Bloeddonoren met AI koppelen aan de producten die ziekenhuizen nodig hebben

Context en doelstellingen

De organisatie verzamelt en verdeelt bloedproducten voor ziekenhuizen in een regio. Dat proces staat onder druk door verschillende samenlopende factoren:

• Wisselende vraag vanuit ziekenhuizen, deels door veranderende behandelstrategieën die een dynamischer voorraadbeheer vragen

• Stijgende vraag naar plasma, met een groei van meer dan 5% per jaar, waardoor meer aandacht voor het aantrekken en behouden van donoren nodig is

• De verscheidenheid en zeldzaamheid van bloedgroepen, waardoor het moeilijk is elk type beschikbaar te houden, vooral de zeldzaamste

• Slechts gedeeltelijk gerichte donorbenadering, zonder tools om te bepalen wie te contacteren, wanneer en waarvoor

Centraal stond één bedrieglijk eenvoudige vraag: welke donor moeten we voor welk type donatie contacteren om het aanbod zo goed mogelijk op de werkelijke vraag af te stemmen?

Het doel was te onderzoeken of AI die vraag rechtstreeks kon helpen beantwoorden. We bouwden daarvoor een proof of concept die per donor en donatietype voorspelt hoe groot de kans is op een positieve reactie op een oproep. De oplossing moest ook rekening houden met de actuele voorraad en de bijzondere noodzaak om zeldzame bloedgroepen te beschermen.

Aanpak

Agilytic en de teams van de klant werkten samen om die vraag in een werkend model om te zetten, als zowel een data-science-uitdaging als een optimalisatieprobleem.

1. Het donatieproces begrijpen

Het project begon met een grondige verkenning van hoe donoroproepen in de praktijk verliepen:

• Welke factoren de kans op een reactie van een donor beïnvloedden

• Hoe de voorraad van elk bloedproduct door de tijd veranderde

• Waar in het bestaande proces de meeste kansen onbenut bleven

Dit voorwerk was even belangrijk als de modellen die volgden. Donorgedrag voorspellen vraagt immers eerst inzicht in de echte beperkingen achter elke beslissing om te bellen.

2. De voorspellende modellen bouwen

Voor elk bloedproduct, bloed, bloedplaatjes en plasma, bouwde Agilytic een apart model dat per donor de kans op een positieve reactie op een oproep inschat. In plaats van alle donoren gelijk te behandelen, konden de modellen met nieuwe data opnieuw worden getraind, zodat voorspellingen bleven aansluiten op het veranderende donorgedrag.

Het project bracht ook een belangrijke uitdaging mee op het vlak van AVG en gegevensprivacy, gezien de gevoelige aard van donorinformatie. Privacy maakte daarom vanaf het begin deel uit van de aanpak. Het werk steunde op geanonimiseerde data of privacybeschermende oplossingen en methodes om de vertrouwelijkheid gedurende het hele project te waarborgen.

3. Voorspellingen omzetten in actie

Weten wie waarschijnlijk zal reageren, volstaat niet. Agilytic voegde een optimalisatielaag met randvoorwaarden toe boven op de voorspellende modellen. Die genereerde geprioriteerde bellijsten die de reactiekans afwogen tegen de echte operationele behoeften. Daarbij telden de actuele voorraden mee, met bijzondere aandacht voor de beschikbaarheid van zeldzame bloedgroepen, ook bij een lagere reactiekans.

Resultaten

Het project leverde een werkende proof of concept op die toonde hoe AI een van de meest delicate evenwichtsoefeningen van de organisatie kon ondersteunen: de juiste bloedproducten beschikbaar houden zonder donoren te vaak te benaderen.

De belangrijkste opleveringen waren:

• Een reeks voorspellende modellen per type bloedproduct, die de individuele reactiekans van donoren inschatten

• De onderliggende code om deze modellen later opnieuw te trainen, zodat voorspellingen veranderend donorgedrag kunnen blijven volgen

• Een optimalisatie-engine met randvoorwaarden die voorspellingen omzet in geprioriteerde, direct bruikbare bellijsten

De aanpak werd gevalideerd met praktijktests en ging daarmee verder dan een louter theoretische proof of concept.

Het werk kreeg ook bredere erkenning: het kwam in de pers en werd op een conferentie voorgesteld. Dat weerspiegelt de relevantie voor een uitdaging waarmee veel bloedvoorzieningsorganisaties kampen.