Onlangs heeft Bas ter Bekke een symposium ‘All about data’ in het UMCG in Groningen bezocht. Een symposium met veel interessante sprekers en gesprekken over data in de zorg en medische sector. Bas deelt in deze blog zijn ervaringen:

Tijdens dit symposium werd duidelijk dat de stortvloed aan data veel kansen biedt, maar ook veel uitdagingen kent. De opkomst van machinale data gedreven besluitvorming software bij de diagnose en behandeling van ziekten zal steeds meer de norm worden binnen ziekenhuizen, gezondheidsinstellingen en bij artsen. Dit is een goede ontwikkeling. We worden ouder en ervaren daarbij een hogere kwaliteit van leven. 

Algoritmen

Artsen en verzorgers maken beslissingen vaak gebaseerd op eigen ervaringen uit het verleden. Naarmate het verleden dichter bij het heden ligt is de invloed van die ervaringen groter op die beslissingen. Er treedt daardoor een soort vernauwing op. Daarom is deze nieuwe technologie van grote toegevoegde waarde.

De algoritmen van decision support systemen zijn getrained met tienduizenden cases van ziektegevallen door de tijd heen en van overal in de wereld. Het doel van deze rapid-learning health care systemen is “simply to learn as fast as possible about what is the best treatment for each patient, and deliver it” – Lynn Etheredge. Klinische (onderzoek) data en dagelijkse zorgdata worden voor dit doel met elkaar samengebracht. 

Data kwaliteit

Dan moet echter wel aan een belangrijke randvoorwaarde worden voldaan. De kwaliteit van besluiten die op grond van deze algoritmen gemaakt worden, is afhankelijk van de correctheid van de ingevoerde data. Incorrecte data kan onder andere ontstaan door typfouten, verkeerde medische terminologie, incomplete registraties en onjuiste vertalingen. Met name waar de werkdruk bij verzorgend personeel in gezondheidsinstellingen hoog is en de noodzaak van goede registratie niet duidelijk is, is deze extra administratieve last debet aan veel incorrecte en onvolledige registraties.  

Codeersystemen zouden kunnen bijdragen aan eenvoud en eenduidigheid van de op te voeren data. In een codeersysteem kunnen afspraken worden vastgelegd over hoe je iets noteert, constateert of ervaart. Echter het opzetten van een goed codeersysteem valt niet mee. Bijvoorbeeld de context waarin iets wordt geconstateerd is niet altijd in een paar termen vast te leggen. Rijke talen kunnen bijvoorbeeld meerdere woorden hebben voor een bepaald begrip. Niet alleen binnen de medische wereld wordt hier mee geworsteld. Gegevensuitwisselingen vinden overal plaats. Datastromen nemen toe en bepalen in toenemende mate ons welzijn. 

Open deur

Zoals je ervan uit mag gaan dat water uit de kraan drinkbaar is, zou dat ook met data het geval moeten zijn. Het begint allemaal bij de bron. Zorg dat de registratie bij de bron correct en volledig is. Zorg dat er een goed ‘woordenboek’ is, zodat iedereen binnen de organisatie weet wat de ingevoerde data betekent. Maar zorg ook voor een ‘wasmachine’ die vuile data schoon maakt. Zodat de data ‘schoon’ is voordat deze gebruikt wordt in algoritmes en (deep) learning voor (geautomatiseerde) beslissingen binnen jouw organisatie. De kwaliteit van de ingevoerde en verwerkte data bepalen de juistheid van de beslissingen. 

Het lijkt een open deur, maar door het toenemende belang van data voor jouw organisatie toch een deur die verder opengetrapt zou moeten worden.