DOSP-VHR-001930 | LogiCare Tetra AI

Resultaten De resultaten zijn tweedelig. Ten eerste ontwikkelden we een implementatieplan met vier onderdelen (1) inspiratiegids; (2) scan en benchmark datamaturiteitesmeting; (3) ROI calculator en (4) stappenplan voor implementatie. Ten tweede hebben we binnen drie Proof-of-concepts de potentiële kracht van data en AI binnen de zorglogistieke context verkend.

Er werden vier tools vormgegeven:

1. Inspiratiegids: een gids die de inzichten rond de mapping van goederenstromen, mapping van technologische mogelijkheden en de drempels en drijfveren van zorgmedewerkers. De inspiratiegids dient als eerste laagdrempelige kennismaking met AI die de ziekenhuismedewerkers kan inspireren rond wat AI voor hun en hun job kan betekenen.

2. Scan & Benchmark datamaturiteit: binnen het project stelden we een datamaturiteitsscan op, maar konden we ook een benchmark uitvoeren binnen de Vlaamse ziekenhuizen. 28 van de 52 Vlaamse ziekenhuizen namen deel aan de studie (54% van de Vlaamse populatie). De profielen die zijn bevraagd bestaan voornamelijk uit IT-managers, dataverantwoordelijken en logistiek directeurs. Hieruit bleek dat ruim 7/10 bevraagde ziekenhuizen een centraal systeem had om data te ontsluiten maar dat nog niet alles hierin is opgenomen. 5 zorginstellingen hadden een volledig geïntegreerd systeem. De ziekenhuizen werden gescoord op drie grote dimensies: organisatie (budget voor datameting, aanwezigheid van een centraal datasysteem en dataverantwoordelijken in zorginstellingen), cultuur (rapportage en gebruik van data in de organisatie, gebruik van data om beslissingen te nemen en voor strategische doeleinden) en mensen (het gebruik van data door personeel en de datageletterdheid van het personeel). Het gemiddelde voor ogranisatie ligt het hoogst (8.43) gevolgd door datacultuur (7.11) en als slechts scorende dimensie mensen (6.76).

3. Business case & ROI calculator: Deze dynamische rekentool biedt drie manieren om de kosten van een AI-project in kaart te brengen.

• Ten eerste is er een basis kostenmodel dat doorrekent met deterministische schattingen.
• Ten tweede is er kostenmodel dat opgebouwd is uit minimale en maximale verwachtingswaarden. De berekening vertrekt van de gemiddelde waarde.
• Ten derde is er een monte carlo techniek toegepast om 1000 iteraties te genereren vertrekkende van de min/max waarden uit model twee.

De ingestelde waarden zijn gebaseerd op desk research en interviews met experten. Daarnaast is ook een visuele weergave terug te vinden die de kosten uitzet ten opzichte van de opbrengsten. De opbrengsten zijn sterk case afhankelijk en kunnen aan de hand van de kapstok in de respectievelijke tabbladen verder in kaart worden gebracht. Ten slotte is er een extra tabblad voor verdere personalisering: het ingeven van profielen en verbonden kostprijzen.

4. Implementatiegids: de implementatiegids is een stappenplan waar in tien stappen door een AI-project binnen de zorglogistiek wordt gelopen. Onderstaande stappen worden in de gids behandeld. Per stap worden de (1) aanpak, (2) leerlessen en aanbevelingen en (3) gelinkte Logicare Tools besproken.

• Doelen, noden en scope definiëren
• De eindgebruiker engageren
• Use cases prioretiseren en engageren
• Datamogelijkheden mappen
• Go/nogo beslissing
• verzamelen en ontsluiten van de nodige data
• Dataprep & selectie van forecasting model
• training en valideren van model
• Implementatie
• Monitoring en onderhoud.

Drie Proof-of-Concpets Er is bewust gekozen om voor het invullen van de PoC’s te vertrekken vanuit noden en opportuniteiten vanuit de verschillende spelers uit de BG (zorg/logistiek/technisch) en niet de technologie aan zich als leidende paramater te gebruiken. We wilden vermijden om een POC op te zetten die louter op technologische innovatie zouden focussen. Elk lid van de Begeleidingsgroep vulde een matrix in waarbij een gebrainstormde long list van mogelijke use cases werd gescoord op:

• Haalbaarheid (beschikbare data, ethische commissie, …)
• Wenselijkheid (prioriteit, in lijn met strategische doelen, geschatte meerwaarde, …)

De meerwaarde voor iedere stakeholder hebben we als uitgangspunt genomen voor het definiëren van de PoC’s. Zo kwamen we tot de beschrijving van vier geselecteerde POC’s (voor een uitgebreide omschrijving van de POCs en de resultaten, zie bijlage en beschrijving in hoofdstuk ‘resultaten’):

1. Optimalisatie van het operatiekwartier: Binnen deze POC onderzoeken we de mogelijkheid van het automatisch genereren van de bill of material (BOM) of klaarzetlijsten bij een operatie in functie van de arts, patiënt, type ingreep, etc. Hierdoor kunnen OK-verpleegkundigen ontlast worden, kan beter geanticipeerd worden op klaarzetlijsten met tijdswinsten tot gevolg, kunnen inzichten verkregen worden rond gebruikte materialen, alsook een voorzet gedaan worden tot standaardisatie. De resultaten tonen aan dat de voorspelling van de nodige goederen mogelijk is voor de verkende product(groepen).

2. Optimalisatie van de uitleendienst van bijzondere medische materialen: Hier gingen we na of medische hulpmiddelen van de uitleendienst voorspeld kunnen worden op basis van historisch gebruik en planning van opnames. De assumptie moet eveneens gevalideerd worden dat via apotheekprestaties de data van patiënten aan de goederen van de uitleendienst gekoppeld kunnen worden. Er werd gekeken naar klassieke statistische correlaties (Spearmans rank), dynamic time warping en Granger causality tests. Voorlopig konden we slechts een klein verband vinden.

3. Optimalisatie van stockbeheer van verdovende middelen: Hier onderzochten we pf we kosten kunnen verlagen van de voorraadkost door middel van efficiënt aankoopbeleid dankzij historische data, actuele trends en zelflerende algoritmes. De data waren niet voldoende kwalitatief om AI in te zetten. Er werd wel een nieuwe MIN-MAX berekening voorgelegd en konden er inconsistenties in de data worden vastgesteld die kunnen leiden tot een andere registratie van de onderzochte producten.

Meer resultaten zijn hier te vinden: https://thomasmore.be/nl/logicare