Het vallen van bewoners in verzorgingshuizen is een constant probleem. Veel bewoners kunnen niet zelfstandig opstaan en worden pas laat opgemerkt door zorgprofessionals. Om snel een val te kunnen detecteren, maakt ouderenzorgorganisatie Oktober sinds enige jaren gebruik van de Kepler Night Nurse (KNN), een door computer vision en kunstmatige intelligentie aangedreven detectiesysteem voor lichaamstaal dat identificeert wanneer bewoners hulp nodig hebben en vervolgens de dienst hebbende zorgverlening alarmeert. Waar monitoringsystemen zoals bewegingssensoren, bedmatten en draagbare sensoren geen onderscheid kunnen maken tussen een hulpbehoevende bewoner, een bewoner die veel beweegt in zijn of haar slaap, en een hond of kat, belooft KNN alleen een waarschuwing te geven wanneer een bewoner daadwerkelijk hulp nodig heeft. Onlangs bleek uit een evaluatieperiode van negen maanden binnen Oktober dat KNN bij elke val van een cliënt een alarm genereerde en dus een betrouwbaarheid van 100% realiseerde. Daarbij verminderde KNN ook het aantal valse, verkeerde of onnodige alarmen dat het personeel ontving met 99%; waar traditionele bewegingsdetectiesystemen meer dan 2.195 valse alarmen genereerden in drie weken, gaf het KNN-systeem in dezelfde periode slechts 9 valse alarmen [1]

Ontwikkeling & implementatie
Oprichter en CEO Harro Stokman kwam in zijn promotieonderzoek aan de Universiteit van Amsterdam er al achter dat computer vision in verschillende markten van grote waarde kan zijn. De eerste software die hij ontwikkelde richtte zich op het automatisch groeperen van honden- en kattenfoto’s op smartphones. Uiteindelijk werd deze technologie verkocht aan Qualcomm, waarna Stokman zich meer begon te richten op human body language recognition, het herkennen van lichaamstaal, dat de basis vormt voor de technologie achter de KNN zoals we die nu kennen. Als ’s werelds eerst volledig geautomatiseerde systeem voor herkenning van menselijke activiteiten in de zorg werd er veel gesproken over KNN, zo ook bij de Zorg & ICT beurs, waar Alwin van Deuren, adviseur zorginnovatie bij Oktober, voor het eerst contact legde met Stokman. ‘’Er was een duidelijke vraag naar een zorg-alarmeringssysteem op basis van valdetectie, waarbij zo min mogelijk valse alarmen gegenereerd worden’’, aldus van Deuren.

Voor de implementatie van de KNN werd binnen Oktober een ‘motorblok’ opgetuigd: een multidisciplinair team waar onder meer verpleging, management, cliënten, HR én ICT samen kwamen om het implementatietraject vorm te geven. In deze vaste club was vanuit de zorgkant Van Deuren aangewezen als trekker. Zowel voor, tijdens als na de implementatie van de KNN werden de cliënten actief betrokken via cliëntenraden. Van Deuren kon verder op elk moment schakelen met een van drie betrokken ICT’ers om ervoor te zorgen dat de behoefte van de cliënt, zorgprofessional en de vereisten vanuit de technologieleverancier aansloten op de ICT-infrastructuur binnen Oktober. Ook werd er aandacht besteed aan de digivaardigheden van het zorgpersoneel, zoals eerder ook al werd gedaan binnen het langlopende project DigiZorg, waar alle digitale innovatietrajecten binnen Oktober onder geschaard worden. Van Deuren: “Het is van groot belang dat het personeel de juiste scholing krijgt om met de smartphones, tablets en messengersystemen te werken’’.

Van Deuren is zelf momenteel in een ondersteunende rol actief op de afdeling waar de KNN wordt toegepast en benadrukt het belang van een goede technische ondersteuning, ook ná de lancering van de technologie: ‘’Doordat ik zelf actief ben op de afdeling, zie ik meteen wie goed met de technologie om kan gaan en bij wie er extra aandacht nodig is. Bovendien kent het personeel mij en de anderen in het motorblok goed, dus nemen ze makkelijker dingen van ons aan’’. Om de voortgang en het succes van de KNN te meten wordt gebruik gemaakt van tussentijdse evaluatiemomenten en tevredenheidsonderzoeken, zodat op basis van data gekeken kan worden op welk gebied het gebruik van de KNN beter kan en waar de KNN mogelijk nog meer toegepast kan worden in de toekomst. Voor de financiering van de KNN kon grotendeels een beroep worden gedaan op de kwaliteitsgelden van het zorgkantoor CZ, die landelijk aangevraagd werden.

