Opleiding: AI+ Healthcare Administrator Practitioner™

Een revolutie in het gezondheidszorgmanagement dankzij intelligent beheer

• Operationele uitmuntendheid: Ontdek hoe AI de facturering, planning, declaraties en personeelsworkflows stroomlijnt om de administratieve lasten te verlichten.
• Optimalisatie van middelen: Krijg grip op voorspellende analyses, vraagprognoses en datagestuurde besluitvorming voor een efficiënte ziekenhuisvoering.
• Naleving & privacy: Krijg inzicht in regelgevingskaders, gegevensbeveiliging en ethische normen die essentieel zijn voor AI-gestuurde administratie.
• Impact op leiderschap: Rust uzelf toe om organisatorische veranderingen te leiden — van digitale dossiervoering tot geoptimaliseerde patiëntenstroom en kostenbeheersing.

Managers in de gezondheidszorg: Professionals die de bedrijfsvoering willen moderniseren, de efficiëntie willen verbeteren en AI willen integreren in de dagelijkse werkprocessen.

Managers van ziekenhuizen en klinieken: leidinggevenden die met behulp van AI-tools de personeelsbezetting, de toewijzing van middelen en het beheer van de patiëntenstroom willen optimaliseren.

Specialisten in zorgoperaties: Personen die zich richten op het verbeteren van planning, facturering, naleving van regelgeving en procesautomatisering door middel van intelligente systemen.

Professionals op het gebied van gezondheidsinformatie en EPD’s: Degenen die digitale dossiers of gezondheidsinformatica beheren en AI willen inzetten voor nauwkeurigheid, analyse en verbetering van de werkstroom.

Aankomende leiders in de gezondheidszorg: Professionals aan het begin van hun carrière die AI-gestuurde administratieve vaardigheden willen ontwikkelen om concurrerend te blijven in een steeds veranderende gezondheidszorgomgeving.

• Operationele uitmuntendheid met AI: Beheerders krijgen de mogelijkheid om planning, facturering, declaraties en routinematige werkprocessen te stroomlijnen door middel van intelligente automatisering.
• Datagestuurd administratief leiderschap: Voorspellende analyses ondersteunen slimmere beslissingen op het gebied van personeelsbezetting, patiëntenstroom, voorraadbeheer en algehele benutting van middelen.
• Verbeterde patiëntgerichte administratie: AI-tools helpen wachttijden te verkorten, de coördinatie te verbeteren en een meer gepersonaliseerde dienstverlening te ondersteunen.
• Betere naleving en risicotoezicht: AI-gestuurde monitoring zorgt voor een betere naleving van regelgeving, vereisten op het gebied van gegevensprivacy en auditnormen.
• Toekomstgerichte administratieve vaardigheden: Certificering bouwt cruciale competenties op voor opkomende, door AI aangestuurde zorgomgevingen, wat de carrièregroei op de lange termijn versterkt.

• 1.1 Inzicht in AI
• 1.2 AI in de dagelijkse praktijk van de gezondheidszorg
• 1.3 Casestudie
• 1.4 Praktische oefening: AI-gebaseerde classificatie van thoraxfoto's voor COVID-19 en longaandoeningen zonder programmeerwerk, met behulp van Google Teachable Machine

• 2.1 Inzicht in soorten gegevens in de gezondheidszorg
• 2.2 Gegevens gebruiken voor besluitvorming
• 2.3 Casestudy 1: Het op AI gebaseerde ontslagbeheersysteem van het Apollo Hospital
• 2.4 Casestudie 2: De AI-integratie van de Cleveland Clinic voor het optimaliseren van medische facturering
• 2.5 Praktische oefening: verkenning zonder coderen van een analytisch dashboard voor ziekenhuizen met Vizly.ai

• 3.1 Stroomlijning van de patiëntenstroom en optimalisatie van middelen
• 3.2 Voorraadbeheer, onderhoud en inkoop
• 3.3 Casestudie 1: Door AI aangestuurde spoedoverplaatsingen tussen ziekenhuizen
• 3.4 Casestudie 2: AI voor het terugdringen van voorraadverspilling in de toeleveringsketens van ziekenhuizen (Mayo Clinic, Cleveland Clinic & Rush University)
• 3.5 Praktijsoefening: AI-gestuurde optimalisatie van ziekenhuisactiviteiten: een 'no-code' voorspellende interface met behulp van Julius AI

