3. Het PLUGIN projectplan
Het PLUGIN projectplan beschrijft de pilot die DHD, EZA, en IKNL samen met met 3 ziekenhuizen wil uitvoeren. Binnen dit project worden 5 use-cases uitgewerkt, én de onderliggende infrastructuur die hiervoor nodig is geïmplementeerd.
Deze sectie beschrijft eerst kort de use-cases en licht daarna het projectplan verder toe.
3.1. De use-cases
AI-ondersteund-coderen: Via PLUGIN kan DHD een AI-model trainen bij alle deelnemende ziekenhuizen van dit project om de ICD-10 code van dag- en klinische opnamen te voorspellen. Dit leidt tot kostenvermindering, kwaliteitsverbetering van de diagnosecodering, een grotere gegevenspool voor onderzoek, en een vermindering van administratieve taken.
NKR-item: PLUGIN maakt het eenvoudig om (eventueel gepseudonimiseerde) gegevens te verstrekken aan relevante partijen die al toegang hebben tot deze gegevens. Dit leidt tot kostenvermindering en minder registratielast.
Signalering van metastasen op afstand: Via PLUGIN kan IKNL patiënten identificeren die later in het ziekteproces, ook jaren na behandeling, metastasen (uitzaaiingen) op afstand ontwikkelen. Dit leidt tot beter inzicht in behandeleffect en verbetering van de zorg.
Dashboard voor de Palliatieve Zorg: Via PLUGIN is het mogelijk om zowel per ziekenhuis als landelijk indicatoren uit te rekenen die inzicht geven in proactieve zorgplanning en potentieel niet-passende zorg. Dit geeft handvatten voor het verbeteren van de zorg.
Voorspellen klinische verslechtering, delier, en kwetsbaarheid na ontslag: Via PLUGIN kan EZA het tweede AI-product, gericht op klinische verslechtering, ontstaan van delier en kans op kwetsbaarheid na ontslag, trainen bij alle deelnemende ziekenhuizen van dit project. Door tijdige signalering kan eerder en proactief in het zorgproces worden gehandeld, wat de patiënt ten goede komt.
3.2. Globale opbouw van het project
Het PLUGIN-project bestaat uit 3 fases, die hieronder kort worden beschreven. Het project bevindt zich momenteel in de overgang tussen fases 1 en 2.
Fase |
Start |
Einde |
---|---|---|
1: Voorbereiding |
mei 2023 |
oktober 2023 |
2: Pilot |
oktober 2023 |
oktober 2024 |
3: Uitrol |
oktober 2024 |
… |
3.2.1. Fase 1: Voorbereiding
In de voorbereidende fase is/wordt gewerkt aan het benaderen van pilot-ziekenhuizen, zijn voorbereidingen getroffen op gebied van installatie van hard- en software, en aan juridische vraagstukken.
3.2.2. Fase 2: Pilot
In de tweede fase wordt, samen met de deelnemende ziekenhuizen, gewerkt aan het standaardiseren van EPD-data, het installeren van hard-/software, en randvoorwaarden opgesteld voor het gebruik en beheer van de infrastructuur. Dit heeft tot doel aan te tonen dat deze aanpak haalbaar en schaalbaar is.
Werkpakket |
Omschrijving |
---|---|
Standaardiseren brondata |
Dit werkpakket behelst de volgende activiteiten:
|
Technische inrichting |
Dit werkpakket behelst de volgende activiteiten:
|
Ontwikkeling algoritmen |
Binnen dit werkpakket worden de algoritmen voor de 5 use cases ontwikkeld. |
Governance/juridisch/financieel |
Binnen dit werkpakket worden afspraken gemaakt over het gebruik en beheer van de infrastructuur, hoe/of nieuwe partijen kunnen aansluiten, etc. |
3.2.3. Fase 3: Uitrol
Als de pilot succesvol is afgerond, wordt het aantal deelnemende ziekenhuizen in de derde fase uitgebreid. Het doel is om uiteindelijk alle Nederlandse ziekenhuizen aan te sluiten. Daarnaast kunnen ook nieuwe/aanvullende use-cases worden opgepakt, afhankelijk van de afspraken die gemaakt zijn in de tweede fase.
