Maccabi Healthcare Services, één van Israëls grootste ziekenfondsen met 2,4 miljoen leden, heeft vandaag de implementatie aangekondigd van een nieuw AI-aangedreven algoritme dat individuen identificeert met reeds bestaande aandoeningen en andere gezondheidsfactoren die naar schatting het grootste risico lopen op ernstige COVID-19 complicaties. Het nieuwe algoritme heeft de top 2% van de patiënten met het hoogste risico (ongeveer 40.000 mensen) al geïdentificeerd, na analyse van de geanonimiseerde elektronische medische dossiers (EPD’s) van alle Maccabi-patiënten, zo meldt de organisatie in een persbericht.
Het algoritme is ontwikkeld door Medial EarlySign en het Kahn-Sagol-Maccabi Research and Innovation Institute . Medial EarlySign is een technologieleider in op machine learning gebaseerde oplossingen die helpen bij het vroegtijdig opsporen en voorkomen van zwaar belaste ziekten. Het bedrijf voert momenteel vergevorderde onderhandelingen met vooraanstaande medische organisaties in de Verenigde Staten die geïnteresseerd zijn in het algoritme als onderdeel van hun COVID-19-zorgprotocollen.
“De wereld is momenteel in oorlog met COVID-19 en ons algoritme, ontwikkeld in samenwerking met EarlySign, zal ons helpen het virus effectief te bestrijden”, zegt Ran Sa’ar CEO van Maccabi Healthcare Services. “Het algoritme en de snelle tests die het mogelijk maakt, zullen het aantal ernstige COVID-19-gevallen verminderen en levens helpen redden. Deze innovatie toont Maccabi’s unieke ontwikkelings- en implementatiemogelijkheden en onze robuuste big data. ”
Wanneer een persoon die door het algoritme als hoog risico is gemarkeerd contact opneemt met een verpleegkundige of arts om COVID-19-achtige symptomen te melden, zal het systeem de medische professional automatisch laten weten dat de patiënt deel uitmaakt van de hoogrisicogroep. De patiënt wordt dan onmiddellijk getest. Tests worden uitgevoerd in aangewezen Maccabi-faciliteiten, drive-in-stations of, indien nodig, bij de patiënt thuis. Hierdoor kunnen medische procedures zo snel mogelijk beginnen na een positieve diagnose, waardoor de verspreiding van het virus wordt beperkt.
Het algoritme identificeert patiënten met een hoog risico door analyse van tientallen routinematige medische factoren, waaronder:
- Leeftijd
- Luchtwegaandoeningen zoals longontsteking, bronchiolitis en influenza
- Geschiedenis van ziekenhuisopname
- Gewicht en BMI
- Medicijnen voorgeschreven voor aandoeningen of aandoeningen van de luchtwegen, zoals astma en hoest
- Hartziekte
- Roken geschiedenis
- Diabetes
- Spijsverteringsziekte
- Immunosuppressie
Het nieuwe algoritme stelt Maccabi in staat om objectief de patiënten te selecteren die versneld moeten worden getest op het COVID-19 virus en classificeert ze op basis van drie geschatte risiconiveaus. De medische taskforce COVID-19 van Maccabi kan ook de risiconiveaus gebruiken als onderdeel van de besluitvorming over optimale opnamemogelijkheden voor elke patiënt – thuisopname, aangewezen quarantaine hotels of ziekenhuisopname – en de noodzakelijke frequentie van follow-up voor elke patiënt.
“Als een van de grootste zorgorganisaties ter wereld met 2,4 miljoen leden en 27 jaar aan elektronische medische dossiers, vertrouwt het algoritme van Maccabi op big data van een van de grootste en meest hoogwaardige collecties van geanonimiseerde EPD’s ter wereld”, aldus Prof. Varda Shalev, directeur van het Kahn-Sagol-Maccabi onderzoeks- en innovatie-instituut. “Vroegtijdige identificatie van degenen met het grootste risico is cruciaal voor het ondersteunen van gezondheidswerkers en het afvlakken van de curve van de pandemie.”
“Bij het bouwen van het nieuwe algoritme voor COVID-19 hebben we tal van aspecten van onze griepcomplicaties AlgoMarker gebruikt”, zegt Dr. Jeremy Orr, CEO van Medial EarlySign. “Op basis van geanonimiseerde gegevens verzameld van miljoenen door Maccabi behandelde mensen, werden onze modellen aangepast en geoptimaliseerd volgens de bestaande medische kennis en bekende risicofactoren met betrekking tot COVID-19. De gegevens van Maccabi worden voortdurend bijgewerkt, waardoor we dit essentiële nieuwe algoritme verder kunnen verbeteren. ”
