Ziekenhuis.ai. Artificial Intelligence in de zorg. FIZI congres, juni 2019
|
|
- Bruno Adam
- 4 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Ziekenhuis.ai Artificial Intelligence in de zorg FIZI congres, juni 2019 Vertrouwelijk: gebruik van deze informatie zonder expliciete schriftelijke toestemming is verboden. Uitkomsten of conclusies zijn een inschatting van de werkelijkheid, er kunnen geen rechten aan worden ontleend. Copyright Performation Hotflo
2 Kennismaken
3 Artificial Intelligence = 3
4 4
5 5
6 6
7 7
8 8
9 9
10 10
11 11
12 12
13 13
14 14
15 15
16 16
17 17
18 18
19 19
20 Artificial Intelligence is niet iets van de toekomst, maar we staan er al midden in 20
21 Buzzwords Artificial Intelligence De mogelijkheid van de computer om taken van de mens over te nemen Machine Learning Computer hebben de mogelijkheid om te leren zonder dat ze daarvoor heel duidelijk worden geprogrammeerd. Deep learning Onderdeel van Machine Learning waarbij computers leren op basis van neurale netwerken, vergelijkbaar met hoe ons brein werkt. Werkt vooral goed bij beeldherkenning, speech recognition, video en tekst 21
22 Leren van het verleden 22
23 1) Diagnostiek 2) Decision Support / Risicobeheersing 3) Administratie / automatisering 23
24 Waar loopt de zorgprofessional tegen aan in zijn werk - Eindeloze verplichtingen (indicatoren, KPI s, coderingen, verantwoording) - Registratielast / administratie 24
25 Uitdagingen AI Welke uitdagingen zijn er als je met AI aan de slag wil? - Data - Versnippering - Versnelling - Tijdsintensieve voorbereiding (preprocessing) - Talent 25
26 Quote De belangrijkste reden om nog niet in AI te stappen was in 2017 dat de technologie in vroege fase van zijn ontwikkeling is. Ook het ontbreken van een duidelijke business case zet de rem op AI. Verder gaven ziekenhuizen als reden dat hun ICT-infrastructuur hier nog niet klaar voor is en ook op het gebied van data-integratie lagen er uitdagingen. 26
27 Waar zijn we op dit moment mee bezig? Infrastructuur Algoritmeontwikkeling Robotisering 27
28 Een goede data infrastructuur brengt gegevens uit verschillende bronnen bij elkaar 28
29 Faciliteren AI met behulp van de DataGateway Toepas singen Toepas singen Toepas singen Toepas singen Toepas singen Toepas singen AI data Layer: een laag met gegevens die kant en klaar is voor gebruik in AI modellen Algoritmen bibliotheek Performation Algoritmen bibliotheek derden Algoritmen Bibliotheek: verzameling van onderzochte en bewezen algoritmen en modellen AI data layer DataGateway ZIS/EPD Agenda HRM Lab sensoren 29
30 USP Performation HOTflo: Van: preprocessing ML Training Validatie Naar: preproces sing ML training - validatie 30
31 Projecten AI afgelopen periode Automatische codering ICD-10 Risico detectie o Adverse events o Detectie Delier o Detectie val incidenten Extractie medische voorgeschiedenis Huisartsen dossiers: voorspellen levenseinde IC opname voorspellen 31
32 32
33 Met robots (RPA) automatiseren we voorspelbare, repeterende en vaak tijdsintensieve processen 33
34 34
35 Naar de toekomst toe: Wat stoppen wij in onze bag op weg naar de future? 35
36 - Mens én Machine - Samenwerking - Research - Data infrastructuur - Governance - Talent 36
37 Mens en Machine The entire decision process can be refactored to use the relative strengths and weaknesses of both machine and human to maximize value generation and redistribute decision making 37
38 - Mens én Machine - Samenwerking - Research - Data infrastructuur - Governance - Talent 38
39 Governance - Impact op banen - Ethiek - Blackbox problem transparant AI - Data privacy - Beoordelen van algoritmen 39
40 40
41 Samenwerken AI wordt alleen succesvol als we als zorgaanbieders met elkaar samenwerken en met elkaar bouwen aan algoritmen en risicomodellen 41
42 Onderzoek AI wordt alleen succesvol als we als zorgaanbieders met elkaar samenwerken, data delen 42
43 43
44 44
45
46 Ondersteuning ouders Atomwise: Onderzoek naar nieuwe medicatie Aicure.ai: monitoren medicatiegebruik en effect 46
47 Artificial Intelligence Ontwikkelingen Nieuwe technologie (AI, robotica, IoT) gaat de komende jaren enorme impact hebben op de zorg. In combinatie met de enorme toename van medische gegevens biedt dit grote kansen voor de ontwikkeling van slimme toepassingen op het gebied van diagnostiek, risicobeheersing, beslissingsondersteuning en automatisering. Toepassingsgebieden AI in de zorg Diagnostiek (beelden / DNA) Risicobeheersing / beslissingsondersteuning (primaire proces) Automatisering (ondersteuning ziekenhuisprocessen) 47
48 Projecten AI afgelopen periode Automatische codering ICD10 en evt DBC Risico detectie o Adverse events o Detectie Delier o Detectie val incidenten Extractie medische voorgeschiedenis Huisartsen dossiers: voorspellen levenseinde 48
49 Uitdagingen AI Waar lopen veel projecten tegen aan? - Data - Versnippering - Versnelling - Tijdsintensieve voorbereiding (preprocessing) - Talent 49
50 Quote De belangrijkste reden om nog niet in AI te stappen was in 2017 dat de technologie in vroege fase van zijn ontwikkeling is. Ook het ontbreken van een duidelijke business case zet de rem op AI. Verder gaven ziekenhuizen als reden dat hun ICT-infrastructuur hier nog niet klaar voor is en ook op het gebied van data-integratie lagen er uitdagingen. 50
51 Uitdagingen AI Waar lopen veel projecten tegen aan? - Data - Versnippering - Versnelling - Tijdsintensieve voorbereiding (preprocessing) - Talent 51
52 52
53 AI - Ervaringen in ziekenhuizen 53
54 Ervaringen met AI? - Maasstad Ziekenhuis Leonie Schutte - Catharina Ziekenhuis Harald van der Pol - St Antonius Joost Kimmel - UMCU Arjan Zabihi Sammani 54
55 Datagateway Traditional datascience: 80% of the time is spend on data Datagateway s promise: spend 80% of your time on insights! 55
56 Wat is de Datagateway? Notiz LED DOT Intelligence EHR Data gateway Data gateway Toolkit Online HR Server hospital Performation datacenter Dimenzion Begroten en scenarioanalyse
57 Wat is de Datagateway? Dataplatform lokaal bij het ziekenhuis geïnstalleerd 1 locatie voor configuratie van de data Nederlandsbrede definities van data Automatische communicatie met alle Performation modules Gestructureerde als ongestructeerde data
58 1 Bron voor informatie definitities 1. Standaard koppeling met ZIS/EPD 2. Ziekenhuis specifieke configuraties 3. Eventueel ruimte voor maatwerk voor zeer specifieke inrichtingen (minder dan 1%)
59 Voorbeelden van configuraties Afdelingen (IC, DagIC, SEH, Opname, etc.) Consulten Geslacht Opname bestemmingen Plaatsingen Specialisme Verzekeraartype RecordStatus (Opname, Plaatsing, Subtraject) ZorgactiviteitType Zorgtype ZorgverlenerSpecialisme ZorgverlenerType Testrecords uitsluiten RolOperatiePersoneel OperatiePrioriteit Zorgverzekeraar Warme bedbetting, etc. Etc..
