Hoe Pacmed machine learning toepast in IC’s: ‘Het zorgsysteem moet zelflerend worden’

Hoe houd je patiënten zo kort mogelijk op de Intensive Care zonder risico’s te lopen? De Nederlandse tech scaleup Pacmed zoekt het antwoord in zelflerende software die artsen ondersteunt in hun inschattingen. “We willen de druk op de zorg verlichten”, aldus oprichter Willem Herter.

Na zijn studie Natuurkunde besloot Herter te onderzoeken hoe Nederland gezonder is te maken. De oplossingsrichting: het zorgsysteem moet meer een zelflerend systeem worden. “Er worden veel beslissingen genomen, maar van die beslissingen wordt veel te weinig geleerd”, stelt hij. Hoewel de zorg grote hoeveelheden data genereert, worden die volgens hem veelal niet ingezet om de volgende patiënt te leren kennen. Terwijl dit een versnelling kan brengen in het verlichten van de druk op de zorg. 

Pacmed ontwikkelt daarom zelflerende beslissingsondersteunende software, op basis van de analyse van routinezorggegevens. Kort gesteld presenteert het bedrijf op basis van praktijkuitkomsten van vergelijkbare patiënten realtime de verwachte uitkomsten van verschillende behandelingen voor de individuele patiënt. Zodat artsen dit als advies mee kunnen nemen op het moment dat ze een besluit moeten nemen. Waarmee Pacmed een brug slaat tussen medische expertise en machine learning. “Een computer is niet beter dan een arts, maar een arts kan wel beter worden door een computer. Digitale systemen nemen het repeterende, saaie werk over zodat een arts echt arts kan zijn.”

Vooralsnog ligt de aandacht daarbij op Intensive Care-afdelingen. In samenwerking met een zevental leidende ziekenhuizen presenteert het bedrijf het risico op heropname en overlijden. De arts zelf koppelt daar een beslissing aan omtrent het al dan niet ontslaan van een patiënt. Praktisch gezien gaat het om een feature binnen het EPD. Plus uitleg waarom de kans zo ingeschat wordt – gericht op het individu.

Maar er wordt groter gedroomd dan IC’s alleen. Andere gebieden in de zorg hebben ook zeker potentie. Waar de toepassing van machine learning in andere sectoren zijn waarde al bewezen heeft – denk aan Spotify en Netflix die het inzetten voor vergaande personalisatie – is de zorg echter nog niet ver genoeg gedigitaliseerd, stelt Herter. Wat het lastiger maakt om machine learning toe te passen. “Op IC’s kunnen we laten zien dat goed gebruik van machine learning meerwaarde heeft, zodat we dat later kunnen doortrekken naar andere afdelingen.” Uiteindelijk zal het er volgens de ondernemer toe leiden dat patiënten door thuismonitoring helemaal niet – of in ieder geval veel minder vaak – naar het ziekenhuis hoeven komen.

Waar medtech startups in Nederland nog wel eens last hebben met opschalen, is er bij Pacmed weinig te klagen over de tractie, stelt Heter. Vooruitkijkend is vooral het vooral de keuze tussen diepere ervaring opdoen op IC’s om het product te verfijnen of verbreden naar andere afdelingen die hem bezighoudt. Plus bekijken wanneer een stap over de grens aantrekkelijk is, want de oplossing blijkt goed internationaal schaalbaar. “Zowel de doelstellingen van IC’s als de informatieverzameling in verschillende landen lijken op elkaar.”

Wel kom je volgens Herter als SaaS-bedrijf in de zorg meer uitdagingen tegen dan in andere sectoren. “Voor ziekenhuizen is het best nieuw om zo met data om te gaan en die van waarde te laten worden. Daar zijn ze veelal niet op ingericht. Qua IT-huishouding niet, maar ook de cultuur op afdelingen om op dagelijkse basis beslissingen te nemen niet. De IT-volwassenheid verschilt enorm. Daar moeten we ziekenhuizen soms sterk in meenemen en opleiden.”

Kenmerkend aan de zorg is volgens hem ook dat elke euro geoormerkt wordt. Er is ruimte voor innovatie, maar vanaf het begin moet wel duidelijk zijn waartoe dat dan gaat leiden. En dat perkt de ruimte om te experimenteren in. “Je kunt niet altijd vooraf het eindpunt bedenken. Hoewel we er zoveel mogelijk open gesprekken over voeren, is de financiële ruimte om kleinschalig te experimenteren er niet altijd.”

Zorginnovatie zou op een andere manier bekeken moeten worden, vervolgt hij. Bijvoorbeeld door inzichten en stappen sterker met elkaar te delen. “Je ziet dat het wiel telkens opnieuw uitgevonden wordt. Een landelijk framework kan dit voorkomen, maar de structuur om dit in te bedden ontbreekt. Er zijn overlegstructuren, maar het is niet altijd duidelijk wat daar concreet uitkomt. En ziekenhuizen zijn ook niet al te happig om dit soort zaken met elkaar te delen. Vanwege gevoeligheid van informatie en concurrentiebelangen.”

Het is dus een bijzonder spanningsveld om je als techondernemer in te begeven, maar Herter lijkt niet anders te willen. Je moet goed kunnen navigeren, maar als je verandering weet te brengen, draagt dit volgens hem ook daadwerkelijk bij aan maatschappelijke opgaven. “Op een bedrijf met minder uitdagingen zou ik gauw uitgekeken zijn.”