Medical Interactive Anamnestics. Triage, Geinnoveerd

Transcriptie

1 Medical Interactive Anamnestics Triage, Geinnoveerd

2 Medical Interactive Anamnestics (MIA) wordt een innovatieve digitale triage applicatie met als doel de wacht- en consulttijden te reduceren op de spoedeisende hulp en huisartsenposten

3 Symptomatologische datasets worden anoniem gegenereerd voor het ontwikkelen van diagnostische machine learning algoritmen (MLADS), welke artsen zullen ondersteunen in hun medische besluitvorming.

4 Problemen: Toenemende kosten en uitgaven in de gezondheidszorg a.g.v. overconsumptie van zorg. 1 2 Toename van de patiëntentoestroom en werkdruk onder zorgverleners en op de SEH en huisartsenposten, met langere wachttijden en verminderde zorgkwaliteit als gevolg 3,12

5 5 Interventie De MIA applicatie is ontwikkeld met als doel de patienten doorstroom op de SEH en HAP te bevorderen en zo de efficientie te verhogen. MLAD algoritmen ondersteunen artsen in hun medische besluitvorming. Missie Visie Om de kwaliteit van ZIS en e-health software middels beveiligde, betrouwbare en patiëntvriendelijke ICT technologie te verbeteren Om bij te dragen aan de noodzakelijke implementatie van preventieve zorg, gezondheids-educatie en duurzame gezondheidszorg in 2023.

6 Medical Interactive Anamnestics (MIA) De patient kan zijn of haar lichamelijke klacht op een interactieve en intuitieve wijze, stapsgewijs invullen. Interactief De MIA zal beschikken over: speech-to-text functie en gebruik maken van een interactieve 3D model voor het lokaliseren van de klacht Alle essentiele eigenschappen en dimensies van de klacht worden overzichtelijk voor de arts in kaart gebracht. Toegankelijk De visuele gebruikersinterface zal holistisch en simpel ogen om de gebruikervaring voor alle leeftijden te bevorderen, Gestructureerde dataverzameling Anamnestische data wordt anoniem,gestandaardiseerd en gestructureerd opgeslagen voor het vormen van datasets.

7 7 De Weg naar Machine Learning- Aided Decisionmaking Systems (MLADS) Kunstmatige Intelligentie ondersteunt de arts in zijn of haar medische besluitvorming middels het gebruik van machine learning algoritmen. EFFICIENT KOSTEN-EFFECTIEF SLIM MLADS biedt de arts diagnostische We verwachten dat MLADS de hoge Binnen de kaders van het onderzoek, suggesties op basis van een werkdruk en de lange patienten gebruiken we verschillende machine probabilistische differentiaal doorstroom op de HAP en SEH te learning modellen om verschillende diagnostische voorspelling, met als reduceren. symptomatologieën zo accuraat doel efficientie van het consult te mogelijk te herkennen en verhogen. onderscheiden,

8 Milestones and Research Goals 1. Het ontwikkelen en testen van de MIA applicatie (alpha). 2. Het implementeren en opschalen van de MIA applicatie op verscheidene SEH s en Huisartsenposten ( testbeds ). 3. Het voltooien van de MIA applicatie (beta) en het initieren van dataverzameling. Het doel is om deze data te verwerken in datasets welke gebruikt worden voor het trainen van MLAD modellen.

9 Tijdlijn Year 1 R1.1.& R2.1. R1.1 (PhD) = Paper on gathering and labeling of medical data for machine learning aided medical decision making systems and designing MIA input. R2.1 (MSc1) = Paper on MIA development and integration of relevant anamnesis modules Year 2 D2,1 & D1.1 D2.1 (MSc1) = Demonstration of MIA alpha and preliminary testing in ER and HAP departments D1.1 (PhD) = Demonstration of first MLADS alpha version and experimental pilot initiation. Year 3 R1.2, R1.3 & D2.2 R1.2 (PhD) = Paper on optimal medical dataset generation, machine learning algorithms learning and accuracy evaluation. D2.2 (MSc-2) = Demonstrate and deploy updated version of MIA (beta) across selected ER and HAP departments R1.3 (PhD) = Follow-up paper on continuous optimization and expansion with novel machine learning algorithms Year 4 D1.2, R2.2 & R1.4 D1.2 (PhD) = Redeploy MIA minimal viable product with MLADS beta for nationwide upscaling R2.2 (MSc-2) = Master thesis writing R1.4 (PhD) = Thesis writing

10 Deliverables en Thesen

11 Team Prof. Zaid al Ars, Ph.D A. Hossaini, M.D. Ph.D T. Jaber, M.D. Z. Jaber, M.D., MS.c.

12 Stay Healthy, Stay Connected. Bedankt! dr_tareqj / info@medvice.eu /company/ /

13 References