60 Ziekenhuis datacenter Ziekenhuis datacenter Performation datacenter Performation datacenter Bronsystemen Datagateway server VM per klant MDB OTAP omgeving Productieversie van bronsystemen (rapportage/backu p/allways-on omgeving) Staging area Metadata laag configuratie Definities Staging area datagateway Datavault datagateway Historische dataopslag Hybride BI omgeving Datavault datagateway Performation Datawarehouse generatie Datavault datagateway Performation centaal. Toevoegen benchmarks HRM SA_HRM ADM_HRM Maatwerk DWH Toolkit Online GBR ZIS SA_GBR ADM_GBR CDWH SA_Datagateway DV_Datagateway DV_Datagateway DV_Datagateway Dimenzion SA_ZIS ADM_ZIS MDB_NET HRM CDWH HRM ADM_Notiz ADM_Grouper Financiën ADM_DOT Intelligence Financiën Notiz OHW_Grouper Productie DOT Intelligence Productie CDWH
61 Faciliteren AI met behulp van de DataGateway Toepas singen Toepas singen Toepas singen Toepas singen Toepas singen Toepas singen AI data Layer: een laag met gegevens die kant en klaar is voor gebruik in AI modellen Algoritmen bibliotheek Performation Algoritmen bibliotheek derden Algoritmen Bibliotheek: verzameling van onderzochte en bewezen algoritmen en modellen AI data layer DataGateway ZIS/EPD Agenda HRM Lab sensoren 61
62 USP Performation HOTflo: Van: preprocessing ML Training Validatie Naar: preproces sing ML training - validatie 62
63 Ervaringen AI Performation 63
64 Projecten AI afgelopen periode Automatische codering ICD10 en evt DBC Risico detectie o Adverse events o Detectie Delier o Detectie val incidenten Extractie medische voorgeschiedenis Huisartsen dossiers: voorspellen levenseinde Horizontaal toezicht Heropnames voorspellen Zorgpaden voorspellen 64
65 Voorbeeld automatische codering Doel: automatisch ICD-10 diagnosen uit brieven halen Input: - Gecodeerde LBZ dataset van (mét ICD-10 hoofd- en nevendiagnose) - Gestructureerde data over de opnamen (administratieve data, ) - Ongestructureerde data over de opnamen (ontslagbrief, decursus, OK-verslag, pathologieverslag, etc) - Diverse algoritmen uitproberen: - Treeboost (XGBoost) algoritme: 46% accuraat - CNN algoritme: 75% accuraat - SVM algoritme: 81-85% accuraat 65
66 66
67 67
68 68
69 Voorbeeld detectie Adverse Events Doel: automatisch Adverse events uit verslaglegging naar boven halen Input: dossiers MUMC met Adverse Events (geannoteerde dataset) - Medische brieven Resultaat: - Van de brieven die we naar boven halen heeft 76% een adverse event - Ter vergelijking: bij een willekeurige steekproef is dat ongeveer 10% 69
70 70
71 Levenseinde voorspellen met patiëntendossiers Advanced Care planning Een model met als input gestructureerde én ongestructureerde (teksten in het EPD) informatie voorspelt beter de sterfdatum dan de huisarts 71
72 72
73 Businesscase automatische codering ICD-10 Huidige situatie: Ziekenhuis met dagopn en klin opnamen 3 medisch codeurs Uren medisch specialisten (33 min * 47 weken * 200 medspec * 140 ) Totaal Automatische afleiding: Ziekenhuis met dagopn en klin opnamen dagopnamen * 1, klinische opnamen * 3, ,5 FTE med codeur voor checks/steekproeven en restant Andere voordelen: - Completer en consistenter registreren - Gebruik diagnoses ICD-10 voor verantwoording indicatoren/dica/etc Totaal
74 Businesscase heropnames voorspellen De businesscase voor een middelgroot ziekenhuis: reductie ongeplande heropnames heropnames per jaar 6 dagen (gemiddelde verpleegduur heropname) verpleegdagen 38 bedden ,- jaarlijkse kosten (obv 500,- per dag) 20% reductie (=realistisch) levert een besparing van ,-
75 Pauze 75
76 Waar liggen de kansen voor AI? 76
77 Hoe verder? Planning samenwerking - financiering 77
78 Brainstorm Waar liggen de komende jaren de uitdagingen voor de ziekenhuizen, en welke rol kan AI hierin spelen Wordt er in jullie ziekenhuizen al beleid gevoerd om de inzet van data science / AI / Machine Learning? Herkennen jullie de uitdagingen de we eerder schetsten? Op welke terreinen liggen op korte termijn kansen voor AI? Waar liggen de behoeften? Is er ook aandacht voor de impact die AI kan hebben, bv op banen, risicoschatting, etc? Is er behoefte aan samenwerking? 78
79 Uitdagingen AI Problemen bij toepassingen van AI - Data - Versnippering - Versnelling - Tijdsintensieve voorbereiding (preprocessing) - AVG - Talent 79
80 Doel samenwerking Een onderzoeksgroep Een groep die elkaar inspireert en kansen ziet in nieuwe technologie. Doel van de samenwerking: 1. Kennisdeling: wat is AI, wat gebeurt er al? 2. Inspiratie: waar liggen de kansen? 3. Creatie: Ontwikkeling en delen van nieuwe toepassingen 4. Valorisatie: Praktisch geld besparen in het ziekenhuis 5. Publicatie: Onze ervaringen bundelen en uitdragen 80
81 Ideeën onderzoeksgroep - Samen ideeën genereren - Kleine onderzoeksgroepen rond een onderwerp / thema - Snelle cyclische productontwikkeling - Team data scientist - Inzet studenten / aios / PHD s - Delen van kennis dmv inhoudelijke sessies / presentaties (2-4x per jaar) - Eén keer per jaar een grotere conferentie 81
82 Financiering - Opzetten team en infrastructuur - Gezamenlijke bijdrage - Externe financiers - Verder uitwerken business modellen 82
83
84 84
85 85
86 86
87 87
88 88
89 89
90
91 Sensely virtual nurse 91
92 Ondersteuning ouders Atomwise: Onderzoek naar nieuwe medicatie Aicure.ai: monitoren medicatiegebruik en effect 92
93 Artificial Intelligence Ontwikkelingen Nieuwe technologie (AI, robotica, IoT) gaat de komende jaren enorme impact hebben op de zorg. In combinatie met de enorme toename van medische gegevens biedt dit grote kansen voor de ontwikkeling van slimme toepassingen op het gebied van diagnostiek, risicobeheersing, beslissingsondersteuning en automatisering. Toepassingsgebieden AI in de zorg Diagnostiek Risicobeheersing / beslissingsondersteuning Automatisering 93
