Lottie file
Innovatie
Medische Protocollen Navigatie
Opschaling
We are not bouwt de tomtom voor de arts en de patiënt door het medische protocollen landschap. De mogelijke gepersonaliseerde routes worden berekend en voorgesteld waardoor de arts meer tijd heeft voor de belangrijke afstemming met de patiënt. Patiënt en arts bepalen altijd zelf welke route genomen wordt. (app.wearenot.com)
We are not gelooft in de goede intenties van mensen. Er is geen zorgprofessional die expres iets fout doet. Elke zorgprofessional wil het beste doen voor zijn of haar patiënt. We are not gelooft dat door op een andere manier de professional te ondersteunen door het inzetten van proactieve veiligheidssystemen iedereen het goede kan doen. Per ongeluk fouten maken behoort daardoor tot het verleden. En dat is beter voor de patiënt én voor de professional
Digitalisering
Informatie-uitwisseling
Medisch technologische innovaties
Overige
Regio Limburg
fabian tijssen
Probleemstelling
Evidence Based Medicine (EBM) vertaalt de laatste medische inzichten naar de beste zorg. Om het behapbaar te houden worden deze inzichten in de laatste protocollen gezet. Uit onderzoek blijkt dat de meeste medische fouten (adverse events) ontstaan door het niet juist volgen van de protocollen.
Dat heeft allerlei oorzaken. Om er maar een paar te noemen: er zijn (te) veel protocollen, er staan fouten in protocollen, protocollen spreken elkaar tegen, de werkdruk is te hoog, er is geen tijd om alle protocollen door te lezen, protocollen zijn inter-individueel interpreteerbaar.
Oplossing
We are not_ bouwt de TomTom voor de arts en de patiënt door het medische protocollen landschap. De gepersonaliseerde route wordt berekend en voorgesteld waardoor de arts meer tijd heeft voor de belangrijke afstemming met de patiënt. Patiënt en arts bepalen altijd zelf welke route genomen wordt. (app.wearenot.com)
Doelgroep
Medisch Professionals
19.500 medisch specialisten (> 50% betrokken bij operatieve zorg en antistolling)
175.000 verpleegkundigen (uitvoer van medische beslissingen)
bron: www.volksgezondheid.info
Patiënten per jaar
1.400.000 aantal geopereerde patiënten in Nederland per jaar
1.300.000 patiënten met bloedverdunnende medicatie in Nederland
7.900.000 aantal behandelde patiënten per jaar in Nederlandse ziekenhuizen
bronnen: www.zorgprismapubliek.nl ; www.apothekersnieuws.nl ; www.sfk.nl
Zorgorganisaties
71 Ziekenhuizen incl UMC's
229 ZBC's (Zelfstandige Behandel Centra )
bron: www.volksgezondheid.nl
In eerste instantie richten wij ons op protocollaire zorg rond antistolling en ingrepen. Vandaar de inperking van de bovenstaande doelgroepen. Maar bij de opschaling zal dit breder worden en zullen ook andere doelgroepen (denk aan zorgverleners voor patiënten met cytostatica) bedient gaan worden.
Verdienmodel
We are not kent drie verschillende verdien modellen.
Allereerst hebben we fixed price model. Wij vragen aan ziekenhuizen een bijdrage in de ontwikkelkosten voor het verbeteren richtlijn / protocol naar een gevalideerde richtlijn / protocol.
Vervolgens kennen we voor de SAAS-rule-engine een abonnementsmodel. Een ziekenhuis betaalt per protocol een bedrag per maand.
Een variant voor het abonnementsmodel is het pay-per-patient model. Waar het gaat om de ondersteuning van bijvoorbeeld het pre-operatieve proces kan voor dit model gekozen worden.
Wij worden ook gevraagd om te adviseren over (digitale) innovatie en zorgprocesinrichting. Hiervoor betalen onze opdrachtgevers ons per uur.
Geïnvesteerd vermogen
€ 10-100 duizend
Concurrentie
Onze concurrenten:
Onze grootste concurrenten zijn de EPD's. Zij hebben decision tree's in hun software waar zij landelijk richtlijnen in proberen te verwerken. Verder zijn er diverse app bouwers die op deelgebeiden concurreren.
