InterSystems ziet brood in aggregatie medische data

Digital healthcare blijft de wereld van de technologie beheersen en InterSystems hoopt in die toekomst een belangrijke rol te spelen. ‘Iedereen zoekt naar manieren om dingen effectiever, in minder tijd, of met minder werk, te kunnen uitvoeren.’

Anderhalve maand nadat Data News zelf een conferentie over health tech op touw zette, gaat het gesprek verder, op de Health Tech Summit in Antwerpen. De conferentie verzamelt klanten en partners van de Amerikaanse softwaregigant InterSystems, dat al lang aan het zeel trekt voor health tech. ‘Zo zijn we indertijd begonnen, met een paar zorgbedrijven als klant,’ zegt vice-president John Paladino. ‘IT voor de zorgsector vroeg in onze beginjaren veel investering, maar het gaf ons ook veel kansen om nauw samen te werken met die klanten, en de producten te ontwikkelen waar ze iets aan hadden.’

‘Dat soort werk zit ook al van bij het ontwerpen van onze producten in gedachten. We zijn goed in verschillende soorten data integreren en begrijpelijk maken, en daarbij te zorgen dat je ze terug naar de bron kunt tracken. Zo weet je dat je je data kunt vertrouwen. En dat is bij health care natuurlijk erg belangrijk.’

Vanwaar de versnelling in de digitalisering van health care de laatste jaren? Paladino wijst op de recente pandemie. ‘Dat heeft verschillende zorgorganisaties niet alleen voor financiële uitdagingen gesteld, ze kregen het ook moeilijk om voldoende werknemers te vinden. En dus is de nood aan oplossingen en technologieën die het werk van dokters en verplegers gemakkelijk maken groot geworden.’ Zijn collega Scott Gnau, InterSystems Vice President of Data Platforms, vult aan: ‘Voeg daar de enorme digitaliseringsmogelijkheden van nu bij, en je krijgt de boom aan health tech die we nu zien. De vragen uit de zorgsector gaan niet weg, en drijven heel wat innovatie aan. Iedereen zoekt naar manieren om dingen effectiever, in minder tijd, of met minder werk, te kunnen uitvoeren.’

De empathie van ChatGPT

Ondertussen wordt op de summit het geloof in artificiële intelligentie breed bezongen. Meer dan één spreker zet ChatGPT in om zijn lezing op te leuken, maar ook aan ernstige toepassingen is geen gebrek. Zo toont Kathleen Aller, Global Head of Healthcare Market Strategy, een ChatGPT-achtige benadering om via AI een database te doorzoeken met eenvoudige vragen als ‘hoeveel patiëntenbezoeken waren er in januari 2023’. Ook ziet ze mogelijkheden om met eenzelfde benadering traditionele workflows te verbeteren, en zoeken in patiëntendossiers te vergemakkelijken. ‘Heeft deze persoon een familiale geschiedenis van kanker’, wordt zo snel beantwoord. ‘Het blijft natuurlijk gevoelige materie’, zegt ze. ‘En niets hiervan gebeurt dus buiten dat dossier. Je wil met die gegevens discreet omgaan.’

Communicatie is een ander terrein waarop generatieve AI kansen biedt. In een lezing die verder van innovatieve luchtspiegelingen niet gespeend is, haalt ‘Healthcare Futurist’ Koen Kas het iets realistischer voorbeeld aan van een arts die de AI-chatbot vraagt om een zesjarige uit te leggen wat vitiligo is. Dat lukt vlot. Want dat er aan de communicatieskills van medici al eens wat scheelt, zegt ook Aller. Ze haalt daarbij een studie aan waarin antwoorden van artsen en chatbots met elkaar werden vergeleken. Als het gaat om empathie winnen de robots met een straatlengte voorsprong, merkt ze op.

‘Trust’ bloklettert een slide van Kas als het over privacy en de betrouwbaarheid van AI gaat. ‘Maar dat vertrouwen moet je inderdaad verdienen’, geeft Gnau toe. ‘Daarom bouwen we AI in onze stack in, zodat onze klanten dat soort modellen binnen onze gecontroleerde omgeving kunnen inbouwen. Je hoeft het zorgdossier van een patiënt dus niet te verplaatsen buiten een firewall om je queries te runnen.”

Voorspellende modellen

Maar er is natuurlijk meer dan enkel generatieve AI. Rami Riman, Director of Clinical and Business Improvements, ziet ontelbare use cases in tabelgebaseerde AI. ‘Op klinisch vlak kun je de kans op borstkanker, diabetes, een asthma-aanval of osteoporose gaan voorspellen’, zegt hij. ‘Administratief kun je bijvoorbeeld vooraf berekenen hoeveel tijd een bepaalde chirurgie in beslag neemt, zodat je de bezetting van je operatiekwartier zo efficiënt mogelijk maakt, of inschatten hoe lang een patiënt ongeveer zal blijven, en hoeveel personeel je nodig hebt, bijvoorbeeld op basis van de verwachtte wachttijden bij de spoeddienst.’

Hij haalt het voorbeeld aan van een Saoedische oogkliniek, waar men zo een probleem oploste van patiënten die niet komen opdagen. ‘Door een voorspellend algoritme dat inschat wie zijn afspraak zal laten schieten, is de kans veel groter dat het call center de juiste patiënten zal opbellen om hen te herinneren,’ vertelt hij. ‘Op die manier kon het ziekenhuis dagelijks tachtig effectieve afspraken meer uitvoeren, goed voor 25 manuren besparing per dag.’

