OLVG en Pacmed vernieuwen samenwerking met focus op AI voor capaciteitsplanning

By
Date:
June 30, 2026
Reading time:
2 min

OLVG en Pacmed werken al een aantal jaar samen aan AI-toepassingen in de zorg. Dit begon met medische beslisondersteuning op de Intensive Care (IC) en is uitgegroeid tot oplossingen voor capaciteitsmanagement en doorstroming van patiënten. De volgende stap wordt nu genomen door een capaciteitsmonitor te implementeren voor de IC, Eerste Hart Hulp en Hartbewaking. Daarnaast wordt kennis uitgewisseld over het door OLVG ontwikkelde AI-modellen.

Door de samenwerking van OLVG en Pacmed op deze AI-toepassingen krijgen zorgmedewerkers en planners meer inzicht om vooruit te plannen en om personeel beter over verschillende afdelingen te spreiden.

Daarnaast wordt binnen de nieuwe samenwerking tussen OLVG en Pacmed intensief kennis uitgewisseld. OLVG deelt daarbij kennis over zelf ontwikkelde AI-modellen, zodat beide partijen deze verder kunnen ontwikkelen en opschalen om de zorg te verbeteren. Hiermee draagt OLVG bij aan het opschalen van AI om de zorg te verbeteren. Anderzijds kunnen met deze samenwerking modellen van Pacmed in een vroeg stadium en met data uit de praktijk gevalideerd worden.

"Datagedreven werken wordt pas echt waardevol als je de opgedane kennis deelt. In de samenwerking met Pacmed wisselen we inzichten over AI-modellen in de zorg uit die niet alleen het OLVG vooruithelpen, maar ook andere zorginstellingen in Nederland. Samen zorgen we ervoor dat de juiste zorg op het juiste moment geleverd kan blijven worden." - Sander van Schaik, CMIO OLVG
Article content

Capaciteitsmonitor live in gebruik en doorontwikkeld

De Capaciteitsmonitor voorspelt de patiëntbezetting, de bijbehorende personele diensten voor de komende dagen en geeft aan hoe zorgvuldig de huidige personeelsplanning is. Door gebruik te maken van deze Capaciteitsmonitor wordt het mogelijk om proactief de personele planning aan te passen en te verbeteren waardoor overbelasting van zorgmedewerkers wordt voorkomen en capaciteit optimaal te benutten.

Daarnaast wordt gewerkt aan een extra toepassing binnen de Capaciteitsmonitor: het voorspellen van de Verwachte Ontslagdatum (VOD) en het voorspellen of een patiënt nazorg nodig heeft en indien nodig welke nazorg. Hiermee ontstaat eerder inzicht in doorstroming en kan de afstemming tussen afdelingen intern en instellingen extern worden verbeterd. Hierbij delen alle toepassingen hetzelfde uitgangspunt: hoge accuraatheid en aansluiten bij de behoeften van de gebruiker.

Rosnie Jankipersadsing, teamleider IC OLVG, over de Capaciteitsmonitor:

“Meerdere keren per week nemen onze capaciteitsplanner en ik beslissingen die we zonder de Capaciteitsmonitor niet hadden genomen. Het creëert overzicht en rust en helpt om eerder en consistenter bij te sturen.”
Article content

OLVG heeft afgelopen jaren geïnvesteerd in een nieuw dataplatform en de ontwikkeling van eigen AI-modellen om onder andere planning en doorstroming te optimaliseren. Deze modellen zijn ontwikkeld vanuit de dagelijkse zorgpraktijk binnen OLVG, maar bezitten de potentie om ook in andere ziekenhuizen gebruikt te worden. OLVG beschikt over kennis en ervaring in de ontwikkeling en implementatie van AI-modellen, maar voor het opschalen en duurzaam borgen ervan ziet het ziekenhuis meerwaarde in de samenwerking met Pacmed.

Binnen de hernieuwde samenwerking zal Pacmed zich gaan richten op het repliceren van door OLVG ontwikkelde modellen en uitrollen hiervan in andere ziekenhuizen. Door het gebruik van het Pacmed AI platform en hun kennis worden de OLVG-modellen herbruikbaar en schaalbaar.

“AI opschalen tussen ziekenhuizen vraagt meer dan enkel code met elkaar delen. In de samenwerking met Pacmed combineren we onze inhoudelijke expertise met Pacmed’s jarenlange ervaring in verantwoorde opschaling van AI, zodat alle modellen die we maken en kennis die wij bij OLVG opdoen ter beschikking komen voor andere ziekenhuizen die zelf minder ontwikkelcapaciteit of expertise hebben om AI te implementeren.” - Thomas Schneider, Chief Data Officer OLVG
Article content