetelkindje van de datascientists bij ICT. Nee, het gaat om het beantwoorden van vragen en beslissingen uit de dagelijkse praktijk, afkomstig uit alle onderdelen van de organisatie. De dagelijkse praktijk betekent dat het zowel betrokkenheid oplevert bij ieders werkveld, relevante kwesties en overall toegankelijk is. Dat doet IDO leven bij iedereen en leidt tot de gewenste adequate snelle kostenbesparende beslissingen en innovatie.Terug naar de gezondheidszorg
Valt IDO goed te vertalen in IDH? Ja, maar het dient wel naadloos aan te sluiten op de werkprocessen en cultuur in de gezondheidszorg. IDH kan een ware evolutie of gamechanger betekenen op het gebied van de gezondheidszorg. Het nemen van beslissingen op basis van Big Data ondersteunt andere belangrijke gamechangers zoals de Quantified Self, artificial intelligence (het system moet het eerst ook zelf weten), individuele profilering en health-platforms voor vraag en aanbod (zie Deloitte en Touche).Een aantal voorbeelden:
1. Beleid bij vergrijzing
Een IDH kan nauwkeurig en voorspellend in kaart brengen, wat wij straks nodig hebben om de sterk groeiende groep ouderen zelfstandig met een goede kwaliteit van leven langer thuis te kunnen laten wonen. Aan de hand van de kennis over beperkingen en ziekten bij veroudering, en die te koppelen aan de technologische mogelijkheden van e-health valt daar ook echt chocola van te maken.
2. Patient mining
Het doorzoeken van grote aantallen patiëntendossiers op het hoe wat en waarom van fysieke of psychische ziekten. Dit valt ook prima te koppelen aan de data die uit de quantified self komen. Een groot datalab voor gezondheidsonderzoek tot wereldformaat aan toe.
Andere vraagstellingen bij dit type quantitative data research zijn bijvoorbeeld het opsporen van risicofactoren, kindermishandeling, genetische defecten en de invloed van klimaatveranderingen op de mens en haar ziekten.
3. AI
Slimme algoritmen kunnen grote hoeveelheden data gericht doorzoeken op basis van vraagstelling, identificatie en het leggen van relaties. Je ziet in deze ook steeds meer bij zelflerende (machine learning) systemen, die nieuwe inzichten en duidelijke visualisaties van de kernfactoren of determinanten genereren.
Van een geheel andere orde is de zorgverlener als algoritme. Basisanamnese, diagnose en de beslissing over de behandeling valt met IDH-kennis op termijn voor 70-80% door AI af te handelen.
Acuut inspelen op epidemieën
Vroeger was het opsporen van de oorzaak / bron van snel om zich heen grijpende epidemieën, zowel een tijdrovende aangelegenheid als het zoeken naar een speld in de hooiberg. Regelmatig zorgde een toevalstreffer de doorbraak. De mogelijkheden van IDO-technieken bij het snel achterhalen van ziekteoorzaken en een daarop nauwkeurig passende respons (beslissing interventie) zijn veel belovend. Als side-kick de inzet van het gamepotentieel om HIV beter in kaart te brengen.Effectiviteit en kostenbesparing
Nog een te groot deel van de curatie en preventie zijn te globaal in plaats van patiëntgericht. Dat veroorzaakt regelmatig slechts een matig interventieresultaat en hoge behandelkosten. Stel dat IDH de best werkende therapie tegen de laagst mogelijke kosten ophoest? Dan is de cliënt / patiënt tevreden en de samenleving een stuk goedkoper uit. Om het over onnodige bijwerkingen van een niet optimale medicatie nog maar niet te hebben. Dat is nog eens een gamechanger.Kanttekeningen
Zoals gezegd is het niet allemaal datagoud date er blinkt bij IDH. Te beginnen met de juiste data. Garbage in, geeft garbage out. Dat zal onze inzichten en beslissingen niet echt verbeteren. Hoewel, IDH kan ook met minder exacte data goede resultaten bereiken en/of zelf uitvinden welke gegevens gecorrigeerd moeten worden of nog extra nodig zijn. Je moet wel de juiste vragen op het goede moment stellen. IDH’s zijn weliswaar zelflerend, maar niet erg creatief bij het eigenhandig creëren van de relevante vraag.Er is een cultuuromslag nodig. De intuïtie en het onderbuikgevoel geef je als behandelaar niet zomaar uit handen aan slimme algoritmes. Alleen als daaruit duidelijk beslisvoordelen en beter professioneel handelen voortkomt. En tot slot de ware IDH-killer: Werk in de verschillende onderdelen van de organisatie met andere ICT-systemen, dataformats, entrys en vragen. Dat wordt echt gewoon niets!
De redactie hoort graag van meer IDO-toepassingen in de gezondheidszorg.
