Voetencheck & Artificial Intelligence

In samenwerking met Fontys ICT doet Rondom onderzoek naar de mogelijkheden van kunstmatige intelligentie om de Voetencheck-app nog waardevoller te maken voor gebruikers. Het project wordt gefinancierd door CoE Health. Het onderzoek richt zich voornamelijk op het ontwikkelen van modellen die het gebruiksgemak en de gebruikerservaring voor patiënten verbeteren, evenals modellen die podotherapeuten ondersteunen bij de triage en het identificeren van de gevallen met de hoogste risico.

Achtergrond en aanleiding

De Voetencheck app is ontwikkeld om patiënten te ondersteunen bij het op afstand monitoren van hun voetgezondheid. Via de app beantwoorden patiënten een reeks eenvoudige vragen over mogelijke risicofactoren voor voetproblemen. Deze vragen worden ondersteund door instructievideo’s die stap voor stap uitleg geven over hoe de zelfcontrole moet worden uitgevoerd.

Wanneer een patiënt tijdens deze controle een afwijking of verandering opmerkt, wordt gevraagd om een foto van de voeten te maken. Deze foto wordt vervolgens beoordeeld door een gespecialiseerde podotherapeut, die op afstand advies geeft over eventuele vervolgstappen. Dit maakt het mogelijk om snel te reageren op beginnende voetproblemen, waardoor complicaties zoals infecties of wonden kunnen worden voorkomen. De app stimuleert daarmee vroegsignalering en geeft zowel patiënten als zorgprofessionals de kans om op tijd in te grijpen.

Hoewel de app veel waarde toevoegt, lopen we in de praktijk tegen enkele knelpunten aan. Een belangrijke uitdaging is de digitale vaardigheid van patiënten. Ondanks dat de app zo gebruiksvriendelijk mogelijk is ontworpen, hebben sommige patiënten, vooral ouderen of mensen met beperkte digitale ervaring, moeite om de app effectief te gebruiken.

Uit eerdere evaluaties binnen het project Technology Support for Diabetes blijkt daarnaast dat de kwaliteit van ingezonden foto’s regelmatig te laag is. Denk aan lage resolutie, onscherpte of slechte belichting. Hierdoor wordt het voor podotherapeuten moeilijk om de voeten goed te beoordelen, wat de effectiviteit van de app vermindert en het risico vergroot dat problemen niet tijdig worden opgemerkt.

Modellen voor gebruiksgemak

Om patiënten met lagere technologievaardigheden beter te ondersteunen in het maken van kwalitatief goede foto’s, onderzoeken we hoe artificial intelligence (AI) hierbij kan helpen. Dit varieert van modellen die tijdens het maken van de foto live feedback geven, bijvoorbeeld of de voet goed binnen het kader valt of de belichting voldoende is, tot modellen die na het insturen van de controle een inschatting geven van de verwachte uitkomst en mogelijke vervolgstappen.

Deze ondersteuning moet het proces makkelijker maken voor de patiënt én de kwaliteit van de ingezonden foto’s verhogen, zodat podotherapeuten betrouwbaarder kunnen beoordelen.

Modellen voor triage

Podotherapeuten besteden momenteel veel tijd aan het triageproces: het bepalen welke binnengekomen controles het hoogste risico hebben, wie het snelst geholpen moet worden en welke patiënten als eerste een terugkoppeling nodig hebben. Daarnaast krijgen alle hoog-risicopatiënten persoonlijk telefonisch contact om een fysieke controle in te plannen. Omdat niet iedere patiënt direct bereikbaar is, kost dit proces extra tijd.

Binnen dit project onderzoeken we hoe AI kan worden ingezet om dit triageproces te ondersteunen. Het model beoordeelt welke controles het hoogste risico dragen en geeft alvast een eerste voorspelling van wat er mogelijk op de foto te zien is. Hierdoor weten podotherapeuten direct welke patiënten prioriteit hebben en wat het meest waarschijnlijke probleem is. Dit maakt het proces efficiënter en zorgt dat patiënten met het grootste risico sneller de juiste zorg krijgen.