Klik hieronder voor voorbeelden van diverse praktijktoepassingen:
Case: Thuis bloed laten prikken
Situatieschets
Als er thuis bloed wordt afgenomen, komt de verpleegkundige daarvoor langs. Hoe laat ze er precies zal zijn is dan niet bekend; meestal wordt gewerkt met tijdvakken van 4 uren, waarbinnen hij of zij zal langskomen. Dat betekent dat de patiënt een dagdeel van 4 uur moet vrijhouden en thuis beschikbaar moet zijn. Een neuraal netwerk kan hier op twee vlakken voordeel bieden:
- Veel preciezer voorspellen hoe laat de verpleegkundige aankomt. Dat is niet alleen prettig voor de patiënt, maar ook het risico dat de patiënt niet thuis is wordt hiermee verkleind;
- Voorspellen hoeveel van de patiënten niet thuis zal zijn, zodat er meer patiënten ingepland kunnen worden.
Aankomsttijd voorspellen
De basis van voorspellingen is altijd een hoeveelheid historische gegevens, waarvan de ‘antwoorden’ bekend zijn.
Zo zal Zelesys u vragen naar informatie (altijd geanonimiseerd!) omtrent de afgelegde bezoeken van de afgelopen periode. Denk aan de leeftijd van de bezochte patiënt, de postcode en het tijdstip waarop de verpleegkundige langskwam. Maar ook informatie over de verpleegkundige (ook anoniem!) helpt. En wij voegen nog extra informatie toe, zoals hoe het weer die dag was.
Omdat ook de aankomsttijden bekend zijn van al deze bezoeken uit het verleden, kunnen we een systeem bouwen op basis van die historische gegevens, dat we testen en fine tunen met die ‘antwoorden’ die we ook hebben. En als dat proces geoptimaliseerd is, hebben we een systeem dat met nieuwe gegevens verrassend precieze antwoorden zal geven op de vraag hoe laat de verpleegkundige zal aankomen bij de patiënten morgen…
Interessant: Dit neurale netwerk is goed vergelijkbaar met een zelflerend systeem buiten de zorgsector dat onze mensen succesvol in de praktijk hebben gebracht in de logistieke wereld, waarmee momenteel wordt voorspeld hoe laat een pakketje bij de voordeur van de geadresseerde zal worden aangeboden.
Voorspellen hoeveel patiënten niet thuis zullen zijn
Het antwoord op de vraag ‘Hoeveel van de ingeboekte patiënten zal morgen niet thuis zijn’ zal een Zelesys zelflerend systeem heel precies kunnen beantwoorden, waarbij die voorspelling ook weer is gebaseerd op veel gegevens uit het verleden, waarbij bekend is wie er wel en niet thuis was. Overigens zoals altijd geanonimiseerd. Op basis van die historische gegevens bouwen wij een systeem dat ‘begrijpt’ welke factoren een rol spelen, en met welke weging.
En als al die informatie niet beschikbaar is?
Dan adviseert Zelesys u graag bij de opzet van een systeem dat die data alsnog verzamelt, zodat we na enige tijd alsnog met de juiste historische gegevens een goed Zelesys zelflerend systeem voor u kunnen opzetten.
Komen die voorspellingen echt altijd uit?
Niet altijd. Wel meestal en altijd minstens bijna. En zo verrassend precies, dat het u lang zal blijven verbazen.
Dat met onze systemen significante besparingen mogelijk zijn is evident.
