AI toegepast op jeugdzorg sociaal domein

Veel gemeente werken al data gedreven in het sociaal domein. Maar machine Learning zorgt voor nieuwe mogelijkheden om zowel de kosten beter in de hand te houden, als het jeugdbeleid verder aan te scherpen. Hieronder een drietal voorbeelden (die ook voldoen aan de AVG): 

• Met geanonimiseerde gegevens uit de jeugdzorg administratie (GWS, Civision Samenleving) en het BRP is het mogelijk om deze hele groep jeugdigen op te delen in een aantal subgroepen die allemaal hun eigen karakteristieke kenmerken hebben. Hiermee wordt het mogelijk om veel gerichter (preventief) beleid te definiëren per subgroep. De techniek die hier gebruikt is K-Means clustering en wordt al volop toegepast in de marketing, waarbij klantgroepen worden geidentificeerd. Meer over de toegepast AI-Technologie vindt u hierMeer over de toegepast AI-Technologie vindt u hier. Een voorbeeld van een soortgelijke aanpak vindt u hier
• Alle declaraties van zorgverleners in de jeugdzorg worden via de standaard specificatie (iStandaard) aangeleverd bij de gemeente. Dit zijn er veel, en vaak moeilijk om te controleren. Een autoencoder neuraal netwerk herkent patronen in het declaratiegedrag van zorgverleners en kan de afwijkingen eruit halen. Met deze  techniek kunnen zorgverleners gericht (i.e. risicogestuurd) gecontroleerd worden op hun prestaties, maar kan ook fraude met PGB's opgespoord worden. Klik hier voor meer uitleg over de gebruikte AI technologie.
• Door bij te houden of, en hoeveel beter een jeugdige geholpen is na een behandeling, is het mogelijk om in de toekomst een betere voorspelling te maken welke behandeling het meest geschikt is als een nieuwe beschikking wordt afgegeven. Hiervoor wordt de Random Forest supervised learning techniek gebruikt worden. Dit vraagt uiteraard wel dat de gemeente gaat bijhouden wat het effect is van een behandeling in de jeugdzorg. Dit kan de effectiviteit van de behandeling vergroten, de druk op de zorg verkleinen en de kosten omlaag brengen.

Deze manier van data gedreven werken zorgt voor meer focus naar de toekomst. De huidige manier van werken met een dashboard laat teveel ruimte aan interpretatie. Wij denken dat machine learning een stevige boost kan geven aan het data gedreven werken binnen het sociaal domein. .