Vijf jaar geleden stortte de sepsisvoorspellingssoftware van Epic in. Honderden ziekenhuizen hadden het algoritme geïmplementeerd, dat artsen moest waarschuwen voor dreigende sepsisgevallen – een levensbedreigende reactie op infecties die jaarlijks meer dan 350.000 Amerikanen het leven kost.

Het AI-model bleek in de praktijk een mislukking. Ondanks goede testresultaten functioneerde het niet zoals beloofd. Het stuurde zoveel valse meldingen dat artsen de waarschuwingen negeerden of ziekenhuizen het systeem uitschakelden.

Nieuwe generatie sepsis-algoritmes

Nu, vijf jaar later, komen er nieuwe modellen op de markt. Epic bracht een verbeterde versie van zijn algoritme uit. Startups testen hun modellen in zorgsystemen, terwijl een team grote taalmodellen gebruikt om klinische aantekeningen te analyseren op sepsisindicaties. Daarnaast kreeg Bayesian Health, met wortels in Johns Hopkins, dinsdag goedkeuring van de FDA voor een sepsiswaarschuwingsapparaat.

Waarom prestaties niet alles bepalen

Experts benadrukken dat succesvolle implementatie van sepsis-algoritmes afhangt van meer dan alleen technologische prestaties. Gebruikerservaring en integratie in bestaande workflows spelen een cruciale rol. Een algoritme dat te veel valse meldingen genereert, leidt tot alertmoeheid bij zorgverleners, waardoor levensreddende waarschuwingen over het hoofd worden gezien.

Uitdagingen bij implementatie

  • Alertmoeheid: Te veel meldingen leiden tot negeren van waarschuwingen, zelfs bij echte gevallen.
  • Integratie: Sepsis-algoritmes moeten naadloos aansluiten bij bestaande elektronische patiëntendossiers.
  • Gebruikersacceptatie: Artsen en verpleegkundigen moeten vertrouwen hebben in het systeem om het te gebruiken.

Toekomst van sepsisvoorspelling

De nieuwe generatie modellen richt zich niet alleen op techniek, maar ook op praktische toepassing. Bayesian Health combineert bijvoorbeeld machine learning met klinische expertise om betrouwbaardere en bruikbaardere waarschuwingen te genereren. Ook worden grote taalmodellen steeds vaker ingezet om subtiele aanwijzingen in klinische notities te detecteren die traditionele algoritmes missen.

"Een algoritme moet niet alleen accuraat zijn, maar ook intuïtief en waardevol voor de gebruiker. Anders wordt het een last in plaats van een hulpmiddel." – Dr. Peter Szolovits, MIT

De strijd om sepsisvoorspelling is niet alleen een kwestie van technologische superioriteit, maar ook van praktische bruikbaarheid en acceptatie binnen de zorgsector.