De inzet van kunstmatige intelligentie in de ambulancezorg

Onderzoeksproject

Startdatum 01 januari 2022

Klinisch redeneren is een cruciale taak binnen het zorgproces van de Spoedeisende Medische Diensten (EMS). Zowel contextuele als cognitieve factoren maken deze taak vatbaar voor fouten. Inzicht in de structuur van het EMS-zorgproces kan helpen bij het identificeren en aanpakken van problemen die het klinisch redeneren beïnvloeden. Dit project ontwikkelt, valideert en implementeert een redeneermodel dat gebruikt kan worden als wetenschappelijke basis bij VR-onderwijs en de ontwikkeling van diagnostische AI-ondersteuning in de praktijk en het onderwijs.

Met dit onderzoek willen we de ontwikkeling, validatie en implementatie van een redeneermodel (het SPART-model) voor ambulancepersoneel in de dagelijkse werkpraktijk en in het onderwijs. Dit doen we in meerdere fasen, waarvan de eerste twee al zijn afgerond:

Fase 1: De ontwikkeling van het SPART-model
Fase 2: Landelijke implementatie in het onderwijs
Fase 3: Mogelijkheden onderzoeken over het verrijken van onderwijs met Virtual Reality (VR) door middel van het SPART-model
Fase 4: Onderzoeken met het SPART-model of kunstmatige intelligentie (AI) behulpzaam kan zijn bij de ondersteuning van het diagnostische proces dat ambulancepersoneel in de praktijk doorloopt

Lees hier al onze publicaties

Doelstellingen:

Verbetering van diagnostische nauwkeurigheid:
De implementatie van een redeneermodel met kunstmatige intelligentie helpt ambulancepersoneel bij het sneller en nauwkeuriger stellen van diagnoses, waardoor de kans op fouten afneemt en patiënten sneller de juiste zorg ontvangen.
Efficiëntere scholing en training:
Door AI-ondersteunde redeneermodellen in het onderwijs van de ambulancedienstverlening te integreren, kunnen trainees realistische casussen oefenen, feedback ontvangen en sneller klinisch redeneren ontwikkelen.
Optimalisatie van besluitvormingsprocessen in de praktijk:
Het gebruik van AI kan ambulancepersoneel real-time ondersteunen bij het maken van weloverwogen beslissingen op basis van data en medische protocollen, wat leidt tot efficiëntere zorgverlening en betere patiëntuitkomsten.

De implementatie een AI-gestuurd redeneermodel heeft het doel de kwaliteit en snelheid van medische en verpleegkundige besluitvorming binnen de ambulancedienst aanzienlijk verbeteren. Ambulancepersoneel zal hierdoor beter in staat zijn om kritieke beslissingen te nemen op basis van data en geavanceerde analyses, wat de patiëntveiligheid vergroot. Daarnaast is het doel dat de integratie van AI in het onderwijs ervoor zorgt dat nieuwe zorgverleners sneller en effectiever worden opgeleid. Dit kan leiden tot een algehele verbetering van de acute zorgketen, met minder medische fouten en een efficiënter gebruik van beschikbare middelen binnen de ambulancedienstverlening. Dit project heeft het doel de wetenschappelijke onderbouwing te bieden voor het SPART-model en de effectiviteit daarvan als dit model gecombineerd wordt met AI-toepassingen.