“Het is een manier voor zorgaanbieders om samen te werken met DePuy Synthes, het orthopediebedrijf van Johnson & Johnson, om de preoperatieve coördinatie te verbeteren door deze soepeler, eenvoudiger en slimmer te maken”, zegt Swanson.
Het ontwikkelen van een digitaal geïntegreerde oplossing
Het ACM-team van J&J ontwikkelde de oplossing op een echte agile manier, waarbij na elke sprint een leverbaar product beschikbaar was, zegt Swanson.
Het systeem – dat gebruik maakt van een reeks digitale tools, waaronder HL7 EMR/DICOM-industriestandaardintegraties, een NodeJS- en React-webapp, een open API-architectuur en microservices om te integreren met externe partners – maakt gebruik van de interne Redshift-machine. leeralgoritmen om de grootte van heup- en knie-implantaten te voorspellen met behulp van patiëntbiometrie naast röntgenbeelden. ACM bevat ook een robuust portaal dat casusanalyses biedt rond productgebruik, operatiestatistieken, aankomende casusschema’s, casusdetails en sjablooninzichten.
“De primaire gegevensbron is het interne casusrapport van ACM, hoewel we ook vertrouwen op orthopedische aanbodgegevens van Mercy, een katholieke gezondheidszorgorganisatie zonder winstoogmerk”, zegt Swanson. “Voor ACM-caserapporten vindt de gegevensoverdracht plaats vanuit een gegevensomgeving met veel vertrouwen en wordt er een geautomatiseerde pijplijn gebouwd om via Redshift-tabellen de meest recente gegevens aan het datawetenschapsteam te verstrekken. De gegevens omvatten biometrische informatie van de patiënt, zoals lengte, gewicht, leeftijd en geslacht. Deze functies zijn meestal beschikbaar in de meeste EMR [electronic medical record] systemen en maken zo schaalgrootte van de oplossing mogelijk.”
Om de componentgrootte voor TKA- en THA-operaties te voorspellen, implementeerde J&J een reeks machine learning-technieken. “Na het opschonen en harmoniseren van de gegevens in termen van eenheden en statistieken, ontwikkelen we classificatiemodellen met meerdere klassen om de componentgrootte te voorspellen die specifiek is voor elk merk en component. Het belangrijkste voorspellingsalgoritme in de productie is ordinale logistische regressie en er worden verschillende technieken gebruikt om het klassenonevenwichtsprobleem aan te pakken (gestratificeerde steekproeven, SMOTE, enz.)”, zegt Swanson.
Voltooide algoritmen worden via de Amazon Web Services S3-infrastructuur gedeeld met het SC EMR IT-team. De resultaten worden gevisualiseerd in een Tableau-dashboard, zodat zakelijke belanghebbenden de nauwkeurigheid in de loop van de tijd kunnen volgen. Modellen worden ongeveer één keer per bedrijfskwartaal bijgeschoold.
“Het gecodeerde casusschema en de patiëntinformatie worden veilig elektronisch overgedragen. De gegevens worden gebruikt om de specificatie van het implantaatassortiment van DePuy Synthes en de instrumentenset voor elke operatie te bepalen”, zegt Swanson.
Onderweg obstakels overwinnen
Swanson en zijn team kregen tijdens de ontwikkeling van ACM te maken met een aantal uitdagingen. De twee belangrijkste kregen commerciële steun om de acceptatie van de oplossing te versnellen en de effectieve marketing ervan te garanderen, aangezien er verschillende regionale go-to-market-processen waren die de prioriteitstelling van de achterstand uitdaagden.