3.3. Verwachte inspanningen
3.3.1. Voor DHD, IKNL, en EZA
Om de drempel tot deelname zo laag mogelijk te maken, proberen DHD, IKNL, en EZA de ziekenhuizen zoveel mogelijk werk uit de handen te nemen. Hiertoe nemen zij de volgende taken op zich:
Projectmanagement & coordinatie.
Juridisch voorwerk.
Ondersteunen bij installatie van hard- en software.
Uitwerken van de informatiestandaard en ontwikkelen van FHIR profielen en extensies.
Ondersteunen bij het extraheren van de data uit het EPD en de transformatie naar FHIR. Naast kennis op dit vlak, kunnen ook scripts worden gedeeld die centraal worden onderhouden.
Ontwikkelen van de algoritmes voor de 5 use-cases.
Ondersteunen bij use-cases aangedragen door ziekenhuizen.
Vraag
Melle: Is het zinvol om bovenstaande in een tabel te gieten er daar bij te zetten hoeveel tijd/moeite/geld deze activiteiten kosten? M.a.w. denken we dat het helpt als we expliciet maken hoeveel moeite wij in dit project stoppen?
3.3.2. Voor deelnemende ziekenhuizen
Van de deelnemende ziekenhuizen wordt de een bijdrage verwacht bij de volgende onderwerpen:
Het maken van (juridische) afspraken tussen de verschillende partijen.
De installatie van hard-/software.
Het beschikbaar stellen van (klinische) gegevens uit het EPD.
Deze inspanningen worden concreet(er) gemaakt in de tabel Inschatting uren/kosten en verder toegelicht in Benodigdheden voor deelname.
Belangrijk
De kosten kunnen per ziekenhuis verschillen. Bijvoorbeeld door de aan-/afwezigheid van een reeds gestandaardiseerd data platform.
Activiteit |
Omschrijving |
Rol betrokkene |
Inschatting uren/kosten |
---|---|---|---|
Juridische afspraken |
Afspraken over …
|
|
? |
Installatie hardware |
Installatie van een (virtual) server die de vantage6 node software draait. |
Afd. IT |
8 uur? |
Installatie software |
Installatie van de vantage6 node software. |
Afd. IT |
8 uur? |
Standaardisatie EPD-data |
|
Afd. IT |
40 uur? |
Optioneel: ontwikkelen eigen algoritme(s) |
Data Scientist |
? |
Deze onderwerpen zijn inhoudelijk verder uitgewerkt in de sectie Benodigdheden voor deelname.
3.4. Verwachte baten
Ziekenhuizen besteden momenteel veel tijd en energie aan vraagstukken op gebied van data. Deelname aan PLUGIN biedt de mogelijkheid om hierin stevige stappen te zetten met ondersteuning van DHD, IKNL, en EZA. Ook geeft deelname inspraak in de toekomst van het project. Denk, bijvoorbeeld, aan meebeslissen over de (inhoud van) informatiestandaard, of over de wijze waarop het beheer (governance) georganiseerd wordt.
Daarnaast wordt door deelname aan PLUGIN ook deelname aan de verschillende use cases mogelijk. AI-ondersteund-coderen leidt tot een reductie in kosten in aanlevering aan de LBZ, Algoritmen van EZA verbeteren de kwaliteit van de zorg voor & doorstroming van patiënten, en automatische gegevensaanlevering aan de NKR leidt (op termijnn) tot goedkopere doorlevering aan kwaliteitsregistraties van derden.
Deelnemende ziekenhuizen kunnen natuurlijk ook hun eigen algoritmen ontwikkelen op de PLUGIN infrastructuur: PLUGIN kan een universeel platform worden voor het ontwikkelen van dashboards of het opvragen van managementinformatie. Hierbij is het óók mogelijk om dergelijke algoritmen met andere ziekenhuizen te delen.