Het IWISH‑project verbeterde met AI‑gestuurde workflowoptimalisatie, synthetische data en sterke samenwerking tussen zorg, industrie en wetenschap de efficiëntie, voorspelbaarheid en veiligheid van processen in operatiekamers.
Algemene beschrijving (incl. samenvatting van onderstaande vier punten)
Het IWISH‑project (Intelligent Workflow Optimization and Intuitive System Interaction in Healthcare) is een internationaal innovatieproject gericht op het verbeteren van workflow‑efficiëntie in operatiekamers (OR) en beeldgestuurde therapielabs. Het project speelt in op grote knelpunten in ziekenhuizen, zoals onvoorspelbaarheid van klinische procedures en beperkte beschikbaarheid van apparatuur en personeel; problemen die leiden tot miljoenen euro’s aan jaarlijkse inefficiënties in Europese ziekenhuizen. IWISH ontwikkelde AI‑gestuurde oplossingen, waaronder realtime procedure‑tracking, voorspellende planningsalgoritmen en synthetische data voor veilige AI‑ontwikkeling.
Het project adresseert de grote complexiteit van klinische workflows die dynamisch, multidisciplinair en tijdkritisch zijn. De combinatie van videodata, AI‑algoritmen en integratie in bestaande ziekenhuisplanning brengt technische én organisatorische risico’s met zich mee. IWISH heeft laten zien hoe zulke technologie de operatiekamerplanning kan verbeteren, downtime kan verminderen en efficiëntie kan verhogen. Ziekenhuizen kunnen profiteren van nauwkeurige realtime voorspellingen. De kracht van IWISH zit in de unieke combinatie van video analyse en deep learning voor klinische procedure‑optimalisatie. Het project wordt geleid door Philips, met als partners o.a. TU Delft, LUMC, Almende en Syntho. Onderlinge samenwerking is georganiseerd via work packages, met regelmatige alignment‑sessies en gedeelde klinische use‑cases.
Beschrijf de complexiteit en/of risico's in/van het ict-project
Het IWISH‑project kenmerkt zich door aanzienlijke technische en organisatorische complexiteit. Technisch gezien draait het project om de ontwikkeling van AI‑gestuurde workflow optimalisatie in operatiekamers en beeldgestuurde interventielabs. Dit vereist het verzamelen, verwerken en interpreteren van grote hoeveelheden data, waaronder videobeelden, sensordata, systeemlogging en patiëntvariabelen. De complexiteit wordt verder vergroot doordat de algoritmen niet alleen object- en faseherkenning moeten uitvoeren, maar ook realtime procedure‑eindtijden moeten voorspellen. Het realiseren van deze algoritmen op basis van ruim 200 geannoteerde video’s, 10.000 procedure plannen en heterogene datastromen vroeg om geavanceerde deep learning methoden en nauwkeurige validatieprocedures.
Daarnaast brengt het verwerken van data in de zorg aandachtspunten met zich mee op het gebied van dataveiligheid en privacy. Het werken met medische gegevens vereist strikte naleving van ethische kaders en wetgeving. De inzet van synthetische data via het Syntho platform verkleinde deze risico’s, en introduceerde tegelijk uitdagingen rond kwaliteitsborging van de gegenereerde datasets.
Organisatorisch speelde het internationale karakter van het consortium een complexe rol. Afstemming tussen meerdere ziekenhuizen, universiteiten en industriële partners vereiste een strak projectmanagement met maandelijkse alignment‑sessies en halfjaarlijkse consortium meetings.
Samengevat lagen de grootste complexiteiten in: dataverzameling in klinische omgevingen, het ontwikkelen van betrouwbare AI‑modellen, privacy‑beveiliging, en het organiseren van een internationaal multidisciplinair consortium.
Beschrijf de gerealiseerde toegevoegde waarde voor de interne of externe klant
Het IWISH‑project heeft aanzienlijke meerwaarde gecreëerd voor zowel interne stakeholders (zoals Philips, TU Delft en projectpartners) als externe klanten, met name ziekenhuizen en zorgprofessionals. De ontwikkelde AI‑ondersteunde tools maken het mogelijk om de workflow in operatiekamers en cathlabs efficiënter, veiliger en voorspelbaarder te maken.
