Een 12-persoons healthtech-startup in Rotterdam ontwikkelt klinische beslissingsondersteunende software die machine learning gebruikt om vroege waarschuwingspatronen in patiëntgegevens te identificeren. Hun technologie is duidelijk O&O-intensief. Toch werd hun eerste WBSO-aanvraag afgewezen. Dit is wat er gebeurde en wat ze leerden.
De eerste aanvraag: wat misging
De CTO schreef de eerste aanvraag zelf in een weekend, waarbij hij de software die ze bouwden en de klinische problemen die ze oplosten beschreef. De taal was technisch accuraat maar gericht op het productresultaat: wat de software voor clinici zou doen, welke patiëntpopulaties het zou bedienen.
De RVO wees twee van de drie projecten af wegens onvoldoende aantoonbare technische onzekerheid. De opmerking van de beoordelaar: de beschrijvingen verklaarden het product maar niet de O&O-uitdagingen. Het derde project — een algoritme voor vroege detectie van sepssindicatoren — werd goedgekeurd omdat de CTO toevallig een specifieke algoritmische onzekerheid in die beschrijving had beschreven.
De diagnose
De goedgekeurde beschrijving naast de afgewezen leggen, maakte het patroon duidelijk. De goedgekeurde beschrijving zei: "Het is onzeker of een recurrent neuraal netwerk-architectuur fysiologische sepsissignaturen kan onderscheiden van normale variatie in ICU-monitoringdata met een fout-positiefpercentage onder 8% bij een sensitiviteit van 90%, gegeven dat bestaande modellen significant overfitten op de trainingsinstitutie's patiëntpopulatieverdeling." Specifieke onzekerheid, specifieke prestatiedoelen, specifieke reden waarom bestaande aanpakken niet werken.
Herschrijven en opnieuw indienen
De startup diende een bezwaar in voor één van de afgewezen projecten, met een aanzienlijk herschreven beschrijving die het framepatroon van het goedgekeurde project volgde. Het bezwaar was succesvol. Voor het volgende tijdvak werden alle drie projecten herschreven en alle drie goedgekeurd.
- Kernles: de klinische waarde van het systeem is irrelevant voor WBSO — alleen de technische onzekerheid telt
- Kernles: specifieke prestatiedoelen noemen en uitleggen waarom ze niet haalbaar zijn met bestaande methoden is het meest betrouwbare pad naar goedkeuring
- Kernles: goedgekeurde beschrijvingen zijn sjablonen — één goede leert je hoe je de rest schrijft
Klaar om je concurrenten te volgen?
WBSO.io monitort automatisch websites, e-mails en social media van je concurrenten — en levert gestructureerde intelligence rechtstreeks in je inbox.