Samen beslissen over ECT ondersteund door AI
Behandeling van ernstige psychiatrische aandoeningen, zoals electroconvulsietherapie, is intensief en kan ernstige bijwerkingen veroorzaken. Uit onderzoek is bekend welke voorspellers voor electroconvulsietherapie-uitkomst klinisch relevant zijn. Echter wordt deze kennis niet systematisch toegepast in de praktijk. Eerder werd in UMC Utrecht een AI-model ontwikkeld om voorspellingen te doen over de effectiviteit van electroconvulsietherapie bij depressie. De bijbehorende tool kan het samen beslissen van arts en patiënt over electroconvulsietherapie ondersteunen, waardoor electroconvulsietherapie doelmatiger kan worden ingezet.
Doel
In dit onderzoek willen we versnelling aanbrengen in de implementatie van decision support systems voor ernstig zieke psychiatrische patiënten. Er worden veel (AI-)predictiemodellen ontwikkeld, maar deze bereiken zelden de klinische praktijk. In dit project gaan we deze zogeheten 'valley of death' overbruggen voor een AI-model voor het voorspellen van electroconvulsietherapie-uitkomst, en implementatie toegankelijker maken voor andere algoritmes.
Aanpak
Het project kent drie onderdelen:
- Het implementeren van het decision support system-electroconvulsietherapie in de dagelijkse zorgpraktijk in het UMCU. We interviewen patiënten na samen beslissen gesprekken over ECT en nemen een vragenlijst over de gebruikerservaringen af. Ook documenteren we het technische implementatieproces: welke IT-ondersteuning is er nodig, hoe zou een ander ziekenhuis dit efficiënt kunnen realiseren?
- Opschaling toepassing en uitbreiding implementatieonderzoek van het decision support system-electroconvulsietherapie bij de afdeling psychiatrie van het St. Antonius ziekenhuis en bij Radboud UMC.
- Opstellen van een Handreiking Versnellen inzet decision support system in de ggz-praktijk, en deze toepassen op andere AI-modellen voor ggz, zoals de Psychose Predictor.
Samenwerkingspartners
Dit project is een samenwerking tussen UMC Utrecht, St. Antonius ziekenhuis, Radboud UMC en de depressievereniging. De projectgroep is interdisciplinair en bestaat uit clinici, ervaringsdeskundigen, data scientists en een implementatiedeskundige. Door samenwerking tussen clinici, ervaringsdeskundigen en IT-deskundigen in de verschillende deelnemende centra kunnen we onderzoeken hoe een decision support system van AI-model in een wetenschappelijke paper naar toepassing in de spreekkamer gebracht kan worden, en wat ervoor nodig is om decision support systems tussen ziekenhuizen uit te wisselen.
(Verwachte) resultaten
Wij streven tijdens het project naar implementatie van het decision support system-electroconvulsietherapie in de klinische praktijk op interregionaal niveau. Tijdens de implementatie blijven we de manier waarop de informatie voor arts en patiënt wordt weergegeven in het decision support system verder verbeteren. Uiteindelijk maken we zo volledigere en individuele informatie over electroconvulsietherapie beter bereikbaar voor patiënten met ernstige depressieve klachten. Ook creëren we een standaard voor implementatie(onderzoek) in de psychiatrische zorg en daarbuiten, voor implementatie van decision support systems gebaseerd op AI-modellen die elders ontwikkeld zijn.