Voor ziekenhuizen vormt de belangrijkste toegevoegde waarde het vermogen om proceduretijden en eindtijden nauwkeuriger te voorspellen. Dit leidt tot beter inzetbare OK‑capaciteit, kortere wachttijden, hogere patiëntdoorstroom en minder overbelasting van personeel. De demonstrators die in de kliniek zijn getest laten zien dat realtime voortgangsherkenning en automatische tracking kunnen leiden tot betrouwbaardere planning en minder vertragingen. Voor OK‑teams biedt dit rust en overzicht in hoog‑complexe omgevingen.
Daarnaast levert het gebruik van synthetische data een belangrijke waarde op: ziekenhuizen kunnen veilig innoveren zonder privacygevoelige gegevens te hoeven delen. Syntho’s platform ondersteunt zorginstellingen in het ontwikkelen van AI‑oplossingen zonder juridische belemmeringen, wat de innovatiecyclus aanzienlijk versnelt.
Interne stakeholders, zoals Philips zelf, profiteren doordat deze AI-technologieën geïntegreerd kunnen worden in toekomstige releases van imaging systemen. Hierdoor ontstaat een betere marktpositie en ontstaat een nieuwe categorie workflow‑gestuurde toepassingen die klanten meerwaarde biedt in termen van efficiëntie en integratie.
Beschrijf de originaliteit en/of innovatieve kracht van/in het ict-project
IWISH onderscheidt zich door de combinatie van drie innovatieve pijlers: AI‑gestuurde procedure‑ en activiteitstracking, geavanceerde workflowoptimalisatie voor operatiekamers en synthetische data.
De ontwikkeling van automatische procedure‑tracking is baanbrekend. De modellen van Philips en TU Delft, gebaseerd op honderden geannoteerde interventievideo’s, behalen nauwkeurigheden van boven de 90% en kunnen realtime procedure‑eindtijden voorspellen. De combinatie van videoanalyse en herkenning van stappen in klinische procedures is nog nauwelijks beschikbaar.
De integratie van deze technologieën in klinische demonstrators, zowel in operatiekamers als in cathlabs, vormt een belangrijke innovatie. Niet alleen wordt AI technisch ontwikkeld, maar wordt ook getoond hoe het in de workflow van artsen, verpleegkundigen en technici kan worden ingebed. IWISH brengt hiermee technologische en organisatorische innovatie samen op een manier die het pad effent voor toekomstbestendige, datagedreven ziekenhuislogistiek.
Een van de aanvullende vernieuwende elementen is de inzet van Syntho’s synthetische dataplatform. De mogelijkheid om volledig synthetische maar statistisch betrouwbare medische datasets te gebruiken voor AI‑training is uniek en vermindert de afhankelijkheid van klinische data, wat innovatie in privacygevoelige domeinen sterk versnelt.
Beschrijf de rolverdeling tussen interne en externe leveranciers in dit project en hoe de samenwerking effectief is georganiseerd
Het IWISH project was een Europees project in het ITEA subsidieprogramma. De samenwerking binnen IWISH was gebaseerd op een duidelijke rolverdeling en een sterk georganiseerd governance model. Philips fungeerde als coördinator en was verantwoordelijk voor projectmanagement, data‑integratie en de ontwikkeling van AI‑algoritmen voor procedureherkenning. TU Delft en het LUMC leverden essentiële academische bijdragen op het gebied van Deep Learning, pose‑tracking, videoanalyse en klinische dataverzameling. Deze combinatie van technische en klinische expertise maakte het mogelijk om geannoteerde video’s en planningsdata effectief om te zetten in hoogwaardige AI‑modellen.
Syntho ontwikkelde synthetische data‑technologie die veilige dataverwerking mogelijk maakte, terwijl Almende verantwoordelijk was voor een dashboard voor activiteitstracking en de multi‑stakeholder informatie‑laag. Internationale partners droegen bij aan aanvullende technologieën zoals gaze‑tracking. De samenwerking werd ondersteund door maandelijkse alignment sessies, halfjaarlijkse consortiumbijeenkomsten en regelmatige integratieworkshops, wat zorgde voor continue afstemming en tijdige integratie van resultaten.
De gedeelde ambitie om klinisch inzetbare AI‑oplossingen te ontwikkelen creëerde sterke complementariteit, open kennisdeling en een gezamenlijke focus op einddemonstraties. Hierdoor ontstond een robuust ecosysteem dat de kwaliteit en relevantie van de projectresultaten aanzienlijk verhoogde.