Waar de zorg van de toekomst realiteit wordt Data Science in de zorg. Het klinkt misschien als een ver-van-je-bed-show; aan de hand van machine learning zorginhoudelijk of procesmatig voorspellen. Misschien ken je de voorbeelden al van gebruikte methodes zoals het voorspellen van reumaklachten bij het UMCU of het beoordelen van röntgenfoto’s met machine learning.
Dit zijn geen simpele toepassingen, het heeft jaren gekost om ze te ontwikkelen. Zo ver weg als deze innovaties lijken, zo dichtbij zijn ze al bij verschillende zorgorganisatie.
Afgelopen periode zijn de pioniers Christien Breukink en Alfons van Impelen van Mondriaan aan de slag gegaan met het uitwerken van nieuwe Data Science toepassingen. Gedurende de eerste sessie kregen de deelnemers een uitleg over Data Science en werd de start gemaakt vanuit de projectdoelstellingen. Na maanden vol met data opschonen, testen, zweten, feedbackrondes en modelleren is er een nieuwe zorgtoepassing geboren.
Drop-out is een belangrijk probleem bij geestelijke gezondheidszorg. Door drop-out blijven cliënten verstoken van zorg die ze nodig hebben en wordt het rendement van geleverde zorg sterk verminderd. Dit brengt aanzienlijke maatschappelijke kosten met zich mee. Bovendien is drop-out voor zowel cliënten als zorgverleners een teleurstellende ervaring die een demoraliserend effect kan hebben. Het doel van het huidige project is om de mogelijkheden van machinaal leren voor het voorspellen van drop-out te verkennen. Indien het mogelijk blijkt om een algoritme te ontwikkelen dat met acceptabele nauwkeurigheid kan aangeven of bij een cliënt sprake is van een hoog risico op drop-out. Mocht dat het geval zijn dan kunnen zorgverleners aan de hand van deze informatie gerichte interventies inzetten om het aantal drop-outs te verminderen.