AI voorspelmodel blijkt 33% nauwkeuriger in voorspellen operatieduur

EY VODW Datatalents
29 okt. 2019

OK-tijd is schaars en duur: sommige patiënten staan immers al maanden op de wachtlijst. Tegelijkertijd is de OK-planning verre van optimaal. Uit onze hackathon-analyse blijkt dat in 53% van de gevallen de planning niet overeenkomt met de daadwerkelijke operatietijd. De duur wijkt gemiddeld meer dan 15% van de door het ziekenhuis geplande duur af. Jammer, want wat staan er nog veel patiënten op de wachtlijst in Nederland! Antwoord op het probleem? Data science en Artificial Intelligence (AI).

Beter voorspelde OK-tijd dankzij nieuw model

Tijdens de Data Science & Health Hackathon hebben we OK-data met behulp van de programmeertaal Python geanalyseerd en d.m.v. AI de variabelen geïdentificeerd die een significante invloed blijken te hebben op de operatieduur. Deze worden in de huidige planning in ziekenhuizen niet meegenomen. Nu nemen ziekenhuizen de gemiddelde duur van de verrichting en eventueel nog de medisch specialist die de operatie gaat uitvoeren, als uitgangspunt om de OK-tijd in te plannen. Uit onze analyses bleek dat andere variabelen wel degelijk van belang zijn zoals: 'klinische opname of dag opname', 'aankomsttijd op de OK' en 'dag van de week'.

Bijvoorbeeld bij een kijkoperatie aan de meniscus (partiële meniscectomie via artroscopie) bleek verrassend genoeg dat wanneer de operatie start tussen 10 en 11 uur in de ochtend de operatie 8 minuten langer dan gemiddeld duurt. Voor een specifieke specialist gold zelfs dat indien de operatie start na 16 uur, de operatie gemiddeld 8 minuten korter duurt. Ook de dag van de week maakt verschil: op een woensdag duurt de operatie gemiddeld 5 minuten langer dan op andere dagen.

Meer operaties mogelijk in dezelfde tijd

Alleen al in het korte tijdsbestek van onze Data science & Health Hackathon was het ter plekke ontwikkelde model 23% beter in het voorspellen van de meniscus operaties dan de initieel geplande tijd. Bij de 'totale heupprothese zonder cement' was het model zelfs meteen al 33% beter. Ondanks dat we slechts een beperkte dataset en kort de tijd hadden, zou het bewuste ziekenhuis bij inzet van ons model respectievelijk al 110 en 188 minuten OK-tijd besparen in ongeveer anderhalve week tijd.

Indien een ziekenhuis of ziekenhuizen meer data ter beschikking stellen, kan het model verder geoptimaliseerd worden. Daarnaast kan het model ook eenvoudig toegepast worden op andere OK-verrichtingen.


Data Science & Health

De data scientists van EY VODW en de specialisten van EY healthcare hebben hun kennis en ervaring gebundeld en zijn in teams aan de slag gegaan met vier data-challenges die impact maken in de zorgsector.

Vertel mij meer

 

Onze blogs direct in je mailbox?

Interessant? Laat een reactie achter