Parnassia wil het gedrag van GGZ-patiënten voorspellen met data

‘Met data kunnen we de kans op de juiste behandeling vergroten’ 

Op basis van data het gedrag en de beste behandeling van patiënten voorspellen. Rosa Meijer, data scientist bij de Parnassia Groep, is ervan overtuigd dat het kan. Maar eerst moet de kwaliteit van de data intern verbeterd worden. ‘Er komt steeds meer enthousiasme en bewustwording over het gebruik van data.’

Twintig mensen zitten er liefst in het team Business Intelligence en Data Science van de Parnassia Groep, waartoe ook Rosa Meijer behoort. Het geeft aan hoe belangrijk de grootste aanbieder van geestelijke gezondheidszorg (ggz) in Nederland het gebruik van data vindt. Maar, zo zegt Rosa: ‘Het merendeel van het team is vooral bezig met de bedrijfsmatige kant. Hoe kunnen we de zorg zo efficiënt mogelijk organiseren, hoe duur is het, kunnen we ons aan de afspraken met zorgverzekeraars houden. Dat soort zaken.’

Zelfde data, ander doel

Het vierkoppige Data Science-team waartoe Rosa behoort, zit op een ander spoor. ‘Wij bekijken hoe we diezelfde data kunnen gebruiken om behandelingen beter te maken. Welke medicatie slaat aan bij welk type patiënt? Wat voor clusters patiënten komen we tegen? Als we bepaalde patiënten net anders behandelen, kunnen ze dan eerder uit zorg? Zijn de patiëntstromen logisch? We willen dat kunnen voorspelen. Uiteindelijk komt dat weer samen met het bedrijfsresultaat. Als de patiënt beter wordt behandeld, is dat goed voor de organisatie.’

Streven naar tachtig procent zekerheid

De combinatie tussen data en zorg heeft Rosa altijd getrokken. Na haar studie Wiskunde werkte ze voor haar promotieonderzoek op de afdeling biostatistiek van het LUMC. Ook werkte ze als bio-statisticus bij het Erasmus MC. ‘In de zorg moet je je echt verdiepen voordat je iets met de data kunt doen,’ vertelt ze. ‘Je moet veel meer interpretatie toepassen dan bijvoorbeeld bij een bank. Je kunt in de zorg ook niet álles op basis van data beslissen. Zaken als een klik met een behandelaar, een overleden huisdier of juist een nieuwe relatie; het heeft allemaal invloed. Omdat je met mensen te maken hebt. Ik heb niet in de illusie dat we zaken met meer dan tachtig procent kunnen voorspellen in de GGZ. We willen proberen zo dicht mogelijk bij dat percentage in de buurt te komen.’

Hond of kat?

Om dat te kunnen bereiken, is het van belang dat zowel de kwantiteit als kwaliteit van data binnen Parnassia wordt verhoogd. Rosa geeft een treffend voorbeeld. ‘Met artificial intelligence kun je een computer leren herkennen of er een hond of een kat op een plaatje staat. Daar heb je heel veel data voor nodig, en bovendien moet je zelf weten of het om een hond of een kat gaat. Pas als de computer heel veel voorbeelden gezien heeft, komt hij zelf met een slimme manier om de twee uit elkaar te houden en kan hij ook toekomstige plaatjes goed indelen. Helaas zijn patiëntkenmerken – ‘hond’ of ‘kat’ in dit voorbeeld – niet altijd goed vastgelegd in onze database. Die moeten we eerst registreren. Daarna moeten we de computer nog leren hoe hij dat kenmerk zelf kan herkennen.’