De technologie werd vanaf het begin af aan breed omarmd door het personeel, dat wegens slechte eerdere ervaringen met alarmeringssystemen kampte met ‘alarmmoeheid’. De succesvolle pilotfase waarin het aantal valse alarmen drastisch daalde gaf de zorgprofessionals het nodige vertrouwen. Ook hielp het dat de technologie kwam vanuit een duidelijke noodzaak: het oplossen van het capaciteitsprobleem in Oktober, mede gedreven door de coronapandemie, waardoor in de vakantieperiode sommige afdelingen noodgedwongen moesten sluiten. Bovendien bood de KNN ook de tijd en gelegenheid aan de zorgprofessionals om zich meer te kunnen richten op de bewoners die extra aandacht vereisen[2,3]. Tegelijkertijd geven cliënten ook positieve reacties. Zij voelen zich door de KNN veiliger en hebben een groter gevoel van privacy doordat zorgverleners niet zomaar meer op hun kamer hoeven te komen [3]. Aanvankelijk werd verwacht dat de inzet van de KNN meer privacy problemen zou oproepen, zeker bij de bewoners, maar dat viel los van enkele incidenten erg mee. Over de privacy en dataveiligheid is vanuit Kepler van tevoren goed nagedacht. ‘’We houden ons aan de strenge regelementen die beschreven staan in de dataverwerkingsovereenkomst van de zorgbranche en we zijn NEN- en ISO gecertificeerd. Alleen Kepler medewerkers die een geheimhoudingsverklaring getekend hebben kunnen de data inzien, die na verloop van tijd ook weer volledig gewist worden’’, legt Stokman uit.

Toekomstperspectief
Oktober zal naar eigen zeggen gebruik blijven maken van de KNN en toekomstige upgrades van de technologie blijven implementeren. Zo maakt Oktober al gebruik van de KNN Edge Box, een klein kastje in de meterkast waar de analyses op basis van de videobeelden gemaakt worden, die vervolgens via de cloud naar het nurse call systeem op de smartphones en tablets van die afdeling gestuurd worden. Hierdoor verlaten de videobeelden het pand niet, kan de valdetectie sneller plaats vinden en worden er minder hoge eisen aan de internet bandbreedte gesteld van de zorginstelling. Qua verdere productontwikkeling wil Kepler Vision meer in gaan zetten op dwaaldetectie en gepersonaliseerde toegangsverlening in gesloten zorginstellingen. Inmiddels is binnen Nederland de KNN in meer dan tien ouderenzorginstellingen en in twee ziekenhuizen geïmplementeerd en is het doel om in 2022 in 30 tot 50 additionele instellingen actief te zijn. Voor de stap naar de ziekenhuiszorg wordt hard gewerkt aan het versnellen van de bewegings- en valdetectie om zo aanstalten tot opstaan vanuit een ziekenhuisbed of rolstoel snel te kunnen signaleren. ‘’Voordat wij ons echter gaan richten op andere markten, zoals zelfrijdende auto’s, willen wij Europees marktleider worden op het gebied van zorgalarmeringssystemen. Hiervoor willen we opnieuw een beroep doen op innovatiegelden vanuit overheden en durfkapitaal, waarbij we ons voor nu richten op uitbreiding richting het Verenigd Koninkrijk’’, voegt Stokman toe.

Referenties

1. Tao & Stokman, Kepler Vision Technologies whitepaper ‘Hoe kunstmatige intelligentie ingezet kan worden in langdurige zorginstellingen en daarmee de veiligheid van de bewoners en de productiviteit van het verplegend personeel verbetert’, 2021, [Available from: https://keplervision.eu/nl/white-papers/artificial-intelligence-improves-resident-safety/ ]
2. Y.W. Li, Master’s Thesis ‘’Nurses’ acceptance of an integrated remote monitoring system in long-term care: a TAM analysis’’, Rotterdam, 2021
3. A. Vermin, Master’s Thesis ‘’Assessment of the implementation of optical artificial intelligent sensors for night-time care delivery in a long-term care setting’’, Rotterdam, 2021