Davy van de Sande, promovendus Intensive Care Medicine, ontwikkelde samen met Erasmus MC en SAS een machine learning-model dat voorspelt welke patiënten na een operatie in het ziekenhuis moeten blijven. Het model maakt gebruik van tientallen variabelen, zoals de totale duur van de operatie, het soort behandeling, de tijd tot de operatie en de medische geschiedenis van de patiënt. Een simulatie met patiëntdata van de afdeling Chirurgische Oncologie laat zien dat het Erasmus MC door inzet van dit model in 2019 145 ziekenhuisdagen had kunnen besparen. Dat betekent dat met het model onnodig bezette ziekenhuisbedden vrijgespeeld kunnen worden, met alle voordelen van dien.
Praktisch toepasbaar
Davy van de Sande, promovendus Intensive Care Medicine, ontving deze week Gerrit Jan Mulder prijs voor zijn onderzoek naar de ontwikkeling van dit model. Deze prijs wordt toegekend aan de beste master scriptie van het Erasmus MC. De jury looft met name de praktische toepasbaarheid van het onderzoek en de hoge maatschappelijke relevantie.
Kracht van de technologie
“Ik verbaas me nog over de kracht van deze technologie en over het feit dat we advanced analytics kunnen inzetten om klinische processen te verbeteren”, aldus de kersverse prijswinnaar. “De volgende stap is onderzoeken of het model ook toepasbaar is op patiënten van andere afdelingen en in andere ziekenhuizen. Bovendien kan het model steeds nauwkeurigere voorspellingen maken door meer data toe te voegen.”
