SmartHealth publiceert regelmatig bijdrages van gastbloggers. Deze week: Esther Remmelink van het LUMC.
Artificial Intelligence (AI) en het voorspellend vermogen van zowel machine learning als deep learning modellen staat of valt bij de beschikbaarheid van data. Het gaat niet alleen om de hoeveelheid data, maar ook om de kwaliteit. Welke data is er beschikbaar? Kan data uit verschillende bronnen makkelijk gecombineerd worden? Is de data compleet? Esther Remmelink, data scientist in het LUMC, over de aanpak in Leiden en het belang van een gestandaardiseerd dataplatform.
Om AI in de zorg te ontwikkelen is medische data nodig. Deze data moet vaak uit verschillende bronsystemen komen. Binnen een ziekenhuis kunnen bijvoorbeeld meerdere elektronische patiëntendossiers (EPD's) gebruikt worden, maar daarnaast kan data ook bij patiënten zelf liggen, in PGOs. Vervolgens gebruiken andere ziekenhuizen net weer andere systemen, waar wel vergelijkbare data opgeslagen wordt, maar de benaming net anders kan zijn. Hierdoor wordt het lastig om eenvoudig grote datasets bij elkaar te krijgen, over de ziekenhuizen heen, die juist zo noodzakelijk zijn voor bruikbare AI.
Gebruik van standaarden
Met als doel om data makkelijker uit te wisselen met applicaties, zoals PGOs, of tussen ziekenhuizen, heeft het LUMC in samenwerking met Furore een dataplatform ontwikkeld. Het dataplatform verzamelt de data uit allerlei verschillende systemen, zoals EPD’s, lab-systemen, IC-systemen, financiële administratie, etc. In het dataplatform wordt de data samengevoegd en gemodelleerd naar zorginformatiebouwstenen (=informatiestandaard) en HL7 FHIR (=communicatiestandaard).
Dit betekent dat de data terug te vinden is in tabellen en kolommen zoals gedocumenteerd in de standaard. Op dit moment wordt hetzelfde dataplatform, gebaseerd op gedeelde code, ook geïmplementeerd in het Erasmus Medisch Centrum en het Universitair Medisch Centrum Utrecht (UMC Utrecht). Hierdoor kan klinische data uit drie ziekenhuizen straks eenvoudig samengevoegd worden en gebruikt worden voor AI-modellen.
Voor de uitwisselingen van data tussen het dataplatform en bijvoorbeeld de Box app van het LUMC, waar patiënten thuismetingen in kunnen registeren, is het noodzakelijk om altijd zo up-to-date mogelijke data in het platform te hebben, zodat gehandeld kan worden naar deze informatie. Daardoor is het doel om de data op het platform near real-time te verversen.
Koppeling
Daarnaast startte het LUMC eind 2019 met Philips de IntelliSpace AI Workflow Suite, een platform voor (AI-)modellen. Dat koppelen we bijvoorbeeld op de afdeling Radiologie aan de systemen daar, waardoor deze automatisch een AI-gedreven analyse kunnen opvragen, bijvoorbeeld over een MRI-scan. We koppelen op dit moment de twee platformen aan elkaar, zodat het Philips platform ook de data uit het dataplatform kan opvragen en gebruiken voor de modellen.
Veel voordelen
Waarom is dit dataplatform ook juist zo belangrijk voor AI in de zorg? Daar zijn een aantal redenen voor. Allereerst de mogelijkheid om meer data te verzamelen. Doordat data uit meerdere bronnen gecombineerd wordt, en de standaard in meerdere ziekenhuizen geïmplementeerd wordt, is er meer data beschikbaar om te gebruiken in AI modellen.
Zo ontstaat er één bron. Alle benodigde data om een model te bouwen is nu in één bron terug te vinden. Dit scheelt tijd en moeite om data uit verschillende bronnen te koppelen. Bovendien is het voorspelbare data: omdat de data volgens een standaard gestructureerd is, is het eenvoudig uit de documentatie te herleiden waar welke data gevonden kan worden. Dit kan het proces van verkennen en opschonen van de data versnellen en maakt het makkelijker om te bepalen welke variabelen interessant zijn voor een AI model.
Het dataplatform maakt het ook mogelijk om 'verse' data te genereren. We willen modellen ontwikkelen die artsen ondersteunen in hun beslissingen. Deze beslissing moeten in het nu plaatsvinden. Alleen real-time data kan real-time voorspellingen generen. Zonder het dataplatform wordt dit een stuk lastiger.
Tenslotte is het platform schaalbaar. Het dataplatform is gebouwd om grote hoeveelheden data te kunnen verwerken. Het is dus gebouwd op big-data analytics. Op het moment draait het dataplatform on premise, wat betekent op servers in ‘eigen huis’. In de toekomst zou een verhuizing naar ‘de cloud’ nog meer snelheid kunnen bieden, maar dit brengt wel security vraagstukken met zich mee.
Over de gastblogger
Esther Remmelink is data scientist en data modeler in het Leids Universitair Medisch Centrum (LUMC) in Leiden.
Dag Esther,
Bijzonder goede en interessante ontwikkeling. Goed om te lezen dat jullie met meerdere ziekenhuizen werken aan gestandaardiseerde data.
Ik vraag me 2 dingen af:
- Zijn jullie ook al bezig om de verzamelde data te interpreteren en terug te brengen naar de patient? Bijvoorbeeld in de vorm van diagnoses, voorspellingen etc.
- Je hebt het ook over het belang van realtime data. Is/wordt het dan ook mogelijk dat (kwalitatief goedgekeurde) smartwatches van personen gekoppeld kunnen worden aan dit model? Bijvoorbeeld om realtime gezondheidsdata van uit de smartwatches van patienten te koppelen aan deze modellen?
Dank
Groet
Ruud Huigsloot
Beste Ruud,
Dank voor je bericht. Voor wat betreft je eerste vraag: we hebben op korte termijn meer nieuws over AI die de arts ondersteunt bij het maken van beslissingen. Belangrijk is daarbij dat de arts (en waar mogelijk de patient) altijd de leiding blijft houden.
Integratie van het dataplatform met goedgekeurde smartwatches zou in de toekomst absoluut een mogelijkheid zijn. Technisch gezien wordt er al aan de belangrijkste voorwaarden voldaan, zeker gezien bijvoorbeeld Apple de FHIR-standaard gebruikt om health data op te slaan. Overigens zijn er ook andere technische hulpmiddelen die data in het dataplatform voeden, zo wordt er gewerkt aan een app voor zwangeren om hun bloeddruk bij te houden ivm pre-eclampsie. Die app is direct gekoppeld aan het dataplatform. Voor een aantal ziektebeelden wordt ook een Box met wearables uitgegeven, die uiteraard een mooie databron zijn.
Met vriendelijke groet,
Stephan, mede namens Esther