Realtime beeldherkenning van medische instrumenten verbetert de logistieke keten

EY VODW Datatalents
29 okt. 2019

 

Wanneer er bij aanvang van een operatie blijkt dat de benodigde instrumentenset niet compleet is, heeft dit effect op de starttijd van de operatie. Dit moet slimmer en efficiënter kunnen.

Verbeteren van de logistieke keten door realtime beeldherkenning

Een handmatig en tijdrovend onderdeel in het logistieke proces is het controleren of de juiste instrumenten aanwezig zijn in een zogenaamd instrumentennet. De medewerkers van de Centrale Sterilisatie Afdeling controleren de instrumenten in het net zowel voor de operatie als erna op compleetheid en eventuele defecten. Ook moeten de instrumenten vaak weer snel (steriel) beschikbaar zijn voor een volgende ingreep. Door op een slimme manier gebruik te maken van beeldopnames en AI wordt er inzicht verkregen in wat er aanwezig is en wat er nog ontbreekt in een net, zodat netten sneller en goedkoper weer steriel en compleet op de afdeling aanwezig kunnen zijn. Dit heeft een positief effect op de patiëntveiligheid.

Het centrale sterilisatie proces kan sneller, effectiever en minder foutgevoelig

Een EY-team, bestaande uit data scientists en health care adviseurs, ontwikkelde een object-detectiemodel waarmee medische instrumenten realtime te herkennen zijn op beeld. Zo kan enerzijds eenvoudiger, nauwkeuriger en sneller dan met het blote oog worden gecontroleerd of een set compleet is. Afhankelijk van de technische setup in een ziekenhuis, kan er ook worden gecontroleerd of er defecte instrumenten aanwezig zijn in het net. Anderzijds creëert het nieuwe data die te koppelen is aan type ingrepen en diverse artsen waardoor operatiesets steeds specifieker en meer op maat kunnen worden samengesteld.

Medische instrumenten worden door een neuraal netwerk gedetecteerd

Om tot gedegen objectdetectie te komen, hebben we een neuraal netwerk (CNN) in programmeertaal Python getraind. We hebben gebruik gemaakt van meer dan 3.000 foto’s, van vier verschillende medische instrumenten in een net, in verschillende posities en samenstelling. Deze foto’s simuleren zo goed mogelijk de operationele werkelijkheid waar de instrumenten ook niet netjes in een specifieke volgorde liggen. Op de foto’s is het contrast tussen instrument en het onderliggende net beperkt. Desalniettemin identificeerde en beoordeelde ons AI-model in de overgrote meerderheid van de gevallen de medische instrumenten correct. Dit resultaat hebben we behaald gedurende een Data Science & Health Hackathon met beperkte data en in beperkte tijd. Indien ziekenhuizen dit willen implementeren, dan kan deze toepassing in korte tijd geoptimaliseerd en gerealiseerd worden. 

Zie bovenstaande foto’s. Herkenning van een scalpel en een schaar die deels over elkaar heen liggen met beperkt contact. Zowel de herkenning dat er twee verschillende objecten zijn en het herkennen van de type objecten is in realtime mogelijk door het algoritme.

 


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