Voorspellend onderhoud wordt pas écht proactief met IoMT

Een proactieve benadering van onderhoud in de zorg verandert vage onderhoudsadviezen

Het Internet of Things (IoT) maakt bedrijven in alle sectoren beter. Het verbindt objecten met het internet, en verzamelt en optimaliseert data die nieuwe business kansen creëren. Het Internet of Medical Things (IoMT) doet dat voor de medische sector en stuit daarbij op één grote uitdaging. Het is nog altijd niet gemakkelijk om nieuwe soorten data bruikbaar te maken voor bestaande kernapplicaties in de verschillende zorginstellingen. 

Om de beste zorg aan patiënten te kunnen bieden, moeten instellingen apparaten samen laten werken en applicaties succesvol integreren binnen de organisatie. En vooral op het gebied van voorspellend onderhoud valt er gemakkelijk een slag te maken. 

De publieke opinie over het onderwerp werd tot voor kort vooral gevormd door verhalen in de pers die vooral spraken over de (on)bruikbaarheid van EPD’s, waarbij data van de ene instelling niet inzichtelijk en/of bruikbaar waren door een andere instelling. Dat is zonde. Ontwikkelingen in de eisen die aan zorginstellingen gesteld worden zorgen voor méér bruikbaarheid én, zeker niet onbelangrijk, een betere beveiliging.

De historie van proactief onderhoud 

Proactief onderhoud aan machines in de zorg is niet nieuw. Fabrikanten beschikken al decennia over een berg data die hen vertelt hoe lang een machine gemiddeld meegaat, welke onderdelen het eerst aan vervanging toe zijn, etc. Hier komen adviezen uit voort die tot nu toe proactief onderhoud aanjoegen: ‘elke drie maanden dit onderdeel vervangen, anders gaat de boel stuk.’ 

Deze aanpak is beter dan de instelling ‘we maken het, zodra het kapot is’. Dat kan namelijk niet in de zorg, waar patiënten afhankelijk zijn van de beschikbaarheid van machines. Deze machines, die een vermogen kosten, zijn namelijk niet 1-2-3 te vervangen. Zijn ze kapot, dan ligt de zorg op z’n gat. De ‘oude’ manier heeft ook valkuilen: het maakt namelijk geen gebruik van actuele informatie uit de machine. Bovendien maakt het geen onderscheid tussen individuele machines: je weet niet hoe vaak de machine de afgelopen periode gebruikt is, én je hebt geen idee hoe het gebruik er de komende periode uitziet.  

Het IoMT verandert dat. Het volgende niveau voorspellend onderhoud zit hem in het gebruik van actuele, individuele data. Machines vragen zelf, via IoMT, om onderhoud wanneer zij dat nodig hebben, nog voordat ze kapot zijn. Zorginstellingen moeten alleen de dataverwerkingscapaciteit hebben om te kunnen luisteren. 

Net als in de auto 

Dat gebruik van data uit de machine klinkt abstract, tot je de vergelijking met auto’s maakt. Voor ‘oude’ auto’s is de APK dé manier om te zorgen dat hij niet met panne langs de weg komt te staan. Eens per jaar checkt een monteur op de meest voorkomende mankementen. Hij schat in of de auto nog een ronde meekan en geeft zijn goedkeuring. 

Nieuwe auto’s meten zelf de effectiviteit van de remschijven, het olieniveau en méér, zodat de auto meldingen kan geven, zoals binnen dertig dagen is onderhoud nodig. Wat een auto echter – nog – niet kan, en machines die binnen een organisatie via IoMT verbonden zijn wél, is in de toekomst kijken. Een auto weet van zijn chauffeur niet of hij de komende dertig dagen 3000 of 300 kilometer rijdt. Een machine in een ziekenhuis weet vaak precies wanneer, hoe vaak en hoe intensief hij gebruikt gaat worden. 

Voorbeeld uit de praktijk 

Stel je een bestralingsmachine in een ziekenhuis voor; een enorm kostbaar apparaat waar geen vervanging voor is en die altijd beschikbaar moet zijn.  

Het bestralen van een patiënt is een langdurig proces dat secuur gepland moet worden. Het zijn voor één patiënt vaak verschillende korte, intensieve sessies, verspreid over een aantal maanden. De bestralingen moeten doorgaan, en er zijn dan ook veel maatregelen die moeten voorkomen dat de machine uitvalt. De fabrikant, de technici en de behandelde artsen kennen de machine natuurlijk, en het ziekenhuis weet precies wanneer en hoe intensief deze de komende tijd gebruikt gaat worden.

Revolutie in de zorg 

Die kennis over het gebruik van het apparaat in de toekomst, gekoppeld met patiëntinformatie (bijvoorbeeld het gewicht van de patiënt) maken het mogelijk proactief, voorkomend onderhoud te plegen. Een artificial intelligence (AI) mechanisme kan de data uit de machine, de kalender en over de patiënt combineren om tot een voorstel voor het onderhoud te komen. Op die manier is het apparaat altijd beschikbaar als de patiënten hem nodig hebben. Daar moet zorg om gaan. 

Een proactieve benadering van onderhoud in de zorg verandert vage onderhoudsadviezen (één keer in de drie maanden repareren) in concrete handvaten: plan dan-en-dan een reparatie, zodat de machine loopt als het druk wordt. Proactief onderhoud bespaart organisaties geld en verbetert complete workflows voor hele afdelingen en instellingen. En het allerbelangrijkste: het zorgt voor betere zorg. Instellingen moeten daarom bekijken hoe zij hun IoMT-data slim samenbrengen en werkbaar maken. Zo kunnen zij machine learning inzetten om tot de beste inzichten en actiepunten te komen. Op die manier slaat de technologie een brug tussen Industrie 4.0 en Medische Technologie 4.0, en staat IoMT voor een revolutie in de zorg.