Unieke aspecten van onze oplossing:
De kwaliteit, granulariteit en onderhoudbaarheid van onze oplossing is beter dan van deze concurrenten. Dit komt door de gebruikte methode, modelleer technieken en technologie. Daarnaast volgt dit systeem het intuïtief denkproces van de medisch specialist. Als laatste laten we zaken die niet bijdragen aan de beslissing weg.
De pijn zonder onze oplossing:
Complexe kennis wordt vaak foutief, multi interpretabel en met hiaten vastgelegd in talige protocollen. Automatiseren van op deze manier beschreven complexe kennis is onmogelijk.
Momenteel worden de richtlijnen per 2 jaar ge-update. Dat betekent dat nieuwe inzichten vaak 2 jaar stil ligt voordat het wordt ingevoerd.
Daarna moeten ziekenhuizen de richtlijnen vertalen naar ziekenhuis protocollen. Dit gebeurt door expert commissies, vaak is dit een taak die bovenop de bestaande taken komt van medisch specialisten. Dit omschrijven van kennis duurt ook enige tijd. Eenmaal een nieuw protocol wordt dit omgezet in een PDF en wordt het ingevoerd in de protocollen omgeving van het ziekenhuis
Om de nieuwe protocollen zo snel mogelijk in het ziekenhuis te verspreiden worden zak kaartjes en zakboekjes gemaakt. Dit is een samenvatting van het protocol en veel kennis gaat verloren door deze korte samenvatting.
De decision trees die binnen de EPD's of in sommige apps worden gebouwd volgen niet één op één het protocol en zijn zeer kostbaar en tijdrovend om up-to-date te houden.
Om ervoor te zorgen dat de nieuwe inzichten uit de richtlijn en het nieuwe protocol doorgevoerd worden op de werkvloer zal er moeten worden opgeleid. Dit gebeurt hands-on of via e-learnings. Vaak zijn dit ook add-on taken voor de medisch specialist die naast de gewone taken erbij komen.
Unieke kenmerken
We are not is in staat de kennis vast te leggen in kennismodellen. Niet alleen de expliciete kennis (de kennis in de protocollen en richtlijnen) maar ook de klinisch expert kennis die nodig is de expliciete kennis uit te voeren (de impliciete kennis).
Hierdoor legt we are not gedetailleerder en veel gestructureerder kennis vast en toetst deze op zowel bron als uitkomst. Hieruit ontstaan onze innovaties:
1. We are not maakt gevalideerde protocollen, getoetst op alle mogelijke uitkomsten
2. We are not maakt een proces|beslisondersteuning die ervoor zorgt dat artsen foutloos complexe protocollen veel sneller kunnen uitvoeren
3. Door alles op beslissingsniveau vast te leggen en te loggen stellen we de artsen instaat om onderzoek te doen op beslisregel niveau. We leveren als het waren een embedded learning systeem.
Dit klinkt abstract. Daarom bouwden we een voorbeeld op de richtlijn die tot de meeste fouten leidt binnen de medisch specialistische zorg, op de manier zoals we dat vandaag de dag in Nederland hebben georganiseerd. Op onze manier is het nagenoeg onmogelijk nog een fout te maken. (app.wearenot.com)
Intellectueel eigendom
Ontwikkelde software en kennismodellen zijn eigendom van We are not_. Deze worden door geheimhouding beschermd.
Het copyright op de ontwikkelde protocollen ligtt bij We are not. De ziekenhuizen die mee ontwikkeld hebben krijgen het gebruiksrecht op het protocol. Op dit gebruiksrecht zit geen einddatum.
Proces en Decision support systemen kunnen op abonnement basis gebruikt worden door ziekenhuizen, zolang het abonnement loopt.
Organisatie
We are not is de handelsnaam van fabHLTH B.V. het eigenaarschap van deze b.v. is evenredig verdeelt tussen BEO B.V. en IsoosI B.V. Dit zijn de persoonlijke B.V.'s van de oprichters. Op dit moment is er interesse van derden om te participeren in de medical navigator. Het idee is om voor deze activiteiten een nieuwe B.V. op te richten waar door derden in geparticipeerd kan worden. Een aantal ziekenhuizen hebben aangegeven mogelijk interesse te hebben om mede verantwoordelijk te worden voor de inhoud van de modellen. Dit kwaliteitsorgaan zal dan in een "bovenliggende" stichting worden gezet.