94 Visie Ontsluiten bouwen samenwerken Performation HOTflo wil een leidende rol spelen op gebied van AI in de zorg door: Het toegankelijk maken van deze technologie door ziekenhuisdata te ontsluiten tbv AI toepassingen Het bouwen van AI-toepassingen om zorgprofessionals te ondersteunen en te ontzorgen binnen de huidige proposities Het samenwerken met andere partijen die op onze infrastructuur kunnen aansluiten In 3 jaar willen we dat onze algoritmen impact hebben op 5 miljoen patiënten per jaar in Nederland en dat onze algoritmen meer dan 100 miljoen keer per jaar worden toegepast. 94
95 Uitdagingen AI Problemen bij toepassingen van AI - Data - Versnippering - Versnelling - Tijdsintensieve voorbereiding (preprocessing) - Talent 95
96 Faciliteren AI met behulp van de DataGateway Toepas singen Toepas singen Toepas singen Toepas singen Toepas singen Toepas singen AI data Layer: een laag met gegevens die kant en klaar is voor gebruik in AI modellen Algoritmen bibliotheek Performation Algoritmen bibliotheek derden Algoritmen Bibliotheek: verzameling van onderzochte en bewezen algoritmen en modellen AI data layer DataGateway ZIS/EPD Agenda HRM Lab sensoren 96
97 USP Performation HOTflo: Van: preprocessing ML Training Validatie Naar: preproces sing ML training - validatie 97
98 Projecten AI afgelopen periode Automatische codering DBC en ICD10 Adverse Event detectie Extractie medische voorgeschiedenis Detectie Delier Detectie val incidenten Huisartsen dossiers: voorspellen levenseinde 98
99 AI, klinkt spannend, maar hoe werkt dat nou?? Gestructureerde data Geannoteerde dataset text Tekstuele data signals Sensoren warning beelden Human expert checklist 99
100 Voorbeeld automatische codering Doel: automatisch ICD-10 diagnosen uit brieven halen Input: - Gecodeerde LBZ dataset van (mét ICD-10 hoofd- en nevendiagnose) - Gestructureerde data over de opnamen (administratieve data, ) - Ongestructureerde data over de opnamen (ontslagbrief, decursus, OK-verslag, pathologieverslag, etc) - Diverse algoritmen uitproberen: - Treeboost (XGBoost) algoritme: 46% accuraat - CNN algoritme: 75% accuraat - SVM algoritme: 81-85% accuraat 100
101 101
102 102
103 103
104 Adverse Events Dia 104
105 Case studie: heropnames voorkomen 105
106 Wat willen wij oplossen? In Nederland komen per ziekenhuis gemiddeld ongeplande heropnames per jaar voor. Dat is 6 per dag. Gemiddeld ligt men 6 dagen. Dit heeft een grote impact op de ziekenhuisorganisatie (kosten, bedbezetting) en op de patiënt. Doel: het voorkomen van ongeplande heropnames door vroegtijdige detectie van risico op een heropname. 106
107 Hoe gaan we dat doen? Product: Geeft tijdens de opname feedback aan de zorgprofessional over het risico dat de patiënt loopt op een heropname. Wat doet het product: Op basis van een groot aantal gegevens van de patiënt die tijdens de opname worden vastgelegd (leeftijd, geslacht, urgentie, specialisme, labwaarden, herkomst, comorbiditeiten etc) wordt continu een risico op heropname berekend en teruggekoppeld aan de zorgverlener. Eisen aan product: Toepasbaar in primaire proces zorgverlener, schaalbaar naar andere ziekenhuizen
108 Businesscase De businesscase voor een middelgroot ziekenhuis: reductie ongeplande heropnames heropnames per jaar 6 dagen (gemiddelde verpleegduur heropname) verpleegdagen 38 bedden ,- jaarlijkse kosten (obv 500,- per dag) 20% reductie (=realistisch) levert een besparing van ,- 1. Verlies in omzet niet meegetelt 108
109 Onderzoeksgroep Doel: Samen kansen benutten die de nieuwe technologie biedt Kennisdeling: wat is AI, wat gebeurt er al? Inspiratie: waar liggen de kansen? Creatie: Ontwikkeling en delen van nieuwe toepassingen Valorisatie: Praktisch geld besparen in het ziekenhuis Publicatie: Onze ervaringen bundelen en uitdragen 109
110 Toekomstplan AI AI datalaag - Bouwen aan een datalaag (AI-Layer) waar data wordt voorbereid om toegepast te worden mbv AI - Uitbouw DGW (teksten, lab, medicatie, etc) - Feature classes maken Technieken en algoritmen - Verschillende technieken toepassen (Machine Learning, Deep Learning, NLP/linguistiek) - Klaarzetten van bewezen algoritmen - Bouwen in producten en/of aansluiten aan producten Mensen - Verzamelen van een groep AI ers die diverse technieken beheersen - In tijdlijn de behoefte uitzetten: welke proposities hebben welke kennis nodig 110
111 Experts Data Science Doel: Performation HOTflo AI driven maken Binnen 3 jaar speelt AI in elke propositie van Performation HOTflo een essentiële rol in het voorspellen, automatiseren en ondersteunen bij beslissingen. Hiertoe wordt in 3 jaar toegewerkt naar een team van minimaal 15 data scientists: Aanpak om te komen tot een sterk team van AI experts - Vanuit de proposoties duidelijk krijgen: wat is er nodig aan expertise? - Huidige 2 vacatures invullen - Goede combinatie van seniors-mediors-juniors - Aansluiting zoeken bij universiteiten en hogescholen voor stages en afstudeervakken. Hiermee krijg je ook toegang tot toekomstig gekwalificeerd personeel - Goede opleidingen aanbieden 111
112 112
113 Wat is een data scientist? Een data scientist is iemand die: grote hoeveelheden data verwerkt, uit gestructureerde en ongestructureerde bronnen, om daarmee voorspellingen te doen op één van de volgende gebieden: - Diagnostiek - Risicobeheersing - Automatisering 113
114 114
115 115
116 Output Model (zie bv MUMC) Model performance Dia 116
117 Uitkomstmaten Accuracy: ratio goed geselecteerd (positive&negative) op totaal Precision: hoeveel van de geselecteerde dossiers zijn relevant (positive predictive value) Recall: hoeveel van de relevante dossiers zijn geselecteerd (sensitivity) F1-score: combinatie van precision en recall Dia 117
118 Adverse Events Geen Adverse Events Dia 118
119 Adverse Events Geen Adverse Events Door model geselecteerde elementen Ideaal model A: model voorspelt precies de werkelijkheid Precision (hoeveel vd geselecteerden zijn relevant): 100% Recall (hoeveel vd relevante zijn geselecteerd): 100% Accuracy: (ratio goed voorspeld tov totaal observaties ): 100% Dia 119
