Algoritme om acuut nierfalen of vroeggeboorte te voorspellen

Kunnen artsen met behulp van data voorspellen welke vrouwen risico lopen om te vroeg te bevallen, of welke patiënten risico lopen op acuut nierfalen? Twee nieuwe onderzoeken van de University of London samen met DeepMind, en de Universiteit van Gent tonen aan hoe kunstmatig intelligente software potentieel risico’s voor patiënten kan detecteren.

IDlab, een onderzoeksgroep van Imec aan de Universiteit Gent, en de Vrouwenkliniek van het UZ Gent werkten samen aan de ontwikkeling van een algoritme om vroeggeboorte te voorspellen. Vroeggeboorte - als een vrouw bevalt voor 37 weken zwangerschap - heeft een grote impact op een baby. Op basis van een bestaande dataset van enkele honderden patiënten die te vroeg zijn bevallen, ontwikkelde de Universiteit Gent een algoritme om in te schatten of er een vroeggeboorte zal plaatsvinden in de zeven dagen die volgen.

Het algoritme baseert zich voor de voorspelling op allerlei data uit het medisch dossier, zoals de zwangerschapsduur, al dan niet gebroken vliezen, bloedverlies, contracties (weeën), en de notities van artsen en verloskundigen.

Optimale medicatie

Vermoedt een arts dat een vrouw te vroeg zal bevallen, dan worden er vaak corticosteroïden toegediend om de longrijping bij de baby te bevorderen. “Zo’n behandeling lijkt het meest efficiënt tussen de twee en zeven dagen voor de bevalling”, zegt Isabelle Dehaene, gynaecologe en expert hoogrisicozwangerschappen (UZ Gent) tegen DeMorgen. “Een goede timing is dus belangrijk. Te meer als je weet dat er een mogelijke link is tussen onnodig toedienen van die medicatie en cognitieve problemen op lange termijn.” Mogelijk kan het algoritme meer inzicht bieden in het optimale moment voor medicatie-toediening, aldus Dehaene.

Het model is nu getraind met data over bevallingen, zwangerschap en vroeggeboorten, maar zou ook getraind kunnen worden voor risico-inschatting op andere ziektes. “Met ons AI-onderzoek kijken we in de toekomst, en trachten we problemen te voorspellen, want hoe sneller je iets capteert, hoe meer je kunt ondernemen. Niet per se om het te stoppen, maar wel om het te vertragen. Er liggen nog grote technische uitdagingen, maar de positieve impact van deze oplossingen kunnen dan ook enorm zijn”, zegt Chris Van Hoof van Imec.

Acuut nierfalen

Zo’n 11 procent van de sterfgevallen in ziekenhuizen zijn een gevolg van het niet tijdig opmerken en behandelen van patiënten wiens gezondheidstoestand verslechterd, berekende de Britse National Patient Safety Agency in 2007. Met dat gegeven ging DeepMind, de AI-tak van Google’s Alphabet, aan het werk aan een model om acuut nierfalen te herkennen en voorspellen in medische data.

Acuut nierfalen is een veelvoorkomende en potentieel levensbedreigende aandoening. De belangrijkste functie van de nieren is het verwijderen van afvalstoffen en vocht uit het bloed, en het aanmaken van hormonen aan die nodig zijn voor de aanmaak van rode bloedlichaampjes en het reguleren van de bloeddruk. Als dat niet meer voldoende lukt, is er sprake van nierfalen. Wanneer de nieren niet goed meer functioneren, hopen afvalstoffen zich op in het lichaam, wat levensbedreigend is voor patiënten.

De herkenning en snelle behandeling van acuut nierfalen is een uitdaging. Met het model wil DeepMind helpen om risicopatiënten te identificeren binnen een bepaald tijdvenster, wat opsporing en vroege behandeling mogelijk maakt. Doel is om te kunnen herkennen en in de toekomst kunnen voorspellen welke patiënten een risico lopen om achteruit te gaan, voorzien van context voor de behandelend arts of verpleegkundige.

700.000 geanonimiseerde dossiers

DeepMind werkt samen met het Department of Veteran Affairs, een Amerikaans overheidsorgaan, en kreeg zo toegang tot data van meer dan 700.000 geanonimiseerde medische dossiers. Met die data bouwde DeepMind een deep learning model. Hiermee waren onderzoekers van DeepMind en University College London in staat om de gezondheidsconditie van patiënten te voorspellen, tot 48 uur voordat mogelijk acuut nierfalen intrad. De software voorspelde correct de 90% van de gevallen waarbij de patiënt met acute nierfalen dialyse zou moeten ondergaan.

Naast het voorspellen van toekomstige acute nierbeschadiging, biedt het model ook een betrouwbaarheidsbeoordelingen en een lijst van de klinische kenmerken die het meest opvallend zijn voor elke voorspelling. Zo kunnen medische professionals zien hoe het model tot een voorspelling is gekomen.

Volgens Eric Topol, die de studie in Nature peer-reviewde, toont dit onderzoek aan dat artsen in de toekomst steeds vaker vroege waarschuwingen zullen krijgen en zo nierschade kunnen voorkomen. “"Je zou de behoefte aan dialyse of niertransplantatie kunnen verminderen en zelfs de dood van een patiënt kunnen voorkomen”, aldus Topol in gesprek met Wired.

Vrouwen ondervertegenwoordigd

Wel zijn er een aantal kanttekeningen te plaatsen bij het nieuws van DeepMind. De 700.000 geanonimiseerde medische dossiers die de bron zijn van het deep learning model, beslaan historische data. Maar of model daadwerkelijk acuut nierfalen herkent in een klinische, ziekenhuisomgeving, dat moet nog gevalideerd worden. Zo’n studie is complexer, tijdrovender en kostbaarder dan testen op een historische dataset.

Ook is de enorme dataset van de Department of Veteran Affairs ‘gekleurd’, en daarmee geen goede voorspeller voor hoe het model presteert in andere ziekenhuizen of kliniscge settings. Zelfs binnen de DeepMind studie presteerde het model minder goed in acuut nierfalen herkennen bij vrouwelijke patiënten, omdat vrouwen maar 6 procent van de VA-dataset uitmaakten. Kortom, als de nieuwe publicatie van DeepMind één ding aantoont, is dat de relatieve relatie tussen input (een dataset die niet representatief is) en de bruikbare output.