Niet elke patiënt knapt op na een GGZ-behandeling voor angst of depressie. Trimbos instituut ontwikkelt met behulp van machine learning een visuele ondersteuningstool waarmee behandelaar en patiënt halverwege een behandeltraject inzicht krijgen in de effectiviteit van de behandeling.

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 is dit mogelijk.

SIDN-fonds

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

Predictiemodel

Ten eerste wordt een predictiemodel ontwikkelt dat in staat is om voorspellingen op een intuïtieve, visuele en transparante 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.

Lees hieronder verder.



Bron: Trimbos instituut

Externe links:
Start ontwikkeling behandeltool voor de GGZ

Typ hier uw zoekopdracht om de site te doorzoeken