Sorry, you need to enable JavaScript to visit this website.
Overslaan en naar de inhoud gaan
Like Dislike

Datagedreven gezondheidszorg

Voorspellen van hartfalen met smartwatches

Het gebeurde hem vaak genoeg dat cardioloog Ivo van der Bilt een patiënt in zijn spreekkamer kreeg zonder hartproblemen. Of dat een patiënt na een reanimatie binnenkwam op de eerste hulp. ’’Waarvan je dacht 'had ik die maar eerder gezien'.” Tijdens het HIP-Webinar ‘Laaghangend fruit in datagedreven zorg’ vertelde hij samen met hoogleraar Marcel Reinders over het AI-model dat zij ontwikkelen om hartproblemen op afstand te monitoren én te voorkomen.

Datagedreven gezondheidszorg
Marcel Reinders, hoogleraar biomedische datawetenschappen TU Delft

Met een smartwatch hartaandoeningen voorspellen voordat je klachten krijgt? Het kan volgens Ivo van der Bilt, cardioloog in het HagaZiekenhuis. en Marcel Reinders, hoogleraar biomedische datawetenschappen aan de TU Delft. Zij doen onderzoek naar kunstmatige intelligentie en het hartritme. Hun onderzoek draagt de naam ‘ME-TIME’, voluit ‘Machine learning enables time series in medicine’.
 

Slimme horloges, ringen en pleisters

Het leek Ivo en Marcel een goed idee om te onderzoeken of je patiënten thuis kunt monitoren met behulp van ‘wearables’. ’’Er zijn ontzettend veel van zulke apparaatjes op de markt’’, vertelt Ivo. ’’Je hebt slimme horloges, ringen en pleisters en er zijn hele kleine apparaatjes die je kunt implanteren in je longader. Kortom, er is veel aanbod en vaak zijn deze apparaatjes erg goedkoop.’’

Voor hun onderzoek hebben ze honderd patiënten een smartwatch gegeven die doorlopend hun hartfrequentie meet. ’’Je genereert per patiënt op die manier zo’n 8000 tot 9000 datapunten per dag. Na twee jaar dragen heb je een enorme datawolk per patiënt.’’

Ivo van der Bilt, cardioloog HagaZiekenhuis Den Haag
Ivo van der Bilt, cardioloog HagaZiekenhuis Den Haag.

Met behulp van het bedrijf Annovating en het dataplatform Selb zorgen ze dat al deze data worden verzameld en opgeslagen in een veilige cloudomgeving. Daarnaast zijn ze bezig met het bouwen van een ‘digitaal neuraal netwerk’ dat met behulp van AI (artificiële intelligentie) patronen kan halen uit deze data.

Een datawolk

Ivo van der Bilt laat een plaatje zien van een ‘datawolk’: een wolk vol gekleurde puntjes die staan voor de data van verschillende patiënten. ’’Wanneer je heel veel data van heel veel patiënten bij elkaar plakt, kun je kijken of je clusters kunt maken van patiënten die op elkaar lijken.’’ De cardioloog wijst op puntjes in de datawolk die groepjes lijken te vormen. ’’Die puntjes wijzen op unieke eigenschappen die patiënten met elkaar gemeen hebben.’’ Op die manier hopen Ivo van der Bilt, Marcel Reinders en hun collega’s ziektespecifieke eigenschappen te vinden.
 

Voorspellen van hartfalen met smartwatches

In feite zou je deze methode voor veel verschillende aandoeningen kunnen gebruiken. Maar eerst richten Ivo en Marcel zich op boezemfibrilleren en hartfalen. Dat zijn twee hele grote ziekten met een enorme ziektelast, vertelt Ivo van der Bilt. ’’Je ziet daarbij veel polibezoeken, bezoeken aan de eerste hulp en ziekenhuisopnames.’’
 

Volgende stap is het includeren van mensen die een hartinfarct hebben gehad

Voor het onderzoek zijn nu 50 patiënten met atriumfibrilleren en 50 patiënten met hartalen gevraagd. Ook doet een groep gezonde vrijwilligers mee.