Tekstinterpretatie

Daarom wordt binnen Parnassia ingezet op een betere registratie van gegevens. Rosa: ‘We hebben completere informatie nodig over een patiënt die binnenkomt. Als de patiënt weer vertrekt, willen we bovendien informatie hebben op dezelfde parameters. En we willen dan ook dat duidelijker is wat er in die tussentijd allemaal is gebeurd met die persoon. Tot nu toe werd dat wel bijgehouden, maar vooral in vrije tekstvelden waarin professionals een stukje tekst schrijven. Daar kun je vanuit dataoogpunt lastig een categorie of beoordeling aan koppelen. Je moet dan alle teksten lezen om dat te kunnen doen. We hebben gekeken of we dat op basis van artifical intelligence konden doen, maar we vonden de kwaliteit nog niet goed genoeg. Daarnaast wordt niet alle data die wij graag willen hebben, gevraagd door zorgverzekeraars. Daardoor was de noodzaak om het bij te houden er niet. Ook tijdgebrek en inefficiënte systemen en processen spelen een rol.’

Bewustwording

Inmiddels komt er binnen Parnassia steeds meer bewustwording over data. ‘Er zijn verschillende teams die erg enthousiast zijn en in samenwerking met ons werken aan hun datakwaliteit. Die inspireren anderen. Er komen inmiddels collega’s naar ons toe die zeggen: wij willen over twee jaar dit of dat gaan aantonen. Wat moeten we daar nu voor gaan bijhouden? Dat zijn hele leuke vragen. Zo groeit het besef dat je tijd nodig hebt om data op te bouwen. En gaat de hoeveelheid data en de kwaliteit ervan steeds verder vooruit.’

Slecht slapen = agressief gedrag

Het beoogde resultaat? Dat Parnassia binnen een aantal jaren kan voorspellen welke behandelingen voor welke patiënt nodig zijn, welke diagnoses er zijn gemist, en hoe ze agressief gedrag of gedwongen opnames eerder kunnen zien aankomen en daarmee voorkomen. Rosa: ‘Stel dat we uit data constateren dat iemand al een tijdje slecht slaapt, dan zouden we kunnen voorspellen dat die persoon waarschijnlijk binnen een paar dagen agressief gedrag gaat vertonen. Op dit moment is er al een model dat op basis van de tekst in het dossier een voorspelling doet of een patiënt agressief gedrag gaat vertonen. Omdat agressie-incidenten gelukkig zeldzaam zijn, is het een flinke uitdaging om de echte incidenten te voorspellen en niet te vaak ten onrechte aan de bel te trekken. Onze eerste modellen voorspellen nu nog te vaak ten onrechte een incident. Desondanks zijn zorgdirecteuren ook over deze versie al enthousiast. Ze willen hem in samenwerking met ons graag testen en, door middel van extra dataverzameling, verder verbeteren.’

Welke behandeling bij depressie?

‘Ook hebben we al modellen gemaakt waarbij voor mensen met een depressie wordt voorspeld of de persoon meer heeft aan medicatie, aan therapie of aan een combinatie van beiden,’ vervolgt Rosa. ‘Deze modellen moeten en kunnen nog sterk verbeterd worden door beter vast te leggen welke behandeling een patiënt precies krijgt, en hoe die behandeling aanslaat. Maar hier zit absoluut potentie in. Niet alleen voor mensen met een depressie, maar ook voor allerlei andere groepen. Ik geloof echt dat we de kans op een betere behandeling kunnen verhogen met data. Daar werken we dagelijks keihard aan.’

Op zoek naar Rotterdamse samenwerking

Daarbij zoekt Parnassia ook zeker naar partners uit het Rotterdamse LSH010-netwerk. ‘Vooralsnog hebben we vooral contact met andere GGZ-instellingen, binnen en buiten de regio. We overleggen over hoe we met elkaar data het best kunnen toepassen, zodat we samen de zorg voor de patiënt beter maken,’ zegt Rosa. ‘Maar we staan zeker open voor bedrijven die ons met slimme AI-toepassingen hierbij kunnen helpen. Vanuit onder meer mijn deelname aan de Health Innovation School weet ik dat het verfrissend kan zijn om vanuit andere invalshoeken naar uitdagingen in de zorg te kijken.’

Meer weten over de inzet van artificial intelligence of machine learning binnen Parnassia Groep? Neem contact op met Rosa Meijer via LinkedIn of per e-mail: r.j.meijer@parnassiagroep.nl.  

Datum: 4 mei 2021