Is kans op suicide te voorspellen uit data huisartsendossier?

Is de kans op suïcide te voorspellen uit data van in het elektronisch patiëntendossier van de huisarts? Kan een algoritme een huisarts waarschuwen als een patiënt mogelijk suïcidaal is? Nivel onderzocht - samen met Altrecht, het Trimbos-instituut en 113 Zelfmoordpreventie - of machine learning huisartsen kan ondersteunen om deze groep patiënten te identificeren.

Machine learning is een vorm van kunstmatige intelligentie (AI) die is gericht op het bouwen van systemen die van de verwerkte data kunnen leren of data gebruiken om beter te presteren. Om te onderzoeken of er met machine learning patronen in suïcidaal gedrag kunnen worden ontdekt, werd huisartsendata uit Nivel Zorgregistraties Eerste Lijn gebruikt. Deze Zorgregistraties Eerste Lijn is een database waarin Nivel gegevens verzamelt die aangesloten zorgverleners - waaronder huisartsen - routinematig vastleggen in hun elektronische medische dossiers. In 2018 deed Nivel al een pilot om de potentie van de toepassing van machine learning-technieken op de zorgdatabase van Nivel Zorgregistraties eerste lijn.

Elke dag overlijden er gemiddeld vijf mensen door zelfdoding in Nederland en naar schatting doen zo’n honderd Nederlanders een suïcidepoging. De helft van deze patiënten komt in de maand voor hun suïcidepoging of suïcide bij de huisarts. Toch blijkt het lastig voor de huisarts om deze patiënten op tijd te herkennen. Patiënten beginnen vaak niet uit zichzelf over hun suïcidaliteit en huisartsen weten niet altijd waar ze op moeten letten of hoe ze ernaar moeten vragen. Dat maakt preventie en vroegsignalering lastig.

Uitgangspunt van het onderzoek was dat er mogelijk een patroon zat in het type consultaties en de frequentie van consultaties in de aanloop naar suïcidaal gedrag. Nivel werkte samen met een multidisciplinair team van huisartsen, epidemiologen en data-analisten, om te onderzoeken of er met machine learning patronen in suïcidaal gedrag kunnen worden ontdek.

Met behulp van machine learning werd voorspeld wie een hoge kans heeft op suïcidaal gedrag. Het algoritme bleek suïcidaliteit bij sommige patiënten – maar niet alle – goed te voorspellen. Er kan bij benadering worden voorspeld of een patiënt behoort tot de hoog-risicogroep, maar het algoritme dient verder ontwikkelt en verbeterd worden, zegt Nivel.

Patroonherkenning

Naast de Nivel Zorgregistraties Eerste Lijn werden patiënten geselecteerd die in 2017 een registratie hadden van een suïcide(poging) en patiënten die voor andere psychische klachten contact zochten met de huisarts (de controle-risicogroep). Om het algoritme te ontwikkelen werden huisartsendata gebruikt die teruggingen tot twee jaar voorafgaand aan het moment van suïcidaal gedrag bij de eerste patiëntengroep, dan wel tot twee jaar voor het moment van consultatie van de huisarts (bij de controle-risicogroep). Nivel concludeert dat de signaalfunctie van machine learning de huisarts mogelijk kan gaan ondersteunen bij het identificeren van suïcidale patiënten. Maar zover is het nu nog niet.

Vroegdiagnostiek

Het toepassen van de techniek van machine learning zou een eerste stap kunnen zijn in geautomatiseerde screening binnen huisartsenpraktijken. Door hoog-risicopatiënten te herkennen, kan een algoritme huisartsen helpen om suïcidaliteit te bespreken met patiënten. Maar het onderzoek laat ook zien dat suïcidaal gedrag moeilijk te voorspellen is en dat huisartsen hier altijd alert op moeten blijven. Hopelijk maakt een algoritme het in de toekomst mogelijk om met vroegdiagnostiek en gerichte preventie het aantal zelfdodingen en suïcidepogingen te verminderen.

Business case, certificering, pilots en implementatie van kunstmatige intelligentie: het zijn thema's die tijdens de masterclass Kunstmatige intelligentie in de zorg terugkomen. De masterclass (12 ABAN-punten) vindt plaats in het voorjaar van 2021. Meer informatie over het programma en gastsprekers is te vinden via de website.