Een volgende stap is het includeren van mensen die een acuut hartinfarct hebben gehad en van patiënten die chemotherapie krijgen waardoor je schade aan je hart kunt krijgen. ’’Zo willen we dus bekijken of we zaken kunnen detecteren en voorspellen. Puur met behulp van een horloge dat je overal kunt kopen’’, benadrukt de cardioloog nogmaals.

‘Zo willen we dus bekijken of we zaken kunnen detecteren en voorspellen.’

Hij vraagt zich hardop af waarom een onderzoek zoals de ME-TIME studie niet eerder is uitgevoerd. ’’Er zijn wel wat grote studies gedaan door fabrikanten van dit soort horloges. Maar die waren vooral  bedoeld om aan te tonen dat deze apparaatjes effectief zijn. Terwijl wij continu live willen monitoren of er patronen van bepaalde ziekten ontstaan.’’

Reinders-Van der Bilt-Voorspellen van hartfalen met smartwatches

Van reactieve naar preventieve zorg

Hij ziet een toekomst voor zich waarin je als patiënt naar het ziekenhuis belt als je je niet lekker voelt. Om te vragen of zij ook klachten waarnemen. ’’En als iemand zich goed voelt, maar jij via data signaleert dat iemand last krijgt van boezemfibrilleren of risico loopt op hartfalen, kun je diegene preventief bellen.’’ Dat is iets wat nu nog niet gebeurt binnen de gezondheidszorg, benadrukt hij. ’’We moeten van reactieve naar proactieve en preventieve geneeskunde. Je hebt in de toekomst niet meer veel grote ziekenhuizen nodig, als je mensen thuis kunt behandelen.’’

In de ideale wereld zouden er wereldwijd wearables met elkaar verbonden kunnen worden. Om zo nog veel meer ziektepatronen te kunnen monitoren en opsporen. ’’Dat is nog wel een eindje weg’’, zegt hij. ’’Eerst moet je in gesprek met grote bedrijven die wearables maken. Daarnaast loop je tegen regelgeving en andere obstakels aan. Maar die zijn niet onoverkomelijk.’’

De cardioloog stelt dat het belangrijk is om nu eerst de ME-TIME studie te doen. ’’Zodat we kunnen aantonen dat het werkt en je daadwerkelijk ziektepatronen kunt herkennen. Daarna kunnen we het hebben over opschalen. Ik denk dat je het stapsgewijs moet opbouwen.’’

‘Ik denk dat het laagfruit-aspect hiervan is dat ons idee enorme impact kan hebben op de zorg.’

Hoogleraar Marcel Reinders vult het verhaal van zijn collega aan. ’’We hebben het vandaag over laaghangend fruit in de datagedreven zorg. Ik denk dat het laagfruit-aspect hiervan is dat ons idee enorme impact kan hebben op de zorg.’’
 

’Je moet hele specifieke ziektepatronen gaan herkennen’

Het idee is niet morgen meteen gerealiseerd. ’’Maar we gaan aan de slag om te laten zien dat dit werkt’’, stelt hij. ’’De uitdaging vanuit de patroonherkenningskant zit volgens mij in het feit dat je een zuivere, geannoteerde dataset moeten krijgen. Je moet de tijd nemen voor het verzamelen van data en de juiste specificatie van groepen. Zodat je voor specifieke einddoelen modellen kunt bouwen.’’

Ivo van der Bilt valt zijn collega bij. ’’Je moet hele specifieke ziektepatronen herkennen en dat kost heel veel tijd. Maar zodra je de validatie rond hebt, kun je je systeem morgen opschalen. De wearables waarmee je meet zijn voorhanden en de systemen om data op te slaan en te analyseren, heb je ook. Vervolgens zou het niet veel moet uitmaken of je nu de data van een paar honderd patiënten meet of bij wijze van spreken van honderd miljoen.’’

Pagina beoordelen Like Dislike