120 Adverse Events Geen Adverse Events Door model geselecteerde elementen TP FP FN TN Model B: Precision (hoeveel vd geselecteerden zijn relevant): 4 vd 9 = 44% Recall (hoeveel vd relevante zijn geselecteerd): 4 vd 14 = 29% Accuracy: (ratio goed voorspeld tov totaal observaties ): 27 vd 42 = 64% Dia 120
121 Adverse Events Geen Adverse Events Door model geselecteerde elementen Model C Precision (hoeveel vd geselecteerden zijn relevant): 1 vd 12 = 8% Recall (hoeveel vd relevante zijn geselecteerd): 1 vd 14 = 7% Accuracy: (ratio goed voorspeld tov totaal observaties ): 18 vd 42 = 43% Dia 121
122 Adverse Events Geen Adverse Events Random geselecteerde dossiers Model D: klassiek dossieronderzoek dmv steekproef Precision (hoeveel vd geselecteerden zijn relevant): 1 vd 10 = 10% Recall (hoeveel vd relevante zijn geselecteerd): 1 vd 14 = 7% Accuracy: (ratio goed voorspeld tov totaal observaties ): 20 vd 42 = 46% Dia 122
123 Adverse Events Geen Adverse Events Door model geselecteerde elementen Model E: benaderd huidige Adverse Event model Precision (hoeveel vd geselecteerden zijn relevant): 6 vd 8 = 75% Recall (hoeveel vd relevante zijn geselecteerd): 6 vd 14 = 43% Accuracy: (ratio goed voorspeld tov totaal observaties ): 32 vd 42 = 76% Dia 123
124 Annotatie software Doel: input leveren voor het modelleren. Kennis van de professional wordt gebruikt om te trainen. Wordt gebruikt bij: Trainen van model Bijtrainen/corrigeren van model Dia 124
125 Annotatie software Dia 125
126 126
Memo Tekstmining. Technieken en toepassingen in de zorg. mei De Praktijk Index
Memo Tekstmining Technieken en toepassingen in de zorg mei 2018 De Praktijk Index Rembrandtlaan 31 3723 BG Bilthoven 030-244 0326 info@depraktijkindex.nl www.depraktijkindex.nl Haal meer (kwaliteit) uit
Nadere informatieVan data naar informatie
Van data naar informatie 1 Integrale management informatie 2 Cloud BI Geschiedenis 3 Wat is Cloud BI? 4 Van data naar informatie 6 Hoofdstuk Goede marktpositie Financieel gezond Kostprijzen Budgetteren
Nadere informatieAI & Big Data bij Defensie
AI & Big Data bij Defensie Max Welling Universiteit van Amsterdam, AMLAB, QUVA Canadian Institute for Advanced Research (CIFAR) Co-founder Scyfer Overzicht Machine Learning & Deep Learning 101 Toepassingen
Nadere informatiePersonaliseren van de zorg
Personaliseren van de zorg Nevi Zorgcongres Hyleco Nauta 8 februari Sense of urgency Vergrijzing Preventie Internet of things (nieuwe spelers) Patiënt regie Toenemende zorgkosten Big Data (pesonalisering)
Nadere informatieINZET VAN MACHINE LEARNING
INZET VAN MACHINE LEARNING VOORSTELLEN INHOUD Context wat is de staat van de verzekeringsindustrie? Machine Learning - wat is het eigenlijk en is het nieuw? Toepassingen waar wordt ML met succes toegepast?
Nadere informatieMedical Interactive Anamnestics. Triage, Geinnoveerd
Medical Interactive Anamnestics Triage, Geinnoveerd Medical Interactive Anamnestics (MIA) wordt een innovatieve digitale triage applicatie met als doel de wacht- en consulttijden te reduceren op de spoedeisende
Nadere informatieMIC2018. EPD ervaringen in de praktijk. gebruik en hergebruik van data
MIC2018 EPD ervaringen in de praktijk Click to add title gebruik en hergebruik van data Click to add subtitle ZOL case data in én data uit Dr. P. Thijs 23/11/2018 De applicatieve omgeving in het Ziekenhuis
Nadere informatievan kennis naar wijsheid van data naar informatie
van kennis naar wijsheid van data naar informatie Information intelligence Wij streven naar kwalitatief hoogwaardige en duurzame zorg. Hoe we dat doen? Door zorginstellingen in binnen- en buitenland te
Nadere informatieHoe wiskunde de zorg beter maakt. Erica D'Acunto, Senior Data Scientist Bart Veltman, Partner, medeoprichter Rhythm
Hoe wiskunde de zorg beter maakt Erica D'Acunto, Senior Data Scientist Bart Veltman, Partner, medeoprichter Rhythm Kan wiskunde een hulpmiddel zijn voor de zorg? Wat denkt u? a) Ja, voor zorgprofessionals
Nadere informatieDe ontwikkeling van een heropnamemodel. Corine Penning, Jan van der Laan, Agnes de Bruin (CBS) Landelijke Themabijeenkomst Heropnamen DHD
De ontwikkeling van een heropnamemodel Corine Penning, Jan van der Laan, Agnes de Bruin (CBS) Landelijke Themabijeenkomst Heropnamen DHD Aanleiding Heropname kan een indicator zijn voor sub-optimale zorg
Nadere informatieData-gedreven prestaties verbeteren: de toekomst van ons adviesvak. November 2017
Data-gedreven prestaties verbeteren: de toekomst van ons adviesvak November 2017 Inhoudsopgave 1. HofP Digital Impact 2. Zeer korte intro in advanced analytics & de rol van de (interne) adviseur 3. Een
Nadere informatieArtificial Intelligence in Business
2-daagse training Artificial Intelligence in Business Voeg met AI waarde toe aan uw organisatie Initiatief en organisatie In samenwerking met Wat leert u in deze training? De verschillende vormen van AI
Nadere informatieBespreking Actiz 8 maart 2009 Bauke Versteeg, DBC-Onderhoud
Registratiemodel Bespreking Actiz 8 maart 2009 Bauke Versteeg, DBC-Onderhoud Agenda 2 1. Het DBC-proces en Registratiemodel 2. Registratiemodel STAP voor STAP 3. Grouper en omgeving 4. Wat de instellingen
Nadere informatieLean verbeteringen in de zorgadministratie: een kijkje achter de schermen van de zorg
Lean verbeteringen in de zorgadministratie: een kijkje achter de schermen van de zorg 28-03-2013 In Nederlandse ziekenhuizen sterven jaarlijks 2000 mensen onnodig, omdat veel ziekenhuizen hun sterftecijfers
Nadere informatieLandelijke registraties naar de Bron
Landelijke registraties naar de Bron Hoe houden we de registratielast in ziekenhuizen binnen de perken en krijgen we toch betere data? Registratie aan de bron is een belangrijk onderdeel van de oplossing.
