Start ontwikkeling behandeltool voor de GGZ

Behandelingen die niet leiden tot de gewenste verbetering gaan gepaard met een lage kwaliteit van leven en onnodige zorgkosten. Patiënten die niet geholpen zijn met hun behandeling zouden idealiter eerder gesignaleerd worden, zodat de behandeling tijdig kan worden aangepast. Met behulp van machine learning kan dit.

SIDN-fonds

In dit door het “Stichting .nldomein”-fonds (SIDN-fonds) gesubsidieerde project, werken we aan de ontwikkeling van een predictiemodel waarmee de behandeleffectiviteit wordt voorspeld. Hierin staan twee innovaties centraal.

Het openen van de ‘black box’

Ten eerste wordt een predictiemodel ontwikkeld dat in staat is om voorspellingen op een intuïtieve, visuele en transparante manier te communiceren, ten opzichte van de veelal ondoorzichtige ‘black box’ voorspellingen die momenteel vaak uit predictiemodellen voortkomen. Door de voorspellingen intuïtief en transparant te visualiseren, kunnen behandelaars een predictiemodel veel beter op waarde inschatten, en beter bepalen op welke manier ze deze kunnen gebruiken in hun dagelijkse praktijk.

Een tweede innovatie binnen dit project is dat nieuwe statistische technieken worden ontwikkeld waarmee data van instellingen kunnen worden gecombineerd, zonder dat deze data daarvoor de instelling verlaten. Dit opent de mogelijkheid voor instellingen om samen te werken, zonder dat dat additionele datarisico’s met zich meebrengt.

Het project, dat loopt tot december 2021, staat onder leiding van dr. Joran Lokkerbol, werkzaam bij het Centrum voor Economische Evaluaties en Machine Learning van het Trimbos Instituut. Het project wordt uitgevoerd in samenwerking met prof.dr. Bea Tiemens, Radboud Universiteit en dr. Kim de Jong Universiteit Leiden.