VVT en de kansen van AI | Valpreventie workflow
Project description
Op dit moment is het moeilijk om erachter te komen wanneer een patiënt kan vallen. Zorgverleners hebben een meetmoment met de patiënten in de verpleeghuizen. Deze gegevens worden vastgelegd in een ECD en dat is het.
In een notendop moeten wij als groep ervoor zorgen dat we een workflow creëren zodat de gegevens die in het ECD (Elektronisch Cliënten Dossier) worden gezet door de zorgverleners in verpleeghuizen, verzorgingshuizen en thuiszorg, door een speciaal AI-model worden gehaald en van daaruit worden weergegeven op een dashboard-achtig iets, zodat de zorgverleners in de verpleeghuizen de juiste actie kunnen ondernemen.
Het doel van dit project is dus om te voorspellen wanneer ouderen in verzorgingstehuizen zullen vallen. Dit doen we met een workflow en met behulp van een speciaal AI-model, en indien mogelijk, om het te verhelpen. Met deze oplossing geeft het AI-model een voorspelling, gebaseerd op de gegevens uit de workflow, wat de kans is dat patiënten zullen vallen.
Context
De gezondheidszorgsector staat voor grote uitdagingen, deels door de toenemende vergrijzing, waardoor de vraag naar gezondheidszorg naar verwachting zal verdubbelen tegen 2040. Dit gaat gepaard met een groeiend personeelstekort, stijgende zorgkosten en complexere behandelingen. Voor een duurzame toekomst wordt gezocht naar structurele oplossingen, waaronder het gebruik van kunstmatige intelligentie (AI) en interactieve technologieën.
Het doel van het project is om een generiek systeem te creëren voor een geautomatiseerde AI-workflowcyclus met behulp van speciale API's. Het kan nodig zijn om de API's aan te passen. Het kan nodig zijn om de API's aan te passen als ze slechts gedeeltelijk beschikbaar zijn.
Results
We hebben veel onderzoek gedaan en zijn daardoor wijzer geworden, betreft de richting en omvang van het project. Dit is geen kort project, hier zullen zeker meerdere jaren aan worden gewerkt, en we denken dan ook dat dit project door een nieuwe groep studenten wordt opgepakt volgend semester.
Buiten veel onderzoek hebben we ook een beetje implementatiewerk kunnen verrichten. Zo hebben we gebruik gemaakt van Microsoft Azure. Hierin hebben we de FHIR Health Service opgezet, en een Data Factory met custom pipeline.
Downloads
About the project group
Al onze groepsleden komen van Fontys HBO-ICT Software. We hebben voor dit project 2 hele dagen in de week besteed gedurende een heel semester.