Nadere informatieDe geïntegreerde architectuur van Informatie- en Operationele Techniek. Jurg Bremmer (sr. Consultant - )
De geïntegreerde architectuur van Informatie- en Operationele Techniek Jurg Bremmer (sr. Consultant - ) Welkom Agenda Introductie Informatie architectuur Voorbeelden Aanpak Discussie Jurg Bremmer sr. Consultant
Nadere informatieDTL focus meeting Ongoing initiatives to establish automated links between clinical care and clinical research
DTL focus meeting Ongoing initiatives to establish automated links between clinical care and clinical research UMC Utrecht Robert Veen, projectleider Research Data Platform Programma Research ICT EPD s
Nadere informatieParallelsessie 1: Curatieve zorg registraties
Parallelsessie 1: Curatieve zorg registraties Landelijke Basisregistratie Ziekenhuiszorg Janneke v.d. Akker DBC Medisch Specialistische Zorg Bart Klijs DBC s in de Geestelijke Gezondheidszorg Floor van
Nadere informatieProjectplan overzicht (deel 1)
Projectplan overzicht (deel 1) Algemeen Naam umc Projectleider + email Titel activiteit Programmathema Werkplaats Draagt bij aan de volgende deliverables -zie programma- Erasmus MC J.A. Hazelzet (voorlopig)
Nadere informatieSmart Maintenance. Het realiseren van een intelligente Maintenance inrichting door het slim gebruik van Data analytics
Smart Maintenance Het realiseren van een intelligente Maintenance inrichting door het slim gebruik van Data analytics 05-10-2016 Maintenance meets service logistiek 05-10-2016 Kasper Groenbroek Siebrand
Nadere informatieInternet of Things in perspectief geplaatst. Herman Tuininga. Oktober 10, 2017
Internet of Things in perspectief geplaatst Herman Tuininga Oktober 10, 2017 1 Achtergrond Meer dan 20 jaar ervaring in IoT 30 medewerkers IoT Lab Zwolle Connecting your things 2 IoT is een container begrip
Nadere informatieHSMR: doorontwikkeling en interpretatie. Agnes de Bruin (CBS), 11 oktober 2016 Themabijeenkomst Van getal naar patiëntveiligheid DHD, Utrecht
HSMR: doorontwikkeling en interpretatie Agnes de Bruin (CBS), 11 oktober 2016 Themabijeenkomst Van getal naar patiëntveiligheid DHD, Utrecht Inhoud presentatie Wat is de HSMR? Doorontwikkeling HSMR tot
Nadere informatieDe zorg van de toekomst: gaan avatars de zorg overnemen? Prof. dr. H.P. Brunner-La Rocca, Maastricht UMC+
De zorg van de toekomst: gaan avatars de zorg overnemen? Prof. dr. H.P. Brunner-La Rocca, Maastricht UMC+ Disclosures Unrestricted research grants Roche Diagnostics Novartis Vifor Cardiola Advisory Boards
Nadere informatieMedisch Management op de SEH. (andere)
Medisch Management op de SEH. Over geld en (andere) belangrijke dingen P (Pol) Stuart Medisch Manager SEH/ observatorium. Albert Schweitzer Ziekenhuis Dordrecht. Eerst: Medische Geschiedenis In den beginne
Nadere informatieDe ICT-Ladder. De treden
De ICT-Ladder De ICT-ladder is een zogenaamd volwassenheidsmodel, die de aanwezigheid en het gebruik van ICT-hulpmiddelen in de huisartsenpraktijk meet. Op het hoogste niveau is niet alleen het patiëntendossier
Nadere informatieReal Time Monitoring & Adaptive Cyber Intelligence SBIR13C038
Real Time Monitoring & Adaptive Cyber Intelligence SBIR13C038 Opgericht 2010 Ervaring >10 jaar Expertise Forensisch gegevensonderzoek Anomalie detectie Behavioral profiling SBIR Partners TNO Texar Data
Nadere informatieFilosofie en architectuur. Projectinrichting
1 Kennismaking 2 Filosofie en architectuur 3 Status & planning 4 Look & feel 5 Projectinrichting 6 Discussie Kennismaking Voorstellen Hoe is uw registratie monitoring nu georganiseerd? Welke vragen heeft
Nadere informatieA Data Driven Journey Pieter de Kok RA AANJAGER CONEY. 31 oktober 2018
A Data Driven Journey Pieter de Kok RA AANJAGER CONEY 31 oktober 2018 MIJN DATA REIS 1994 HBO ACCOUNTANCY SCRIPTIE EDI AND CHANGING ROLE OF AUDITOR MIJN DATA REIS 1995 MIJN DATA REIS 1999 RA STUDIE AFSTUDEER
Nadere informatieMedical Intelligence Strategiestudie Vernieuwing Zorg-ICT
Strategiestudie Vernieuwing Zorg-ICT Hergebruik, standaardisatie en samenwerking Uitdaging van het delen van medische onderzoeksdata 12 september 2012 Agenda Aanleiding Concept Uitgangspunten Realisatie
Nadere informatieLeren verbeteren met gegevens over voorgeschreven medicijnen. Bram Plouvier Predictive analytics consultant
Leren verbeteren met gegevens over voorgeschreven medicijnen Bram Plouvier Predictive analytics consultant BI Podium Advanced Analytics 23 mei 2017 Advanced Analytics in de gezondheidszorg Santeon en de
Nadere informatieAI en Software Testing op de lange termijn
AI en Software Testing op de lange termijn Is het een appel? Traditioneel programmeren AI Kleur = rood, groen, geel Vorm = rond Textuur = glad Artificial Intelligence Machine Learning Methods Technologies
Nadere informatieData, informatie, verklaringen, beslissingen
Bazaar informatievoorziening zorg Data, informatie, verklaringen, beslissingen 28 januari 2014 Koninklijk Instituut Van Ingenieurs KIVI NIRIA Agenda 1. Introductie DHD 2. TTP-functie Landelijke Basisregistratie
Nadere informatieEnd-note. Sven Noomen Wouter Heutmekers
End-note Sven Noomen Wouter Heutmekers 2 Ok, en morgenvroeg? Voorstellen 25111978 14 8 4 6 23 25031981 12 3 1 1339 3 Think BIG Act SMALL 2011 Scale FAST 4 5 6 Visie & strategie Strategie Ondersteuning
Nadere informatieFAST LANE Grip op de verduurzaming van vastgoed
FAST LANE Grip op de verduurzaming van vastgoed Royal HaskoningDHV Smart Solution 2018 Portefeuille eigenaar We moeten 7.000 gebouwen verduurzamen. Waar moeten we beginnen? Gemeente Kunnen we het aanbestedingstraject
Nadere informatieVisie op zorg: marktwerking anno nu
Visie op zorg: marktwerking anno nu 5 juni 2014 Stelling: Zonder samenwerking geen verandering in de zorg Agenda Visie op ziekenhuiszorg Aanpak transitie Toekomst: innovatie en preventie 2 Visie op ziekenhuiszorg
Nadere informatieOnderzoeksdata in het UMCU. Michiel Vuurboom Aafke Jongsma Robert Veen
Onderzoeksdata in het UMCU Michiel Vuurboom Aafke Jongsma Robert Veen Inhoud Agenda Inleiding/context Medical Intelligence Research IT programma UMCU Parelsnoer Architectuur Reuma parel Discussie en vragen
Nadere informatieOntsluiten van gesproken documenten. Arjan van Hessen
