Explainable AI system for post-Surgery ComplicAtions PrEdiction [ESCAPE]

Inleiding

Na het uitvoeren van een operatie door een chirurg wordt een patiënt nog enkele dagen geobserveerd in het ziekenhuis om goed te kunnen monitoren of de patiënt geen postoperatieve complicaties zoals infectie ontwikkelt. Dit leidt echter in het ene geval tot een onnodig lange ligduur en in het andere geval tot een te korte ligduur in het ziekenhuis.

Probleemstelling

Het gevolg is dat een infectie soms pas thuis tot uiting komt en heropname nodig is. Opname in het ziekenhuis brengt hoge kosten met zich mee, in een al overbelast zorgstelsel. Tegelijkertijd zijn bestaande digitale oplossingen om de optimale ligduur van een patiënt te voorspellen onvoldoende toereikend, aangezien deze slecht of niet kunnen uitleggen hoe een algoritme tot een bepaalde voorspelling komt.

Belang van Uitlegbaarheid

Een dergelijke onderbouwing is belangrijk voor de klinische acceptatie van zowel de zorgverlener als de patiënt.

Projectdoel

Daarom bundelen projectpartners Deeploy en Healthplus.ai in dit MIT-R&D AI project hun krachten voor het ontwikkelen van het ESCAPE-systeem, waarbij een innovatief Artificial Intelligence model wordt gecombineerd met een Explainable AI (XAI) model om postoperatieve infecties nauwkeurig te kunnen voorspellen en de voorspelling klinisch te interpreteren.

Verwachte Impact

Hiermee wordt zowel waarde geleverd aan de patiënt als aan de zorgverlener, en worden ziekenhuiskosten geminimaliseerd.