Met veel positieve energie kijk ik terug op InnovatietripNL. Dit is een initiatief van Joris Arts en Christian Vader, waarbij een gemêleerd gezelschap van 30 mensen, werkzaam in en voor de zorg, een tweedaagse innovatietrip door Nederland maken. Een van de doelen is deze groep enthousiastelingen te laten inspireren door succesvolle instellingen en bedrijven die actief zijn in zorginnovatie en om elkaar onderling te versterken. Kennisdeling en kruisbestuiving tussen verschillende sectoren kan zoveel opleveren, dat kan ik na deze dagen niet genoeg herhalen. En aan ideeën geen gebrek. We hoeven niet ver te reizen om te zien dat er in Nederland prachtige bedrijven zijn die werken aan innovaties voor de zorg. Van de bedrijven die we bezochten, vond ik Pacmed eruit springen. Dat bedrijf zou ik daarom in het zonnetje wil zetten. Het is een heel jong bedrijf, niet alleen werken er bijna alleen maar twintigers, het bestaat ook pas sinds 2015. Pacmed is gespecialiseerd in het ontwikkelen van beslissingsondersteunende tools die gebaseerd zijn op de analyse van routinezorgdata. Door machine learning met medische expertise te combineren en grote hoeveelheden data te interpreteren, kunnen ze achterhalen welke behandeling bij wie het beste werkt. Ze ontwikkelen tools om te kunnen adviseren bij het voorschrijven van specifieke medicatie, bijvoorbeeld voor stolling en antibiotica. Er loopt nu een onderzoeksproject naar wat de beste behandeling en dosering is voor individuele patiënten. Door het onderzoek van Pacmed te combineren met de kennis van STAR-SHL over antistolling verwacht men te leren welke antistollingsbehandeling bij welke patiënt het beste werkt en hoe men de antistollingsmedicijnen bij de patiënt nog nauwkeuriger kan doseren. In een ander project geven ze advies wanneer een patiënt het beste ontslagen kan worden van de intensive care. Pacmed toonde overtuigend aan dat we met artificial intelligence veel meer uit de dagelijkse routinegegevens van laboratoria kunnen halen. Het wordt tijd dat laboratoriumspecialisten geschoold worden in artificial intelligence en machine learning. Er kan zoveel kennis gehaald worden uit de enorme hoeveelheid data die laboratoria dagelijks aanleveren, veel daarvan blijft nu liggen. Uiteraard is de meerwaarde van de labspecialist bij het ontwerp van deze beslissingsondersteunende tools van cruciaal belang. Naar mijn idee mag ‘data mining’ ook veel meer aandacht krijgen binnen het laboratoriumonderwijs om de nieuwe generatie klaar te stomen voor een toekomst, waarin patiëntengegevens niet alleen individueel worden ingezet, maar ook dienen voor verbetering van de diagnose en het behandelproces.