Klik hieronder voor voorbeelden van diverse praktijktoepassingen:
Case: Wat is het juiste ontslagmoment per patiënt?
Situatieschets
In een ziekenhuis bepaalt een arts wanneer de patiënt kan worden ontslagen.
Als dat te laat gebeurt, dan worden onnodig kosten gemaakt en komt dat de statistieken van het ziekenhuis niet ten goede.
Als het te vroeg gebeurt, dan is soms later een heropname nodig die niet altijd wordt vergoed. Ook dat levert dus kosten op.
De relevante vraag kan als volgt worden geformuleerd: ‘Wat is het juiste ontslagmoment per patiënt?‘
Hoe bepaalt de arts het moment van ontslag?
De arts heeft ervaring. Hij weegt diverse factoren zoals de gemiddelde opnameduur voor de onderhavige behandeling, de gewichtsafname van de patiënt tijdens diens opname, diens leeftijd, etc.
Feitelijk weegt de arts alle hem bekende factoren en trekt een conclusie: vandaag ontslaan of vandaag nog niet ontslaan.
Hoe bepaalt een goed getraint neuraal netwerk het moment van ontslag?
Het neurale netwerk is gevoed geweest en getraind met heel veel voorbeelden van patiënten die in het verleden opgenomen zijn geweest en weer ontslagen zijn. Deze informatie is veel meer (kwantiteit) en veel gedetailleerder (kwaliteit) dan een arts ooit zou kunnen onthouden en overzien.
Ook was van al die geanonimiseerde patiënten bekend of hun ontslagmoment het juiste moment was (‘het antwoord’).
Als het neurale netwerk goed getraind is met deze informatie, zal het kunnen voorspellen van ieder nieuw geval (nieuwe patiënt) – uiteraard na invoering van alle relevante gegevens – welke ontslagdatum optimaal is.
En dat bespaart het ziekenhuis veel geld.
Zelesys garandeert en bewijst dat een neuraal netwerk dat wij bouwen en trainen werkelijk zoveel beter voorspelt dan welke arts ook. Daarmee is uw besparing gegarandeerd en uw investering gecalculeerd volledig terug te verdienen.
