Medewerkers van een zorgcentrale moeten elke situatie pijlsnel inschatten. Extra informatie over de context van een patiënt -door AI vertaald naar inzichten- kan cruciale tijd uitsparen, accuratere beslissingen opleveren en zo de druk op de zorgsector verlichten. Naast zorgcentrales vinden ook artsen, thuisverpleegkundigen en mantelzorgers een handige assistent in deze ‘contextuele AI’.
Eén op drie noodoproepen blijkt geen noodgeval. Maar zelfs voor een ervaren operator in een zorgcentrale is dat soms lastig uit te maken, op basis van de beperkte informatie die voorhanden is. Zeker iemand die in shock of in de war is, of iemand die lijdt aan dementie, kan soms moeilijk vertellen wat er juist gebeurd is. Bij onduidelijkheid kiest een operator het zekere voor het onzekere: een ambulance, een behoorlijk ingrijpende, dure en vaak wat overtrokken maatregel. In vele gevallen had een interventie door een thuisverpleegkundige of mantelzorger soelaas kunnen bieden – en de ambulance had voorbehouden kunnen blijven voor echte urgenties.
Context is cruciaal
De grootste uitdaging: er is doorgaans weinig bekend over de context van een patiënt die een noodoproep doet. Heeft de patiënt iets gegeten? Heeft hij de voorbije dagen meer of net minder bewogen dan gewoonlijk? Is er al lang geen bezoek meer geweest? Sensoren in huis, van smartwatches tot druksensoren op de deuren of koelkast, kunnen een enorme massa extra data opleveren over iemands levensstijl – en eventuele plotse afwijkingen daarin. Maar zo’n bulk aan ruwe data is niet bepaald vlot hanteerbaar in een zorgcentrale, waar tijd cruciaal is. En dat is waar contextuele AI in beeld komt.
Als het gaat over patronen detecteren in ruwe data en die data snel analyseren, dan kunnen we niet om de kracht van AI heen. Onderzoekers van UGent-imec trainden in het HomeLab (een experimenteerruimte voor nieuwe residentiële technologietoepassingen met ruim 300 sensoren) een AI-algoritme eerst op historische data van een groep proefpersonen om dagdagelijkse activiteiten, zoals eten, slapen, en televisiekijken, te gaan herkennen: sensoren maken duidelijk wanneer de koelkast geopend wordt, een smartwatch registreert de hartslagvariabiliteit of bewegingen van de hand, bewegingssensoren lokaliseren de persoon in huis,...
In een tweede fase werd het algoritme gepersonaliseerd om de gewoontes van één specifieke proefpersoon te leren kennen. Stel dat jij een heel eigen manier hebt om je tanden te poetsen, dan gaat het algoritme dat moeten leren via machine learning. Nieuwe activiteiten die bij andere proefpersonen nog niet voorkwamen en ook andere informatie, die vandaag al door zorgverstrekkers verzameld wordt (zoals de wensen en verlangens van een patiënt, een grondplan van het huis en de locaties van eventuele sensoren), werden toegevoegd aan de datamix.
De data van de sensoren wordt via het AQURA-zorgplatform van Televic Healthcare geïntegreerd, waarna machine learning een reeks inzichten toevoegt, en een zorgproces van de operator wordt opgestart via het Workflower-platform van Amaron. Dat platform presenteert via een dynamisch dashboard de inzichten aan de menselijke operator. Hij of zij kan ingaan op bepaalde opvallende observaties, zoals een afwijking in de routine, bijvoorbeeld: heeft deze persoon niet gegeten of veel korter geslapen dan normaal. Bottomline: de operator krijgt een veel beter beeld van de meest waarschijnlijke oorzaak van een alarm tijdens een oproep. Finaal leidt dat tot tijdswinst, een beter geïnformeerde beslissing over vervolgacties en minder druk op de zorgsector door onnodige hospitalisaties.
Langer en veiliger thuis blijven wonen
Ook buiten een zorgcentrale kan deze ‘contextuele AI’ verlichting brengen. Denk maar aan mantelzorgers, artsen en thuisverplegers. Die kunnen voortaan waardevolle inzichten uit een continue stroom van informatie krijgen, naast de momentopnames van hun huisbezoeken. Het laat hen toe om de omstandigheden van een patiënt sneller en beter te interpreteren, en opent bovendien de deur naar een meer preventieve aanpak.