Wij verwachten dat we het komende jaar zullen groeien naar vier ondernemers en twee werknemers. Waarna we naar verwachting binnen 5 jaar kunnen doorgroeien naar een organisatie van ongeveer 15-20 man. Het is expliciet niet te bedoeling om de groei te waarderen in bedrijfsgrootte, maar vooral in toename van kwaliteit van zorg en besparing in ziekenhuizen door het voorkomen van fouten.
Beschrijving pilotfase
Momenteel wordt er met 5 ziekenhuizen gewerkt aan het maken van een en hetzelfde (landelijke ) protocol dat in alle 5 de ziekenhuizen gebruikt gaat worden.
Tot nu toe hadden de ziekenhuizen (net als in de rest van Nederland ) ieder een eigen protocol . Ze werken nu naar een gevalideerd protocol dat ondersteund gaat worden.
Betrokken partners
Vijf STZ ziekenhuizen voor het ontwikkelen van een gezamenlijk antistollingsprotocol inclusief digitale ondersteuning.
(werkgroep antistolling, directies)
Eén universitair ziekenhuis voor het ontwikkelen van pre-operatieve screening
(betrokken partijen bij het ziekenhuis: Innovatieafdeling, centrum voor acuut & kritische zorg, directie kwaliteit&veiligheid)
Change management & architecture (Harold ten Böhmer, eigenaar) voor verandermanagement en duurzame architectuur van DSS en API met EPD's
Modeling Value Group (Wim Bast, mede-eigenaar) voor het bouwen van de software factory
Bizzomate (Marc Gelissen, directeur) voor de DMN rule-engine
dotPinq (Victor Lap) voor front-end development
Aantal gebruikers pilot
0-10
Onderzoeksresultaten
Op dit moment zijn we bezig met het uitwerken van het nieuwe antistollingsprotocol. Zodra dit geaccoordeerd is zullen de vijf ziekenhuizen elk 50-100 dossiers inbrengen. Deze dossiers zullen retrospectief door de rule-engine gehaald worden. Afwijkingen met het uitgevoerde beleid worden onderzocht op het ontstaan van de afwijking. 1) heeft de arts het protocol goed gevolgd 2) kloppen de regels in het protocol, 3) kloppen de regels in de tooling. 4) kloppen alle datapunten van de patiënt?
Verder wordt gekeken naar de snelheid van uitvoering, adherence en compliance en natuurlijk de beleving van de zorgprofessional en waar mogelijk van de patiënt.
De pilot is in voorbereiding en over de resultaten kan dus nog geen uitspraken gedaan worden. Een beschrijving van de pilot kun je lezen in de bijlage.
Rapportage pilot
Implementatiestrategie
Wij zijn begonnen met een ogenschijnlijke incrementele innovatie. De eerste stap die we hebben gezet is het introduceren van decision modelling om het antistollingsprotocol voor onze eerste opdrachtgever te herschrijven. Wij zijn expres dicht bij de bekende wereld van de opdrachtgever gebleven om de kans op adoptie van deze manier van werken te vergroten. Wij hebben samen met de opdrachtgever binnen 3 maanden een compleet nieuw antistollingsprotocol geschreven. Deze snelheid van werken had de opdrachtgever nog niet eerder meegemaakt en door het modelleren zaten er geen fouten/onduidelijkheden meer in het protocol. Als bonus hebben we een prototype van een antistollingsapplicatie meegeleverd om de beoogde bijvangst van modelleren (namelijk automatiseren) te verduidelijken.
De volgende stap was een technologische innovatie. We hebben een eerste versie van de antistollingsproduct gebouwd om potentiele klanten te laten ervaren dat complexe medische beslissingen op een heel laag granulair niveau zijn te ondersteunen. Dit eerste product is te vinden op app.wearenot.com
De beoogde kwaliteitsvebeteringen en financiële voordelen zijn vooral te behalen als het product niet als stand-alone app wordt gebruikt maar als dit onderdeel wordt van een procesinnovatie. Dit betekent dat wij een duale implementatiestrategie volgen.
