TWOSOME

Het aantal alarmen dat afgaat op een Neonatale Intensive Care Unit (NICU) is hoog omdat de vitale fysiologische parameters van de neonaten als vanzelfsprekend continu gemonitord worden door medische apparatuur. Dit leidt tot een enorme alarmdruk bij NICU-verpleegkundigen, want elk alarm moet beoordeeld worden. Echter, slechts 20% van de klinische alarmen is relevant, wat niet alleen leidt tot inefficiënte werkprocessen, maar ook tot alarmmoeheid en daarmee bedreiging van patiëntveiligheid.
Literatuur- en praktijkonderzoek door studenten HBO-ICT en onderzoekers van het lectoraat ICT-innovaties in de Zorg (Hogeschool Windesheim) op de NICU van Isala ziekenhuis in Zwolle laat zien dat er winst lijkt te behalen in het slim combineren van alarmen en het aanpassen van grenswaarden. Hier kan uiteraard niet zomaar mee geëxperimenteerd worden in de werkelijke klinische setting. Isala heeft daarom behoefte aan een testomgeving waarin de impact van alarmaanpassingen op alarmreductie gemeten kan worden zonder dat patiëntveiligheid daarmee in gevaar komt. Een digital twin kan hier een oplossing bieden. Dit is een replica van de fysieke, dynamische NICU-setting waarin data van patiënten, apparaten en hun onderlinge interacties gesimuleerd kunnen worden en artificial intelligence voorspellingen kan doen over de impact van veranderingen.
In de gezondheidszorg wordt de potentie van digital twins de laatste twee jaar gezien en het aantal publicaties en best practices neemt toe, maar toepassingen op de intensive care-setting zijn nog dun gezaaid. Dit project, waarvoor Windesheim, Isala en data science agency Little Rocket de krachten bundelen, levert hier een bijdrage aan