Automatische visuele inspectie van IV medicatie in het ziekenhuis

Binnen dit project is onderzoek gedaan naar automatische visuele inspectie van IV (intraveneuze) medicatie
in het ziekenhuis. Hierbij is gekeken naar het meten van medicijndosering en vervuiling in IV-zakken. Voor
het meten van de medicijndosering is een machine learning model getrained op hyperspectrale beelden van
IV zakken met en zonder medicijnen. Voor het detecteren van vervuiling in IV-zakken is een state-of-the-art
vision opstelling ontworpen. Hierbij zijn zowel stilstaande en bewegende beelden van de IV-zakken gemaakt.
Er is daarbij gebruik gemaakt van diverse supervised en unsupervised state-of-the-art AI-modellen voor de
detectie en classificatie van verontreinigingen in de IV-zakken. De ontwikkelde methode is getest op IVzakken, die verontreinigingen bevatten die in de praktijk kunnen voorkomen. Deze vervuilingen variëren in
afmetingen (van 0,2 mm tot 1 mm) en materialen, zoals metaaldeeltjes, plasticfragmenten, vezels of glas. De
ontwikkelde proof-of-concept illustreert de mogelijkheden voor het opsporen van vervuiling in IV-zakken en
toont aan dat dergelijke geavanceerde technieken potentie hebben voor praktische toepassingen

In het ziekenhuis kan elke fout een leven kosten. Zo kan al een kleine bereidingsfout bij het klaarmaken van intraveneuze medicijnen (IV) leiden tot levensbedreigende omstandigheden voor de patiënt. Bereiding van dit type medicijnen gebeurt in de apotheek en op de verpleegafdeling. Met name op de verpleegafdeling is het een drukke en onvoorspelbare setting. Wereldwijd komen in deze setting ernstige bereidingsfouten nog te frequent voor. Om deze menselijke fouten te reduceren, wordt in deze KIEM aanvraag een proof-of-concept ‘slim oog’ ontwikkeld die vlak voor de toediening detecteert of de juiste dosis aanwezig is, of het type medicijn correct is en geen vervuiling aanwezig is. Het slimme oog maakt gebruik van hyperspectrale technologie en artificial intelligence, en is een samenwerking tussen de Computer Vision & Data Science afdeling van NHL Stenden Hogeschool, de automatische medicijncontrole specialist ZiuZ, en het Tjongerschans ziekenhuis. De unieke combinatie tussen nieuwe AI-technieken, hyperspectrale techniek en de toepassing op intraveneuze medicijnen is voor dit consortium technisch nieuw, en is nog niet eerder ontwikkeld voor de toepassing aan het bed of in de medicijnkamer op de verpleegafdeling. De onvoorspelbare setting en de urgentie aan het bed maakt dit onderzoek technisch uitdagend. Tevens moet het uiteindelijke device klein en draagbaar en snel werkzaam zijn. Om de grote verscheidenheid aan mogelijke gebruik scenario's en menselijke fouten te vangen in het algoritme, wordt een door NHLS ontwikkelde simulatie procedure gevolgd: met nabootsing van de praktijksituatie in samenwerking met zorgverleners, met opzettelijke fouten, en computer gegenereerde beeldmanipulatie. Het project zal geïntegreerd worden in het onderwijs volgens de design-based methode, met teams bestaande uit domein experts, bedrijven, docent-onderzoekers en studenten. Het uiteindelijke doel is om met een proof-of-concept aan-het-bed demonstrator een groot consortium van ziekenhuizen, ontwikkelaars en eindgebruikers enthousiast te maken voor een groter vervolgproject.