Waarom wordt er in de praktijk maar weinig met zorgdata gedaan? Dat vroeg Georges De Feu - medeoprichter en CEO van LynxCare - zich af. Er wordt geschat dat negentig procent van de zorgdata in ziekenhuizen niet wordt benut, omdat het te tijdrovend en gecompliceerd is om te verwerken. Maar nodig is het wel. Met zijn bedrijf helpt De Feu ziekenhuizen bij het verwerken van data. Hij stelt dat het ondenkbaar is dat ziekenhuizen in de toekomst nog beslissingen nemen die niet gebaseerd zijn op data. In aanloop naar de Belgische editie van de Masterclass Kunstmatige Intelligentie, gaat hij alvast in op de rol van AI binnen datamanagement.
Het in Leuven gevestigde LynxCare werd in 2015 opgericht. Het biedt een SaaS-platform (software as a service) op basis van datamining technologie. Hiermee halen zorgorganisaties inzichten uit de gestructureerde en ongestructureerde data van de eigen IT-systemen.
Inmiddels maken 35 ziekenhuizen in België, Nederland en de Verenigde Staten gebruik van het datamanagementsysteem van LynxCare. Ook werkt de scale-up samen met vijf grote farmaceutische bedrijven om hen te helpen meer inzicht te krijgen in complexe aandoeningen. Naast het kantoor in Leuven is er ook een vestiging in New York.
De start van LynxCare
CEO Georges De Feu stond als medeoprichter aan de wieg van LynxCare. Hij heeft een achtergrond als ondernemer, onderzoeker en apotheker. De Feu: "Via familie kenden we Michael Victoroff en Sharon Feder uit de Verenigde Staten. Sharon is de moeder van een kind dat te maken kreeg met veel overlappende en zeer ingewikkelde medische diagnoses. Ze zag de beperkingen in het zorgsysteem. De ongeordende medische data van haar kind was verspreid over verschillende Amerikaanse ziekenhuizen. Het verzamelen van al deze losse patiëntendata kostte veel tijd, geld en moeite. Michael Victoroff, een Amerikaanse arts, hielp haar met het maken van een samenvatting van de medische dossiers van haar zoon. Zo zijn we gestart om individuele patiënten te helpen met hun medische data, zodat ze beter opgevolgd kunnen konden worden door artsen in ziekenhuizen", aldus De Feu.
Datamanagementsysteem
De Feu stond versteld van de kwaliteit van de medische data in de ziekenhuizen. Ook in België. Met zijn achtergrond als apotheker en onderzoeker had hij het idee dat deze data goed werd bijgehouden en gestructureerd was. Maar dat bleek niet het geval.
"Het is onmogelijk om voor elke patiënt een arts in te zetten, die alle relevante data van die individuele patiënt verzamelt. We hebben daarom gekeken naar technologieën om de verschillende soorten gegevens in alle databronnen beter te structureren. Vervolgens zijn we begonnen met het ontwikkelen van een datamanagementsysteem voor ziekenhuizen." Volgens De Feu helpt zo’n systeem niet alleen bij de opvolging van de patiënt. Ook verbetert het de kwaliteit van de zorg en is het van toegevoegde waarde voor medisch onderzoek.
"Het is onmogelijk om voor elke patiënt een arts te hebben die alle relevante data van die individuele patiënt verzamelt"
COVID-19 is keerpunt
Hoewel LynxCare al sinds 2015 bestaat, bleek de coronapandemie het grote omslagpunt. Toen pas zag de medische wereld echt in wat de meerwaarde was van het goed managen van grote hoeveelheden zorgdata. De Feu: "Er was tijdens de coronapandemie veel druk om snel met nieuwe therapieën te komen, maar die waren niet zomaar voor handen. Het opzetten van klinische studies zou te veel tijd in beslag nemen. Het was dus belangrijk om real world data in te zetten. Onderzoekers zetten data in van miljoenen patiënten, in plaats van een paar honderd. Bij een onbekende aandoening als COVID-19 bleken diabetespatiënten opeens een hoger risico op mortaliteit te hebben. Veel inzichten worden pas vergaard bij het analyseren van een groot aantal patiënten. Vandaar het grote belang van toegankelijke data", aldus De Feu. Volgens de CEO van LynxCare is in andere sectoren al veel eerder begonnen met het gebruiken van grote hoeveelheden data en is de gezondheidszorg nog steeds bezig een achterstand in te halen.
Gestructureerde en ongestructureerde data
Kunstmatige intelligentie (AI) speelt een belangrijke rol binnen het proces van datamanagement dat De Feu met zijn team aanbiedt. "AI is een belangrijke driver, omdat er een gigantische datavariëteit is binnen en tussen ziekenhuizen. De ongestructureerde en gestructureerde data bestaat uit verschillende talen en ligt verstopt binnen diverse afdelingen en systemen. Denk aan een elektronisch patiëntendossier, agendasysteem of laboratorium softwaresysteem. Dat zijn allemaal databronnen", zegt De Feu.
Uit schattingen blijkt dat slechts twintig procent van alle data in de sector, gestructureerde zorgdata is. Deze informatie is gecategoriseerd en volgens een logische structuur verwerkt. Bijvoorbeeld excel-bestanden die continu op dezelfde wijze worden ingevuld. Of glucosemeters die resultaten identiek presenteren. Het overgrote deel van alle zorgdata is ongestructureerd. Het zijn bijvoorbeeld handgeschreven notities in Word-bestanden of medische beelden vanuit de radiologie.