SpraakTech Ontsluiten van gesproken documenten Arjan van Hessen spraak tekst spraak verslag emotiedetectie emotiedetectie geeft GEEN antwoord op vragen herkennen van sprekers groeperen van verschillende
Nadere informatieBig Data bij de Rabobank
Big Data bij de Rabobank Platform Klantgericht Ondernemen, 19 sept 2012 Marcel Kuil en Hilde van Hulten Onderwerpen Big Data bij Rabobank; Wat en waarom? Roadmap Aanleiding Doelstelling Aanpak Inrichting
Nadere informatieOrbis Online. De ontwikkeling van een logistiek voorspelbaar diagnose en behandeltraject met een geïntegreerd EPD ondersteund door ICT
Orbis Online De ontwikkeling van een logistiek voorspelbaar diagnose en behandeltraject met een geïntegreerd EPD ondersteund door ICT De Orbis filosofie Pro actief werken Vraaggestuurde integrale capaciteitsplanning
Nadere informatieHoe AI kan ingezet worden voor de analyse van asbesthoudende daken
Hoe AI kan ingezet worden voor de analyse van asbesthoudende daken Earth Observation Data Sciences www.vlaanderen.be/informatievlaanderen www.vito.be Workshop: Asbestinventarisatie en analyse Weerslag
Nadere informatieHoe artsen registreren en wat artsen ervoor terug willen. Stevie Tan, oogarts VUmc
Hoe artsen registreren en wat artsen ervoor terug willen Stevie Tan, oogarts VUmc Hoe artsen registreren en wat artsen ervoor terug willen Registreren Statusvoering Gestructureerd of vrije tekst Terugwillen
Nadere informatieRegistratie aan de bron: secundair gebruik. dr. Jetty Hoeksema NFU/LUMC
Registratie aan de bron: secundair gebruik dr. Jetty Hoeksema NFU/LUMC Scope Registratie aan de Bron in totale speelveld: kleine stappen Zorgverlening Primair zorgproces Patient- Participatie (PGD ed)
Nadere informatieKIWA PRISMANT, KENNIS VOOR ZORG EN GEZONDHEID
KIWA PRISMANT, KENNIS VOOR ZORG EN GEZONDHEID De stelselherziening verandert uw werkveld ingrijpend en zorgt daarmee voor veel onzekerheid. U moet toekomstgericht beleid ontwikkelen op basis van onbekende
Nadere informatieHSMR: doorontwikkeling en interpretatie. Agnes de Bruin (CBS), 11 oktober 2016 Themabijeenkomst Van getal naar patiëntveiligheid DHD, Utrecht
HSMR: doorontwikkeling en interpretatie Agnes de Bruin (CBS), 11 oktober 2016 Themabijeenkomst Van getal naar patiëntveiligheid DHD, Utrecht Inhoud presentatie Wat is de HSMR? Doorontwikkeling HSMR tot
Nadere informatieInformatie- Gestuurd. Handhaven. Pilot Uitkeringsfraude
Pilot Uitkeringsfraude Informatie- Gestuurd Handhaven InformatieGestuurd Handhaven GBI Ooit Gezamenlijke Backoffice Inkomen Nu Gemeentelijke Basisprocessen Inkomen 2 het IGH-model InformatieGestuurd Handhaven
Nadere informatieBig data in de zorg de belofte voorbij? Herman Bennema MIC 2015, 29 oktober 2015
Big data in de zorg de belofte voorbij? Herman Bennema MIC 2015, 29 oktober 2015 Agenda Data en informatie bij Vektis Big data met gestructureerde gegevens Instellingsspecifieke analyses Regio analyses
Nadere informatieYnformed. Data science oplossingen met impact
Ynformed Data science oplossingen met impact Wat gaan wij doen? Komende 45 min: 1. Introductie data science 2. Data science toepassingen 3. Relevante tips Doelstelling Zicht op concreet en uitvoerbaar
Nadere informatieSlim Onderhoud Voorkomen lekkages en onnodige kosten. Seminar Datagestuurd Woningonderhoud
Slim Onderhoud Voorkomen lekkages en onnodige kosten Seminar Datagestuurd Woningonderhoud Ralf Putter Business Consultant John Ciocoiu Technisch Consultant Data & Analytics Slim Onderhoud Value case Project
Nadere informatiePilotstarter Living Lab Tussentijdse update
Pilotstarter Living Lab Tussentijdse update Functionele E-mail Box & bewaring by design 12-03-2018 Informatie op orde: hoe laat Den Haag het e-mail kanaal voor de gemeente werken? Papierloos werken Haagse
Nadere informatieKOSTEN EN BATEN VAN ICT
Benchmarking in de zorg KOSTEN EN BATEN VAN ICT 21 november 2013 Bart Groothuis WIE KENT DIT BOEK? Waar gaat dit boek over? 2 AGENDA Proces van benchmarking Kosten Baten Conclusie BENCHMARKING IN DE ZORG
Nadere informatieArtificial Intelligence. Tijmen Blankevoort
Artificial Intelligence Tijmen Blankevoort Een intelligente revolutie Live spraak vertaling (Skype 2015) Zelfrijdende auto s (Meerdere bedrijven) Jeopardy winst (IBM 2013) Professioneel Go (Google 2016)
Nadere informatieValidatiestudie van de nationale surveillance van nosocomiale infecties op IZ
Validatiestudie van de nationale surveillance van nosocomiale infecties op IZ Ann Versporten, Ingrid Morales, Carl Suetens National Surveillance of Infections in Hospitals 1 Algemene doelstelling Valideren
Nadere informatieDoorbraak: GGZ koppeltaal
Doorbraak: GGZ koppeltaal Wat is het probleem: Geen keuzevrijheid voor patient èn behandelaar minder mogelijkheden om de juiste E-Health toepassingen voor de juiste situaties te kiezen Vendor Lock-in de
Nadere informatieOp weg naar uniformiteit
Op weg naar uniformiteit Data extractie Parelsnoer Data extractie DSCA Centraal ZIS/EPD DWH DBC / DOT Zorg applicatie Data extractie Kindergeneeskunde Data extractie voor MIS CTMS Rapportages HRM systeem
Nadere informatieMeer waarde halen uit uw ICT en EPD ICT sturing richten op realiseren van baten
Meer waarde halen uit uw ICT en EPD ICT sturing richten op realiseren van baten Eric Polman HIMSS 2010, Atlanta 1 4 maart 2010 Agenda en doelstelling 1. Even voorstellen: M&I/Partners 2. ICT in de zorg:
Nadere informatieDagbehandeling: kosten besparen of verschuiven? Casestudy: het Asz Han van Wijk, directeur Financiën Albert Schweitzer ziekenhuis
10-11-2016 Dagbehandeling: kosten besparen of verschuiven? Casestudy: het Asz Han van Wijk, directeur Financiën Albert Schweitzer ziekenhuis Disclosure belangen spreker (potentiële) belangenverstrengeling
Nadere informatieGain Automation Technology Specialist in technische en industriële automatisering
Gain Automation Technology Specialist in technische en industriële automatisering Inleiding Ontwikkeling KPI-dashboard Voorbeelden Samenvatting Even voorstellen Paul Janssen: Senior Technical Consultant
Nadere informatieEFFICIËNTIE EN CONSTANTE KWALITEIT VAN ZORG DOOR PERSONEELSPLANNING MET EEN FLEX POOL
EFFICIËNTIE EN CONSTANTE KWALITEIT VAN ZORG DOOR PERSONEELSPLANNING MET EEN FLEX POOL ALEIDA BRAAKSMA, NIKKY KORTBEEK, CHRISTIAN BURGER, PIET BAKKER, RICHARD BOUCHERIE INTRODUCTIE Hoeveel verpleegkundigen
Nadere informatieMinder Big data Meer AI.