Want voor een patiënt van een trap valt, zijn er meestal al wat subtielere signalen geweest die verraden dat er iets aan de hand is met diens gezondheid, bv. een tragere pas. Een thuisverpleegkundige die langskomt kan, gevoed door extra informatie, al eens gerichte vragen stellen over dingen die anders misschien niet ter sprake zouden komen. Door vroeger in te grijpen kan een val en bijbehorende hospitalisatie misschien wel vermeden worden.
Contextuele AI kan de reguliere thuiszorg naar een hoger niveau tillen, met minder risico’s voor de patiënt en een lagere belasting voor mantelzorgers.
Door de vergrijzing mogen we de komende jaren een verschuiving verwachten van acute naar chronische zorg. Mensen leven over het algemeen langer en hebben vaker chronische ziektes, waardoor ze complexere zorgnoden hebben. Die zorgen zo lang mogelijk in de thuisomgeving kunnen aanbieden, heeft voordelen: het is wat senioren zelf vaak het liefst hebben, en het komt hun levenskwaliteit dikwijls ten goede. Contextuele AI kan de reguliere thuiszorg naar een hoger niveau tillen, met minder risico’s voor de patiënt en een lagere belasting voor mantelzorgers. Als de voordelen zo helder zijn, waar wachten we dan nog op?
Uitdagingen: data-infrastructuur en patiëntenvertrouwen
Een belangrijke uitdaging is de data-infrastructuur. Zorgverleners verzamelen al volop data in de cloud, maar beschikken niet over de nodige algoritmes die inzichten genereren om er mee aan de slag te gaan. Bovendien registreert quasi elk zorgbedrijf op z’n eigen manier, met een eigen semantiek, wat het moeilijk maakt om diverse databronnen met elkaar te combineren tot inzichten.
Wellicht nog belangrijker dan de technische uitdaging is het draagvlak bij patiënten. Die moeten niet alleen overtuigd worden van het feit dat hun medische data veilig gedeeld wordt in hun eigen belang, ze moeten ook bereid zijn om data te genereren door een smartwatch te dragen, of sensoren te laten installeren in hun huis die hun dagelijkse activiteit kunnen monitoren. Idealiter gebeurt dat trouwens al op een moment dat het nog niet slecht gaat met de gezondheid, zodat het ‘normale’ patroon geleerd kan worden. Vandaag wordt een alarmknop vaak pas geïnstalleerd op een moment dat iemand al een keer gevallen is, of in het ziekenhuis terechtkwam. Daarna gaat het overtuigen een stuk makkelijker en ziet de patiënt of diens familie de meerwaarde van zulke monitoringtools. Maar dan zitten we al in het scenario dat het niet meer zo goed gaat met de gezondheid.
Oplossingen: SOLID en edge computing
Essentieel om vertrouwen te bouwen is een waterdichte privacy-bescherming. Data die op zich onschuldig lijken kunnen, gecombineerd met andere databronnen, veel weggeven over iemands gedrag en medische toestand. De persoonlijke datakluisjes van SOLID lijken een interessante piste om de privacy te garanderen, en tegelijk data te delen. Het idee: de ruwe data blijven in een persoonlijke datakluis, en de patiënt kan bepalen welke zorgverstrekker (al dan niet tijdelijk) toegang krijgt tot de inzichten die eruit voortvloeien. Door het toevoegen van semantiek aan de data en het incorporeren van de SOLID-standaard, kan de uitwisseling van data tussen zorgverleners ook vlotter verlopen. Daarnaast kan edge computing ook helpen. Hierbij wordt een deel van de verwerking van de data uitgevoerd op een toestel in het huis van de patiënt, aan de 'edge' van het netwerk. Daardoor hoeft niet meer alle ruwe data over het netwerk verstuurd te worden.
Binnen het imec.icon-onderzoeksproject PROTEGO (Personalized alaRming and cOntextualized dispaTching through lifEstyle monitorinG) werkten industriepartners (Televic Healthcare, ML2Grow, Amaron, Z-plus) en onderzoekers (imec-IDLab-UGent, imec-SMIT- VUB) nauw samen om de mogelijkheden van contextuele AI in de zorg te onderzoeken. Ze kregen daarvoor steun van imec en Agentschap Innoveren Ondernemen. In een vervolgproject (in de schoot van SolidLab)zal de integratie van SOLID-technologie, om patiënten controle te geven over hoe en met wie ze hun persoonlijke data delen, verder onderzocht worden. In het AAL Emilio-project wordt momenteel ook onderzocht hoe dergelijke contextuele AI kan uitgerold worden in rusthuizen, om het gedrag van bewoners te monitoren.