• 4.1 Grondbeginselen van NLP en chatbots
• 4.2 Schrijf- en communicatietaken met generatieve AI
• 4.3 Casestudie: het verminderen van burn-out bij artsen door middel van ondersteuning bij klinische documentatie
• 4.4 Praktijsoefening: Assistent voor het samenvatten van vergaderingen voor administratief personeel in de gezondheidszorg

• 5.1 AI in medische codering en documentatie
• 5.2 Beheer van vergoedingsaanvragen en fraudedetectie
• 5.3 Praktijkoefening: AI-aangedreven voorspelling van afgewezen medische claims zonder programmeerkennis

• 6.1 Vooroordelen identificeren in administratieve AI-tools
• 6.2 Juridische en compliance-overwegingen
• 6.3 Casestudie: Fout in AI-triage en juridische risico’s bij het North Bridge Hospital
• 6.4: Praktijkoefening: het analyseren van vooringenomenheid bij ziekenhuisopnames met Claude AI

• 7.1 Beoordeling van AI-tools op kwaliteit en relevantie
• 7.2 Implementatieplanning en aanschaf
• 7.3 Casestudie 1: AI-gestuurde kankerdetectie in het Tata Memorial Hospital
• 7.4 Casestudie 2: AI-gestuurde oogscreening door Forus Health en Microsoft
• 7.5 Praktijkoefening: visualisatie van zorggegevens met no-code BI-tools

• 8.1 Inzicht in cyberdreigingen in de AI-gedreven gezondheidszorg
• 8.2 Een veilige AI-omgeving opzetten
• 8.3 Casestudy 1: de WannaCry-aanval op de NHS (2017)
• 8.4 Casestudie 2: Ransomware-aanval op Universal Health Services (2020)
• 8.5 Praktijkoefening: implementatie van een AI-dashboard voor cyberbeveiligingsrisico's met Google Looker Studio

• 9.1 Inleiding: waarom deze module nu belangrijk is
• 9.2 Leiding geven aan kleinschalige AI-proefprojecten
• 9.3 Pilootmogelijkheden binnen afdelingen identificeren
• 9.4 Afstemming met belanghebbenden: IT, compliance en eerstelijnsmedewerkers
• 9.5 De organisatie voorbereiden
• 9.6 Stapsgewijze handleiding: No-Code AI voor het voorspellen van afgewezen medische declaraties met behulp van Relevance AI

• 1. Wat zijn AI-agenten?
• 2. Hoe werkt een AI-agent in de gezondheidszorg? 3. Kernkenmerken van AI-agenten
• 4. Het belang van AI-agenten in de gezondheidszorgadministratie 5. Betekenis voor de patiëntervaring en ziekenhuisresultaten
• 6. Soorten AI-agenten? 7. Toepassingen en trends in de gezondheidszorg
• 8. Casestudie: Johns Hopkins Health System
• 9. Praktijkoefening: bouw een AI-agent: agent voor het opsporen van knelpunten in de patiëntenstroom (Zapier)

• TensorFlow
• Keras
• Apache Spark
• Hadoop
• Power BI
• Python
• Tableau
• Matplotlib
• SQL
• Beheertools voor elektronische patiëntendossiers (EPD's)
• Platforms voor de automatisering van workflows in de gezondheidszorg

Inclusief online examen onder toezicht, met één gratis herkansing.
Examenopzet: 50 vragen, 70% vereist om te slagen, 90 minuten, online examen onder toezicht

Toegang tot alle lesmaterialen en examens wordt gedurende 365 dagen na levering verleend.

De OCICT maatwerk-methode houdt in dat op basis van de behoefte van de klant - en indien nodig na een intakegesprek - een individueel opleidingstraject wordt opgesteld. De trainingen worden veelal individueel gevolgd, zodat iedere training een maatwerktraject is. Klassikale trainingen zijn natuurlijk mogelijk, mits ze aansluiten bij de leerbehoeften van de deelnemers / opdrachtgever.

Alle onderdelen van de training kennen een voortdurende wisselwerking tussen theorie en praktijk. De inhoud van de training kan vooraf per cursist worden aangepast en tijdens de cursus worden bijgesteld. De focus ligt op maatwerk: het traject wordt afgestemd op de doelstellingen van de deelnemer(s) en/of opdrachtgever, ongeacht of het individueel of klassikaal wordt aangeboden.