We kijken de hele dag naar data. Maar leren we er eigenlijk wel van?

Hoe vanzelfsprekend is het dat we als anesthesiemedewerkers en anesthesiologen naar de monitor kijken en luisteren? Eigenlijk doen we dat continu. We volgen trends, reageren op veranderingen en nemen voortdurend beslissingen op basis van wat we zien. Hartfrequentie, saturatie, capnografie, compliantie, gasconcentraties en beademingsdrukken vormen samen een verhaal over de patiënt, en we vertrouwen erop dat we dat verhaal goed kunnen lezen. Dat vertrouwen is terecht, want dankzij al die informatie kunnen we veilig anesthesie verlenen. Maar wat gebeurt er eigenlijk met al die data zodra de patiënt de operatieafdeling verlaat?

Het antwoord blijkt verrassend eenvoudig en tegelijkertijd confronterend: er gebeurt weinig mee. We gebruiken nog geen 2%.

Een goudmijn waar we nauwelijks in graven
Tijdens iedere anesthesie worden duizenden datapunten vastgelegd. Het gaat niet alleen om de waarden die uiteindelijk in het anesthesieverslag terechtkomen, maar ook om alle trends, instellingen, alarmen en veranderingen die zich gedurende de ingreep voordoen. Samen vormen ze een uiterst gedetailleerd beeld van hoe we anesthesie verlenen.

Toch gebruiken we daar achteraf maar een heel klein deel van. Dat is opmerkelijk, zeker omdat vrijwel iedereen in ons vakgebied het belang van data onderschrijft. We willen inzicht krijgen in de kwaliteit van zorg, duurzamer werken, variatie verminderen en leren van wat we dagelijks doen.
Maar zodra we concreet worden, blijkt dat we veel minder weten dan we denken. Hoe vaak passen we daadwerkelijk low-flow anesthesie toe? Hoe consequent ventileren we longprotectief? Hoe groot is de variatie tussen verschillende teams of anesthesiologen? En welke patronen worden zichtbaar als we duizenden ingrepen naast elkaar leggen?

Het eerlijke antwoord is vaak dat we het niet precies weten. Niet omdat de gegevens ontbreken, maar omdat we ze nauwelijks benutten.

Het probleem is niet de techniek
Wanneer het over data gaat, denken veel mensen al snel aan dashboards, kunstmatige intelligentie of complexe software. Toch begint het daar volgens mij niet. Het begint met een veel fundamentelere vraag: welke klinische vraag willen we eigenlijk beantwoorden?

Pas wanneer die vraag helder is, krijgt data betekenis. Niet omdat data op zichzelf waardevol is, maar omdat het ons kan helpen betere zorg te leveren. Als we willen weten of we daadwerkelijk duurzaam anesthesie bedrijven, moeten we inzicht hebben in ons gasverbruik. Als we willen beoordelen of beschermende ventilatie consequent wordt toegepast, hebben we gegevens nodig van duizenden beademingen, niet alleen van de patiënt die vandaag op tafel ligt. En als we processen willen verbeteren, moeten we eerst begrijpen hoe die processen in de praktijk verlopen en wat de impact is als we deze processen niet goed inrichten.

Data is daarmee geen doel op zich, maar een middel om vragen te beantwoorden die we nu vaak nog op gevoel beantwoorden.

AI begint niet bij AI
In de zorg wordt veel gesproken over kunstmatige intelligentie, en het lijkt soms alsof iedere innovatie daarmee begint. Toch denk ik dat we een belangrijke stap overslaan. AI kan pas waardevol zijn als de onderliggende data compleet, betrouwbaar en toegankelijk is.

Dat vraagt niet in de eerste plaats om nieuwe algoritmes, maar om goede randvoorwaarden. Systemen moeten met elkaar kunnen communiceren, er moeten duidelijke afspraken zijn over data en er is samenwerking nodig tussen anesthesie, medische technologie, ICT, informatiemanagement en kwaliteitsafdelingen. Misschien nog wel belangrijker is dat zorgprofessionals nieuwsgierig worden naar wat hun eigen data hen kan vertellen.

Misschien moeten we onze kijk op data veranderen. Niet langer zien als iets dat automatisch wordt opgeslagen omdat het moet, maar als een kans om iedere dag een beetje beter te worden.

Stel je voor dat je niet alleen kunt terugkijken naar één patiënt, maar naar duizenden anesthesieën. Welke patronen zouden dan zichtbaar worden? Welke gewoontes blijken minder vanzelfsprekend dan we denken? En welke verbeteringen liggen er voor het oprapen zonder dat iemand ze vandaag ziet?
Dat zijn vragen die uiteindelijk veel relevanter zijn dan de vraag hoeveel data we verzamelen.

De operatiekamer van morgen
De operatiekamer van de toekomst zal ongetwijfeld steeds slimmer worden, met meer ondersteuning, meer automatisering en uiteindelijk ook meer voorspellende technologie. Toch begint die toekomst misschien niet met nieuwe apparatuur of software, maar met iets veel eenvoudigers: de bereidheid om nieuwsgierig te zijn naar de enorme hoeveelheid informatie die we iedere dag al produceren en wat je hiermee kunt. Je zult versteld staan!