Ten eerste zijn we met een vijftal ziekenhuizen in voorbereiding om de complete antistollingsrichtlijn (van voorschrijven, aanpassen en interventies) om te schrijven naar een gezamenlijk en gelijkluidend protocol voor vijf ziekenhuizen. Hierbij laten we zien dat niet ieder ziekenhuis het wiel opnieuw hoeft uit te vinden en te onderhouden. Wij bouwen hiermee schaal, verlagen de ontwikkelkosten en verhogen de adoptiekans naar andere ziekenhuizen.
De andere lijn is dat we het peri-operatieve proces gaan ondersteunen. Dat betekent dat er eerst gekeken wordt naar de huidige rollen van de actoren in het pre-operatieve proces, de te behalen verbeteringen en de rol van decision support in dit proces. Dit proces is in voorbereiding bij een van de opdrachtgevers. Wij werken hier gezamenlijk met de opdrachtgever naar digitale ondersteuning van een compleet pre-operatief proces.
In beide gevallen zal de beslisondersteuning gekoppeld worden aan de huidige EPD's om eenvoud van werken mogelijk te maken en dubbele invoer te voorkomen.
Op termijn zal het leersysteem verder worden uitgebreid doordat de deelnemende ziekenhuizen analyses en deep-learning op hun data-lake kunnen draaien.
Op deze manier zorgen we dat we niet een mooie uitvinding (stand-alone app) blijven maar dat we naar een schaalbare en implementeerbare innovatie groeien.
Behaalde prestaties of gewonnen awards
Wij zijn super trots op onze eerste herschreven protocol, onze ondersteuning (app.wearenot.com) en natuurlijk dat we finalist zijn bij de nationale zorginnovatieprijs 2020.
Productontwikkeling
Er zijn een aantal zaken die nog op de roadmap staan. Aan de ene kant hebben we de inhoudelijke ontwikkelingen. Naast de besproken uitwerking van antistolling en pre-operatieve screening, hebben we een grote wens om ook de cytostatica protocollen te implementeren.
Verder zien wij de volgende uitbreidingen op technologisch vlak:
1) koppeling met drie epd's (chipsoft HiX, Epic, Cerner)
2) Doorontwikkeling van het decision platform van proprietary naar open source.
Op dit moment wordt een proprietary rule engine gebruikt. Wij zijn te transitie naar een open source engine aan het voorbereiden. Dit maakt onze onderstaande doorontwikkeling makkelijker en sneller
3) Doorontwikkeling van de testgenerator
In deze testomgeving wordt een volledige doortest van alle combinaties van variabelen gedaan (White-Box testing). Deze test generator zal ontwikkeld worden in een separate tool waarin alle mogelijke scenario’s met de bijbehorende verwachte uitkomst automatisch gegenereerd worden.
4) Knowledge tracer
De knowledge tracer wordt een online omgeving waarin wetenschappelijke artikelen, Europese en landelijke richtlijnen en protocollen hiërarchisch aan elkaar worden gekoppeld.
5) Artificial intelligence op de decision flow manager
Binnen het huidige decision model kan echter niet de volgorde of de belangrijkheid van deze parameters bepaald worden. Het zou echter zo kunnen zijn dat als één bepaalde parameter een specifieke waarde heeft, dat dan de overige parameters totaal niet meer van belang zijn en dus niet meer gevraagd hoeven te worden. Hiermee kan dus de decision flow bepaald worden.
Dit kan impliciet uit het decision model gehaald worden maar in een complex model is dit voor een menselijk brein bijna niet meer te bepalen, vooral als we over de toepassing van meerdere protocollen en dus inputparameters spreken die wel in één applicatie uitgevraagd moeten worden. Dan wordt het belangrijk om de meest onderscheidende inputparameters als eerste te vragen om zo de vragenlijsten zo kort en efficiënt/gericht mogelijk te houden. Om dit te kunnen bepalen zal een algoritme ontwikkeld worden dat binnen de verschillende beslismodellen in staat is om dit te doen.
6) Decision miner
Op dit moment is het moeilijk om de impliciete kennis die artsen in hun hoofd hebben in kaart te brengen. Dit is vaak nodig bij casuïstiek waar een protocol geen eenduidige uitspraak over doet. Dit kost energie en tijd en is zeer complex. Wij zullen een decision miner gaan ontwikkelen die dit proces van in kaart brengen van impliciete kennis zal vereenvoudigen.
Internationale ambitie
ja, maar centraal staat de zorg in Nederland
Omzet
€ 11-100k