Algoritmische ondersteuning bij laboratoriumtest aanvragen en interpretatie van vaak aangevraagde tests: een data gedreven aanpak

Klinische biologie vertegenwoordigt een groot deel van de data in gezondheidszorg. Deze laboratoria data worden toenemend geïntegreerd in elektronische medische dossiers (EMD's), dat een systeem-brede integratie van beslissingsondersteuning voor elektronische laboratorium test aanvragen of interpretatie bevordert. Beslissingsondersteuning wordt reeds 4 decennia onderzocht als een toepassing die clinici kan ondersteunen in de toenemende uitdagingen op gebied van kennis en zowel diagnostische als therapeutische opties. Het aanbieden van aangepaste interpretaties van laboratoria data gebaseerd op gegevens uit het EMD en het testen van algoritmes can zorgen voor: preventie van diagnostische fouten, toename van gepaste laboratoriumtest aanvragen, daling van cascade kosten gerelateerd aan laboratoriumtest resultaten, en daling van tijd nodig om tot een diagnose te komen. De meest aangevraagde terugbetaalde tests dienen de focus te zijn voor een retrospectieve analyse van de datasets en de ontwikkeling van algoritmes voor test aanvragen en interpretatie omwille van de enorme impact op kost en volume.

Trefwoorden:decision support, artificial intelligence, laboratory test ordering

Disciplines:Beslissings- en groepsondersteunende systemen, Algemene diagnostiek, Machine learning en besluitvorming