Data laten werken voor gezondheid

De hoeveelheid, het belang en de waarde van data nemen een enorme vlucht. Op 15 november 2018 schreef Minister Bruins (Medische Zorg en Sport) een brief aan de Tweede Kamer: “Data laten werken voor gezondheid”. In deze brief benadrukt Bruins het belang van goede gegevensuitwisseling in de zorg en worden er concrete acties uitgezet. Voorbeelden van deze acties zijn: het onderzoeken op welke wijze datasolidariteit mag worden ingezet voor betere gezondheid en het in kaart brengen van de kansen en risico’s van algoritmen. Maar waarom is data zo belangrijk en wat kunnen we ermee?

Data, óók in de zorg
Uit onderzoek van het CBS uit 2016 blijkt dat de gezondheidszorg erg achterloopt op het vlak van big data-analyses ten opzichte van andere bedrijfstakken. Slechts 15% van de bedrijven in de gezondheidszorg heeft in 2016 big data-analyses uitgevoerd en slechts 6% van deze bedrijven met hun eigen data. Zonde! De Kamerbrief benadrukt het belang van data in de gezondheidszorg. Hierin deelt Bruins onze visie: data leidt tot inzicht en concrete acties welke van meerwaarde kunnen zijn voor de gezondheidszorg. Met de opkomst van slimme technieken zijn er steeds meer mogelijkheden om stuurinformatie te maken en hiermee besluitvorming te ondersteunen, om zo kosten te besparen of kwaliteit van de zorg te verbeteren.

Mogelijkheden van data
Data leidt tot inzicht en concrete acties, welke van meerwaarde zijn voor gezondheid. Data-analyses kunnen hulp bieden in de besluitvorming van een medisch professional en bestuurders. Bijvoorbeeld inzicht in de kosten en omzet, in de vorm van een inzichtelijk dashboard. Dashboards laten zowel de historische productie zien als de verwachte omzet en kosten voor de komende maanden van het jaar. De verwachtte omzet en kosten worden gebaseerd op een slim algoritme, die de productie van de afgelopen jaren gebruikt om tot een realistische verwachting te komen. Dergelijke dashboards bieden ondersteuning bij zorginkoop en bij het identificeren van hoge kosten.

Data kan ook helpen om zorg efficiënter te maken. Denk aan het indelen van de beddencapaciteit. Als het aantal bedden afneemt maar de toestroom gelijk blijft, dan kunnen we met behulp van data toch de beste invulling van de beddencapaciteit bereiken. Daarnaast kunnen nieuwe technieken zoals Machine Learning verbanden vinden die wij, mensen, niet kunnen vinden.

Wat is Machine Learning?
Machine Learning (ML) is een onderdeel van het vakgebied Artificial Intelligence (AI), waar algoritmes worden gebruikt om zelfstandig te leren van data. Een Machine Learning algoritme gebruikt gestructureerde big data als input en probeert een functie te vinden die de data en zijn onderliggende relaties representeert. Het doel hiervan is het vinden van patronen en deze uiteindelijk gebruiken voor het maken van voorspellingen. Een voorbeeld is het voorspellen van een opname van een patiënt. Als input gebruikt het algoritme medische gegevens van patiënten en of deze patiënten zijn opgenomen. Op basis hiervan vindt het algoritme verbanden tussen de medische gegevens en opname (wel/niet). Vervolgens kunnen deze verbanden gebruikt worden om op basis van nieuwe data te voorspellen of een patiënt wordt opgenomen. Dit geeft inzicht in het ziekteverloop van een patiënt en helpt bij het indelen van de capaciteit in een ziekenhuis.

Privacy
Een knelpunt in de gezondheidszorg is privacy. Echter, privacy moet niet worden gebruikt als blokkade om data niet te mogen gebruiken. Maak de data minder herleidbaar: anonimiseer patiëntnummers en opnamenummers, gebruik leeftijd in plaats van geboortedatum, vervang adresgegevens door wijk of regionummers. Data beschikbaar stellen voor kortlopende, eenmalige projecten neemt ook minder risico met zich mee. Na afloop wordt de data weer verwijderd. Daarnaast benadrukken wij graag ook het standpunt van Bruins: data beschikbaar stellen ten behoeve van het grote geheel. Dit kan ook op een niveau waar de data helemaal niet meer herleidbaar is. Een voorbeeld hiervan is bijdragen aan gezondheidsonderzoeken in uw regio.

Wat kunt u zelf doen?

  1. Zorg dat uw registratie op orde is. Volledige data draagt bij aan de kwaliteit van data. En goede data betekent betrouwbaardere uitkomsten van data-analyses.
  2. Creëer draagvlak voor het vertrouwen ten opzichte van data in uw organisatie. Data wordt steeds belangrijker en gaat ook in uw organisatie een belangrijke rol spelen.
  3. Verdiep u in de mogelijkheden van data-analyses en wat er mee mogelijk is. Laat bijvoorbeeld eens iemand langskomen om te vertellen over het gebruik van data.
  4. Deel data ten behoeve van het grotere belang. Privacy van gevoelige informatie staat voorop, maar geanonimiseerde en geaggregeerde data kan, zoals eerder genoemd, toevoegen aan de algemene verbetering van de kwaliteit van de zorg.  

Data gaat een belangrijke rol spelen, ook in uw organisatie. Data kan gebruikt worden ter ondersteuning van de besluitvorming, zorg efficiënter te maken en het voorspellen van gebeurtenissen. Benieuwd naar de mogelijkheden van data in uw organisatie? Of zit u met een data-analysevraag? Wij helpen u graag.