Andere pistes om de gezondheidszorg te moderniseren kijken dan weer richting automatisering. Product manager bij InterSystems Stefan Wittman haalt enkele voorbeelden aan uit de Britse en Amerikaanse zorgsystemen. ‘Neem nu NHS Lothian in Schotland, dat tijdens de covid-periode werd overspoeld door oproepen. Om de 40.000 telefoontjes per dag te verwerken, was er nood aan een schaalbaar en veilig systeem om afspraken te plannen, dat ook werkte buiten de kantooruren. In 28 dagen werd zo een tool gerealiseerd die dat manueel proces automatiseerde, en zo 133 callcenterdagen uitspaarde.’

In Japan wordt dan weer geëxperimenteerd met zelfrijdende robots die pillen distribueren, en slikbewegingen scannen om te verifiëren dat ze wel degelijk worden ingenomen. ‘Spaart bij ouderenzorg zowat de helft van de tijd uit’, concludeert Wittman.

Hulp bij data-analyse

En dus blijft data het goud waarop iedereen zit, maar waar je veel meer mee kan doen. ‘Al te vaak blijft het nog in aparte silo’s zitten, waardoor je er niet genoeg uit kunt filteren’, zegt Wittman. En hij wijst op Smart Data Fabrics, een extra tool die InterSystems met zijn IRIS-dataplatform over die silo’s legt, en een semantische laag toevoegt die helpt om de data te analyseren. ‘Dan kun je op basis van pompgegevens bijvoorbeeld patronen over plaats en tijd ontdekken in de dosissen die van bepaalde medicatie worden toegediend. Daarmee kun je dan vaststellen waar er verspilling optreedt, en mensen misschien maar een halve dosis toegediend krijgen, waarvan de andere helft dus nog kan gerecupereerd worden. Ook tekorten zie je zo sneller aankomen.’

In het UZ Gent verkent men ook wat men met clinical data kan doen. Informatie genoeg immers, zegt Dokter Kristen Colpaert van het Data Science Institute. ‘We hebben 90 miljoen tekstvelden, over meer dan 750.000 unieke patiënten, verzameld in meer dan vijfhonderd losse databases die samen het Electronic Medical Records van de patiënten vormen. En dan merk je dat je met data alleen niet alles bent. Je moet je data ook cureren, zodat ze kwaliteitsvol blijft. Vaak zijn ze immers niet-continue, asynchroon, of is het enkel observational data die dus niet genoeg zegt.’

Data governance is dus een ding, want je wil dat je gegevens accuraat, juist, betrouwbaar, en uniek zijn, klinkt het. Maar eenmaal de data zo zuiver mogelijk gekregen zijn, kan je er ook wel wat mee. ‘Toen vorig jaar het vermoeden rees dat het aantal schurftgevallen steeg, kon ik dat met één query op de data ook bevestigen. Het is dus heel gemakkelijk om zo trends vast te stellen.’

Ook studenten kunnen voor hun onderzoek beroep doen het op Data Science Instituut. ‘Dan houden we CSI (Cohort Selection Identification) Café, waarbij specialisten hen helpen om een goeie zoekopdracht op te stellen, zodat ze de antwoorden krijgen die ze zoeken.’ Toch is er nog werk aan de winkel, concludeert ze. ‘Machine learning is niet genoeg, je hebt de input en kijk nodig van professionals. Anders blijven veel toepassingen steken op een ontwikkelingsfase, en raken ze niet tot op een patiëntenniveau waar ze praktisch worden gebruikt. Dat leerden we uit een praktische toepassing die we ontwikkelden om met Laser Doppler Imaging de diepte van brandwonden in te schatten. Proeven hebben immers bewezen dat je zo vijftig tot tachtig procent accurater kunt beslissen hoeveel van de huid je moet behandelen, waar vroeger vaak te veel oppervlakte werd aangepakt. We hebben echter wel wat expert-input nodig gehad om de machine learning helemaal op punt te krijgen daar.’

FIHR-standaard

Als het gaat om medische data-uitwisseling is InterSystems een groot voorstander van de FHIR-standaard om de data op te slaan. ‘Zo ben je zeker dat de syntaxis van de data zo is, dat je ze kunt lezen en begrijpen’, zegt Paladino. ‘We werken er met enkele van onze klanten aan om de semantics ervan nog wat meer universeel te maken, zodat de betekenissen erachter over heel de wereld bruikbaar zijn. We merken ook dat er heel wat start-ups zijn die doorbraak-apps ontwikkelen op vlak van health care die standaard ook omarmen. Zo kunnen ze gemakkelijk data binnenhalen zonder dat ze zelf oplossingen voor data-uitwisseling moeten bedenken.’

De bedenking die we eerder op de conferentie opvingen, hoe veel dokters elektronische patiëntendossiers nog altijd onachtzaam invullen – ‘alles in het opmerkingenveld zoals op hun oude steekkaarten’ – klopt wel, knikt de VP. ‘Dat proberen we op te lossen door in onze producten tools in te bouwen, die automatisch die data daaruit gaan halen en in de juiste velden verwerken. Zo kunnen we involledige data toch vollediger maken. Want zo gaat het wel. Schrijft een dokter bij een patiënt ‘Bill’ waar het officieel ‘William’ is, dan creëert dat problemen, die je moet kunnen rechttrekken voor je data echt bruikbaar wordt.’