Minder Big data Meer AI. Minder Big data, meer AI. Marijn uilenbroek BI & Analytics consultant Utrecht, 1 november 2016 BI&A symposium 2016 Minder Big data meer AI 2 BI&A symposium 2016 Minder Big data
Nadere informatieEXACT SALARIS PLUS. Compleet Human Resource Management met salarisadministratie.
HOME WAT VOORDELEN FUNCTIONALITEITEN Compleet Human Resource Management met salarisadministratie. RAPPORTAGE IMPLEMENTATIE SERVICE ESSENTIALS OVER EXACT IN HET KORT Werknemers zijn de ruggengraat van bedrijven.
Nadere informatieURBAN SCIENCE. Professor Nanda Piersma Michael Hogenboom
URBAN SCIENCE Professor Nanda Piersma Michael Hogenboom Nanda Piersma Hogeschool van Amsterdam (HvA) Centrum Wiskunde & Informatica (CWI) URBAN TECHNOLOGY SOLUTIONS FOR SUSTAINABLE, LIVEABLE AND CONNECTED
Nadere informatiePilotstarter Living Lab Papieren Tijger Netwerk 27 maart 2018 J. Pantjes
Pilotstarter Living Lab Papieren Tijger Netwerk 27 maart 2018 J. Pantjes Functionele E-mail Box & bewaring by design 27-03-2018 269.000.000.000 Per dag! Bron: The Radicati Group (www.radicati.com) Informatie
Nadere informatieICT maakt zorg beter. Transformatie van de ICT voorzieningen bij RdGG. Ben Gorter Manager I&A (a.i.)
ICT maakt zorg beter Transformatie van de ICT voorzieningen bij RdGG Ben Gorter Manager I&A (a.i.) Agenda 1. RdGG facts & figures 2. De huidige situatie 3. De opdracht 4. De ICT transformatie 2 1. RdGG
Nadere informatieBent u er al klaar voor? TMap dag 2016
Robots testen Bent u er al klaar voor? TMap dag 2016 Heeft u al een robot? Over 10 jaar zeker! TMap dag 2016 2 Technologie verovert ons leven, steeds sneller! TMap dag 2016 3 Robots in de praktijk Meer
Nadere informatieMachine Learning voor persoonlijke en precieze zorg. 8 november 2018
Machine Learning voor persoonlijke en precieze zorg 8 november 2018 Persoonlijke introductie Pacmed combineert machine learning met medische kennis voor persoonlijke en precieze zorg Missie Patiënten krijgen
Nadere informatieVertrouwen en verbinden. R Huizinga en J Ciocoiu KPN Consulting
Vertrouwen en verbinden R Huizinga en J Ciocoiu KPN Consulting Data: driver voor digitale transformatie Digitalisering aanjager van data management. Data management is aanjager van digitalisering. Van
Nadere informatieIs zorg in de toekomst voorspelbaar? Bart Geerts CEO Healthplus.ai
Is zorg in de toekomst voorspelbaar? Bart Geerts CEO Healthplus.ai Ontwikkelingen in de zorg Ontwikkeling zorgkosten per hoofd van de bevolking 1. Vergrijzing 2. Personeelstekort 3. Stijgende zorgkosten
Nadere informatieSamenwerking Medical Intelligence. UMC Utrecht Hyleco Nauta, Directeur Directie Informatie & Technologie
Samenwerking Medical Intelligence UMC Utrecht Hyleco Nauta, Directeur Directie Informatie & Technologie Vertrekpunt samenwerking Medical Intelligence Veel ziekenhuizen implementeren EPD s Samenwerking
Nadere informatieDiabetesproeftuin Rijncoepel Big Data Innovatie in de Zorg Juni 2014
Diabetesproeftuin Rijncoepel Big Data Innovatie in de Zorg Juni 2014 Data bij PharmaPartners 5,5 miljoen medische dossiers 9 miljoen farmaceutische dossiers Collectie en aggregatie als eerste stap Veel
Nadere informatieSolution Brief ing AFAS HRM. Documentverwerking voor
Solution Brief ing Documentverwerking voor AFAS HRM AFAS levert HRM-oplossingen waarmee organisaties veel tijd besparen om hun HR-processen te automatiseren. Echter, veel van deze processen zijn gerelateerd
Nadere informatieDe waarde van kostprijsberekening. VGE/NVTAG - Value Based Health Care symposium Steven Lugard
De waarde van kostprijsberekening VGE/NVTAG - Value Based Health Care symposium Steven Lugard Performation levert Real World Evidence Q Kostprijzen en benchmarken Uitkomsten van behandelingen (o.a. NKR-Online)
Nadere informatieKennismanagement meer doen met medische informatie
Kennismanagement meer doen met medische informatie Bas Peters St Antonius Ziekenhuis Cornelis Smit St Antonius Ziekenhuis Mark Boon Business Unit Manager Erik Duin Product Manager Healthtivity, 25 september
Nadere informatieZichtbaar maken van rechtmatig en doelmatig declareren. Gebaseerd op zelf assessment ziekenhuizen 2013
1 plus Zichtbaar maken van rechtmatig en doelmatig declareren Gebaseerd op zelf assessment ziekenhuizen 2013 Aanvulling op Financiering door instelling op basis van abonnement met maandtarief 2 plus Systematisch
Nadere informatieCongres Rechtmatige Zorg 19 april De route van een declaratie, van zorgverlening tot eindafrekening.
