Dementie is een wereldwijd gezondheidsprobleem, met enorme impact op de gezondheidszorg en economie. In Nederland is het aantal mensen met dementie de laatste jaren snel gegroeid en dit aantal zal door vergrijzing verder toenemen. De diagnose dementie is complex en vaak pas definitief na kostbaar en invasief onderzoek. Het introduceren van gemakkelijk uit te voeren tests in de eerstelijn kan bijdragen aan een verbeterde vroegtijdige herkenning en behandeling van dementie binnen de bredere bevolking. Een potentieel veelbelovende benadering is vroege detectie van retinale (netvlies) veranderingen in het oog met behulp van kunstmatige intelligentie (KI). Onderzoek toont aan dat neurale netwerken, een component van KI, subtiele afwijkingen in de retina kunnen detecteren die gerelateerd zijn aan dementie. Een algoritme, ontwikkeld door Cheung et al., toont veelbelovende resultaten op basis van retinale foto's. Het Geheugencentrum van het Jeroen Bosch Ziekenhuis heeft interesse in het gebruik van neurale netwerktechnologieën bij de diagnose van dementie. Het uitvoeren van een implementatieonderzoek gaat echter gepaard met uitdagingen op het gebied van dataverzameling, en daarnaast dienen zorgvuldige ethische overwegingen plaats te vinden. Om implementatieonderzoek in de toekomst mogelijk te maken, wil het Jeroen Bosch Ziekenhuis, samen met Biotactical BV en Avans Hogeschool verkennend onderzoek doen naar de nauwkeurigheid en praktische toepasbaarheid van het algoritme van Cheung et al., gebruikmakend van bestaande datasets. Daarnaast zal een juridisch en ethisch raamwerk worden ontworpen met richtlijnen voor een implementatieonderzoek van deze software in zorginstellingen. Het doel van dit verkennend onderzoeksproject is om vertrouwen op te bouwen bij belanghebbenden en 'lessons learned' op te nemen in een latere implementatiefase.
Project BAMBAM, BAby Motor development monitored By A Multisensor wearable, richt zich op het begin, namelijk bij de zorg voor kinderen van 0-2 jaar. In het bijzonder op het optimaliseren van de ontwikkeling van de motoriek wanneer dit niet vanzelf gaat. Kinderfysiotherapeuten begeleiden veel baby’s waarbij er zorgen zijn over de motorische ontwikkeling. Een goed ontwikkelde motoriek is de basis voor andere ontwikkelingsdomeinen,en een voorwaarde voor een fysiek actieve leefstijl op latere leeftijd. Het inzetten van technologie bij het analyseren van bewegingsproblemen bij het jonge kind kan een waardevolle aanvulling zijn voor de kinderfysiotherapeut, die nu eigen observaties gebruikt. Op dit moment is er nog geen geschikt systeem voor het observeren van de motorische ontwikkeling voor kinderfysiotherapeuten. Daarom werken we in project BAMBAM aan een meetinstrument voor het objectiveren van bewegingsgedrag van baby’s, dat verantwoord ingezet kan worden in de kinderfysiotherapeutische praktijk en interventiestudies. Uitgangspunt is een bestaande smartsuit, een ‘slimme' romper, met sensortechnologie en Artificiële Intelligentie die doorontwikkeld wordt in co creatie met kinderfysiotherapeuten, ouders en experts. Ook onderzoeken we hoe de uitkomsten van het systeem waarde toevoegen als beslissingsondersteuning voor de kinderfysiotherapeut. Hierbij richten we ons vooral op de bewegingsparameters die belangrijk zijn voor het kinderfysiotherapeutisch onderzoek en behandeling en hoe we die duidelijk kunnen weergeven. Het systeem moet valide en betrouwbare metingen verzorgen in de thuissituatie voor de kinderfysiotherapeut in praktijk en ziekenhuis. De impact van deze toepassing op ouders en kinderfysiotherapeuten is een belangrijk onderdeel bij het ontwikkelen van deze technologie, zodat het op een verantwoorde manier gebruikt kan worden. De gezondheidszorg vraagt om evidence-based diagnostiek en interventies. Met de schaarste van zorg, wordt het zorgvuldig signaleren van de baby’s die de zorg echt nodig hebben steeds belangrijker, net als de inzet van effectieve interventies. Technologie kan bijdragen aan toegankelijkheid en duurzame borging hiervan.
Jaarlijks worden naar schatting 150 miljoen kwetsbare personen geholpen met humanitaire hulp. Voor hulpgoederen zijn grote hoeveelheden materiaal nodig, iets wat samengaat met een enorme milieu-impact. Hulpgoederen, waaronder shelters, hebben vaak een korte levensduur en er ontbreekt meestal een hergebruik oplossing aan het einde van de levensduur. Hulporganisaties zijn zich als geen ander bewust hoe uitputting van grondstoffen en uitstoot van CO2 een negatieve impact hebben op kwetsbare groepen in lage inkomenslanden. Het is daarom een groeiende wens van humanitaire organisaties en leveranciers om nadrukkelijk te kijken naar circulariteit van hulpgoederen. Op dit moment mist er een lijst met gewogen criteria om circulaire aankoop en ontwerpkeuzes te maken. In dit project ontwikkelen we een praktisch afwegingskader voor shelters. Hiermee kunnen zorgvuldig onderbouwde product keuzes gemaakt worden voor circulaire end-of-life oplossingen waarbij materiaalkeuze een belangrijke rol speelt. De projectpartners hebben cruciale kennis over de inkoop (Artsen Zonder Grenzen), het ontwerp (MKB-partner Wijnroemer Relief Goods), materiaaleigenschappen en circulariteit (Avans Hogeschool). Het afwegingskader wordt gebaseerd op uitgebreid deskresearch naar circulaire alternatieven, interviews naar het huidig materiaal gebruik en het huidige keuzeproces, en co-creatie sessies met verschillende hulporganisaties om wensen in kaart te brengen. Op basis daarvan wordt een overzichtelijke methodiek ontwikkeld die zowel materiaal technische als financiële afwegingen helpt maken. Het afwegingskader wordt dan in de praktijk getoetst en geëvalueerd op doelmatigheid, gebruiksvriendelijkheid en snelheid.
