Er wordt ontzettend veel data verzameld in de zorg. Met statistiek en machine learning analyseer je de data om bestuurders en zorgverleners te ondersteunen in het leveren van kwalitatieve zorg.
Vroeger werd deze data vaak geanalyseerd door traditioneel statistische onderzoekers, maar de data scientist wordt steeds belangrijker in de zorg. In eerste instantie lijken ze misschien niet erg op elkaar, maar traditionele onderzoekers en data scientists hebben meer overeenkomsten dan je in eerste instantie zou denken.
In deze tweeluik gaan wij in op de verschillen tussen traditioneel onderzoek en Data Science, hoe zij zich tot elkaar verhouden en wat ze van elkaar kunnen leren. Jij leest in deze publicatie alles over waarom ‘onderzoek’ en ‘Data Science in de zorg’ elkaar nodig hebben.
Waar traditioneel onderzoek grote waarde heeft in de zorg
Op veel vlakken hebben traditionele onderzoekers en data scientists elkaar nodig. Een vraag als “wat gebeurt er met de gezondheid van een patiënt wanneer deze switcht van behandelingsmethode?” vereist traditionele statistisch onderzoeksvaardigheden van een data scientist.
Dit komt met name doordat er geen voorbeelddata voor deze nieuwe behandeling beschikbaar is. Daardoor is het niet mogelijk om te herleiden welke behandeling leidt tot het meeste effect. Dit is dus juist waar traditioneel onderzoek van grote waarde kan zijn want zonder goede voorbeelddata kunnen de machine learning modellen van de data scientist geen juiste voorspelling maken.
Informatie in een juiste context zetten
Het is van belang om bewust na te denken of je de voorspellingen van een machine learning model zomaar overneemt.
Joran Lokkerbol, data science expert, laat dit zien aan de hand van een voorbeeld:
“De vraag is of we een patiënt het best kunnen behandelen met chemotherapie of met een bestraling om de overlevingskans van deze patiënt te vergroten.”
Een machine learning model zal kijken naar historische voorbeelddata, opzoek naar relaties en verbanden tussen behandelingen en de overlevingskans. Het model vindt bijvoorbeeld dat patiënten die behandeld worden met chemotherapie een hogere sterftekans hebben dan patiënten die worden behandeld door middel van bestraling.
In eerste instantie lijkt dit misschien een goed inzicht, toch heeft dit echter niets te maken met het effect van de behandeling op de overlevingskans. Patiënten die chemotherapie ondergaan bevinden zich in een ander stadium van de ziekte dan patiënten die worden bestraald.
Als enkel het machine learning model zou worden gevolgd wordt onterecht geconcludeerd dat elke patiënt moet worden bestraald om zo de overlevingskans te optimaliseren. Daarom zijn juist traditioneel statistische onderzoekers nodig om deze informatie in de juiste context te plaatsen en correlatie en causaliteit van elkaar kan worden gescheiden.
Samenwerking is essentieel om data in de zorg optimaal te benutten
Het is dus van groot belang dat data scientists en traditioneel statistisch onderzoekers samenwerken, van elkaar leren en zich bewust zijn van elkaars sterke en zwakke kanten. Bovendien zijn ze beiden essentieel voor het maken van analyses en modellen om zo uiteindelijk de zorg te verbeteren.
Een combinatie van de expertise van de data scientist op het gebied van voorspellende modellenen en de expertise en domeinkennis van de traditionele onderzoeker zal de kwaliteit van de geleverde zorg alleen maar verhogen. Bij 6Gorillas willen wij deze samenwerking bevorderen door het aanbieden van een data science werkplek as a service.
Hierbij kunnen traditioneel onderzoekers en data scientists makkelijk en op een veilige manier toegang krijgen tot data op het dataplatform. Zo kunnen ze samen analyses en modellen maken en nieuwe inzichten creëren om zo de kwaliteit van de zorg te verbeteren.
Download de explainer ‘Alle data van jouw zorgorganisatie in één platform‘
Bij 6Gorillas willen wij de samenwerking bevorderen door het aanbieden van een data science werkplek as a service. Hierbij kunnen traditioneel onderzoekers en data scientists makkelijk en op een veilige manier toegang krijgen tot data op het dataplatform.
Zo kunnen ze samen analyses en modellen maken en nieuwe inzichten creëren om zo de kwaliteit van de zorg te verbeteren. We vertellen je graag meer over het dataplatform in onze explainer.
In de Explainer: ‘Dataplatform as a service’ lees je alles over:
✔ Hoe het dataplatform jouw zorgorganisatie sturing geeft in de bedrijfsvoering
✔ Benut de potentie van BI en Data Science
✔ Klantcases Trubendorffer en MoleMann
✔ Hoe schaalbaarheid, real time en security leidend zijn