Congres Rechtmatige Zorg 19 april 2018 De route van een declaratie, van zorgverlening tot eindafrekening. Zilveren Kruis, Jitse Kok Gelre Ziekenhuizen, Rob te Brake Inhoud Theorie Praktijk In gesprek Toekomst
Nadere informatieMACHINE LEARNING. Een egocentrische presentatie door een data scientist van Axians. Michel van Gelder Data Scientist bij Axians
MACHINE LEARNING Een egocentrische presentatie door een data scientist van Axians Michel van Gelder Data Scientist bij Axians 1 MICHEL VAN GELDER Data Scientist Axians 2 A day in the life of.. 3 MACHINE
Nadere informatieHET POLICY LAB. Tjerk Timan. ScienceWorks 25 mei 2018
HET POLICY LAB Tjerk Timan ScienceWorks 25 mei 2018 SAMENVATTING Het Policy Lab doet gecontroleerde experimenten voor het ontwikkelen van data gedreven beleid zodat beleidsmakers veilig kunnen experimenteren
Nadere informatieBPM OD Maturity Model
BPM OD Maturity Model VISION PAPER Vanuit de basis op orde naar samenwerken in de keten BPM Consult presenteert u 8 groeifasen richting succes voor uw omgevingsdienst Volwassenheid Omgevingsdienst Hoe
Nadere informatieMet RPA van Bluepond bereikt u meer met uw bestaande team
Nu ook voor het MKB Met RPA van Bluepond bereikt u meer met uw bestaande team Als MKB-ondernemer ligt uw focus op gezonde groei. Maar vaak gaat die groei gepaard met meer interne processen, meer administratie,
Nadere informatieMedical Intelligence Strategiestudie Vernieuwing Zorg-ICT
Medical Intelligence Strategiestudie Vernieuwing Zorg-ICT Van theorie naar praktijk VRAGENLIJST patient lab meting zorgverlener VRAAG STAGING INTEGRATIE TRANSFORMATIE UITGIFTE Ursula Letschert & Mathieu
Nadere informatieRobert Mul Beroepsontwikkeling & Beleid. 31/10/18 ICT-accountancy 1
Robert Mul Beroepsontwikkeling & Beleid 31/10/18 ICT-accountancy 1 NBA-BESTUURSVISIE OP BEROEP EN BEROEPSORGANISATIE Maart 2018 31/10/18 ICT-accountancy 2 Vijf thema s centraal: welke zou u kiezen? Maatschappelijke
Nadere informatieRegie op implementatie
Regie op implementatie Wat houdt dat in en hoe zorgen we dat het gebeurt? Registratie aan de bron Waarom regie op implementatie? Concrete implementaties, in de praktijk werkend en gebruikt informatie-uitwisseling
Nadere informatieWaarom Webfysio? www.webfysio.nl - team@webfysio.nl
Uw cliënt verdient toch maatwerk zorg? Waarom Webfysio? Uw eigen online en blended maatwerk zorgpakketten aanbieden Uw cliënten ondersteunen met online agenda, notificaties en herinneringen Direct online
Nadere informatieResultaten van de eerste MIM Snomed Hackathon
Resultaten van de eerste MIM Snomed Hackathon 1. Context AZ Sint-Lucas Gent Vandaag - één ziekenhuisbreed kerndossier (medisch) met één centrale medische voorgeschiedenis gedeeld en samen beheerd synthese,
Nadere informatieMeer waarde halen uit uw ICT en EPD ICT sturing richten op realiseren van baten
Meer waarde halen uit uw ICT en EPD ICT sturing richten op realiseren van baten Eric Polman HIMSS 2010, Atlanta 1 4 maart 2010 Agenda en doelstelling 1. Introductie 2. ICT in de zorg: kenmerken huidige
Nadere informatieSAMEN OP REIS: BLIJVEND BORGEN VAN REGIONALE SAMENWERKING
SAMEN OP REIS: BLIJVEND BORGEN VAN REGIONALE SAMENWERKING Congres architectuur in de zorg 14 juni 2018, 10.50-11.35 uur Marja Snoeijen, D&A medical group 2 SAMENWERKENDE ZIEKENHUIZEN REGIO EINDHOVEN Catharina
Nadere informatieGovernance en Business Intelligence
Governance en Business Intelligence Basis voor de transformatie van data naar kennis Waarom inrichting van BI governance? Zorgorganisaties werken over het algemeen hard aan het beschikbaar krijgen van
Nadere informatieWaarom BI-award voor het Diakonessenhuis?
Waarom BI-award voor het Diakonessenhuis? Het Diakonessenhuis heeft vanuit een duidelijke sturing (visie op marktontwikkeling) in korte tijd (9 maanden) met een klein vast team (5 mensen) en beperkt budget
Nadere informatieCOLLEGEREEKS BIG DATA EN BUSINESS AI
COLLEGEREEKS BIG DATA EN BUSINESS AI ONTDEK DE STRATEGISCHE MOGELIJKHEDEN VAN BIG DATA EN AI VOOR JOUW ORGANISATIE NYENRODE. A REWARD FOR LIFE 1 2 COLLEGEREEKS BIG DATA EN BUSINESS AI Big Data en Artificial
Nadere informatieRemote patient management
Remote patient management Programma voor patiënten met hartfalen én COPD Dr. Lidwien Graat, Longarts Flow Dr. Jos Kraal, Senior projectleider Flow Centrum voor preventie en (tele)revalidatie van chronische
Nadere informatieHoe gaat dit er in de toekomst uitzien?
Hoe gaat dit er in de toekomst uitzien? Joep Dille, Manager afdeling Innovatie en Wetenschap, Isala Gebruiker IT IS ALL IN THE CLOUDS Programma Drie Vragen: Waarom heeft Isala gegevens nodig? (management
Nadere informatieehealth en interoperabiliteit
ehealth en interoperabiliteit ehealth Implementatie Congres Michiel Sprenger Strategisch Adviseur Nationaal ICT instituut in de Zorg 1 december 2015 Ik Opgeleid als (klinisch) fysicus VUmc 1986-2008 Leidinggevend
Nadere informatieIn een keten gaat het om de verbindingen, niet om de schakels.
Verbindingsmodel IV Serviceketen Theo Thiadens en Adri Cornelissen In een keten gaat het om de verbindingen, niet om de schakels. Verbindingsmodel IV Serviceketen Theo Thiadens Alleen een organisatie die
Nadere informatieVerduurzamen en onderhoud: de rol van digitalisering CorpoNet, Albert van Heugten en Jan Fock
Verduurzamen en onderhoud: de rol van digitalisering 20180607 CorpoNet, Albert van Heugten en Jan Fock Agenda 1. Informatie tijdens de levenscyclus van vastgoed 2. CorpoNet en IT in de corporatiesector
Nadere informatieSCRUM en Agile IT ontwikkeling en de impact op governance
SCRUM en Agile IT ontwikkeling en de impact op governance NCD Dag voor Commissarissen en Toezichthouders 16 Maart 2017 NCD Nationale Dag van de Commissarissen & toezichthouders, commissaris en IT, maart
Nadere informatieKoptekst 08/06/2016. Overheid moet gevaren big-data analyses beperken.
Big Data Dr. Franc Grootjen Artificial Intelligence, Radboud Universiteit f.grootjen@ai.ru.nl Uit het nieuws (NOS, 28 april) Overheid moet gevaren big-data analyses beperken. Het analyseren van grote hoeveelheden
Nadere informatieCAREWEAR: STRESS EN DEPRESSIE TE LIJF MET WEARABLES. Carewear
CAREWEAR: STRESS EN DEPRESSIE TE LIJF MET WEARABLES 1 CAREWEAR is een VLAIO TETRA-project uitgevoerd door Mobilab & Care en de Expertisecel Psychologie, Technologie & Samenleving (Toegepaste Psychologie)
Nadere informatieGrip op Zorgpaden. Best of both worlds!
Grip op Zorgpaden Best of both worlds! Christiaan Hol Business Partner Zorglogistiek, Amphia Ziekenhuis Robert Klingens Senior Consultant, Process Express [1] Agenda 1. Het ziekenhuis: een complexe organisatie
Nadere informatieRoutinedata in de medische zorg in de avond, nacht en weekenden voor mensen met verstandelijke beperkingen
Focus congres 22 juni 2015 Routinedata in de medische zorg in de avond, nacht en weekenden voor mensen met verstandelijke beperkingen Prof. Dr. H. van Schrojenstein Lantman- de Valk Prof. Dr. W.J.J. Assendelft
Nadere informatie