De Feu: "Het is onmogelijk voor een mens om al deze data handmatig te structuren en te verwerken. Kunstmatige intelligentie helpt om de data toegankelijker te maken, op basis van repetitieve taken. Desalniettemin blijken mensen dikwijls betere inzichten te halen uit een grotere variëteit aan data. We zijn er nu in geslaagd om een goed datamanagementsysteem met AI te bouwen, die toch deze variëteit kan bolwerken. Dit systeem kan in al die databronnen een even goed en betrouwbaar beeld generen als de mens. Dat is een grote doorbraak. De arts moet kunnen vertrouwen op de data in zo’n systeem, om de zorg te kunnen verbeteren."
Toekomstmuziek: Federated Learning
LynxCare heeft zelf geen zorgdata, want dat blijft altijd in beheer van het ziekenhuis. De scale-up helpt alleen bij het minen en verwerken van de data. Een belangrijke revolutie is volgens De Feu de machine learning techniek Federated Learning. Het geldt als welkome oplossing in een sector waar gevoelige medische data zonder toestemming van de patiënt niet zomaar mag worden uitgewisseld.
In plaats van de zorgdata van alle ziekenhuizen naar een machine learning systeem te sturen in een centrale externe database, wordt het machine learning systeem naar de interne data van een afzonderlijk ziekenhuis gebracht. Het algoritme wordt dus lokaal op meerdere apparaten of servers decentraal getraind. Federated learning is een privacy behoudende onderzoekstechniek. Ziekenhuizen delen eventueel pas in een later stadium de geanonimiseerde resultaten met andere zorgaanbieders.
"Federated learning is een privacy behoudende onderzoekstechniek"
Van connectiviteit naar inzichten
De Feu geeft aan dat het vroeger binnen de IT-afdeling van het ziekenhuis vooral ging om connectiviteit. Vandaag de dag gaat het volgens hem om data. "Je ziet dat ziekenhuizen mensen aannemen om statistieken te bouwen die de arts ondersteunen en de zorg van de patiënt verbeteren. Er is een verschuiving zichtbaar van connectiviteit naar inzichten. Maar om data te analyseren zijn technologieën nodig. Veel daarvan zijn clouddiensten. Wij zorgen voor het beschikbaar stellen van de data, waarna innovatie toepassingen en kunstmatige intelligentie mogelijk worden en zorginstellingen nog veel meer doen."
Als voorbeeld noemt De Feu het Franse bedrijf Owkin, opgericht door twee Franse onderzoekers en gespecialiseerd in het bieden van AI technologie om inzichten en patronen te vergaren op basis van kennis en data. Owkin nam het initiatief voor het Covid-19 Open AI Consortium (COAI). Dit samenwerkingsverband van academische instellingen, onderzoekers, datawetenschappers en industriële partners richtte zich op het versnellen van effectieve behandelingen voor coronapatiënten. Bevindingen werden transparant gedeeld met de medische wereld. "Om daadwerkelijk aan de slag te gaan met data is eerst een datamanagementsysteem nodig. Daar is een nood aan bij de arts en patiënt. Honderden bedrijven, zoals Owkin, kunnen vervolgens helpen om bovenop dat systeem met die data, patronen te herkennen die de kwaliteit van de zorg verbeteren."
Hoe kijkt Georges De Feu tegen big tech ondernemingen, die ook inzetten op informatie uit patiëntendossiers toegankelijk maken voor AI en onderzoek, en nieuwe cloud-diensten bieden? "In andere landen zie je gelijkwaardige bedrijven die AI inzetten voor beter datamanagement, zoals Savana in Spanje en Verantos in de VS. Grote bedrijven als Microsoft en Google bieden ook een aantal AI systemen en modules aan waarmee organisaties zelf aan de slag kunnen. Maar deze systemen en modules, vaak cloud-based, kunnen niet direct worden gebruikt in een onderzoeksdatabase. De kwaliteit is nog onvoldoende. Microsoft probeert wel modules aan te bieden, maar die bouwen niet een volledige oplossing voor een zorgorganisatie. Ze bieden losse componenten aan, maar daar heb je nog geen goed datamanagementsysteem mee."
Zorginstelling aan zet
De Feu kijkt met vertrouwen vooruit en is overtuigd van het belang van zijn zorgoplossing. "We verwerken de data en zorgen voor een beter datamanagement in het ziekenhuis. Het platform kijkt in alle datasystemen, haalt de juiste informatie eruit en maakt het toegankelijk voor de arts. Overigens kan de arts altijd bij de brondata en ziet zij of hij precies hoe dat is opgebouwd. Het is geen black box met een AI die onbekende stappen neemt. Het gaat om wetenschap en mogelijk nieuwe behandelmethodes bij patiënten. Dan is transparantie en betrouwbaarheid gewenst. Het is aan de ziekenhuizen om vervolgstappen te zetten en daadwerkelijk aan de slag te gaan met de data."
Masterclass Kunstmatige Intelligentie in de zorg: Belgische editie
Ontmoet Georges De Feu (LynxCare) en andere sprekers tijdens de masterclass Kunstmatige intelligentie in de zorg. Leer meer over de impact en inzet van machine learning en deep learning in een medische setting, en de uitdagingen en kansen voor het medische vakgebied. 19 en 20 mei - Brussel
Plaats een Reactie
Meepraten?Draag gerust bij!