De klinische blik van de computer: data vs. biologie

De arts van de toekomst is een data-analist. Althans, dat stellen sommige wetenschappers, ICT-experts en professionals in de zorgsector. Computers kunnen een deel van de taken van artsen, verpleegkundigen en specialisten overnemen. Kan een computer betere, snellere en meer betrouwbare diagnoses stellen dan een medisch specialist? Hebben we over tien tot twintig jaar geen dokter meer nodig om een behandelplan op te stellen en om beter te worden? TrendITion over biology versus data.

“Stel, je had de mogelijkheid om de elektronische medische dossiers van alle inwoners van Amerika te doorzoeken. Iedere medische wetenschapper kan dat doen. Ik denk dat dit 10.000 levens kan schelen, alleen al in het eerste jaar.” Die stelling kwam recent van Larry Page, de medeoprichter van Google. Misschien moeten de namen van de personen worden

geanonimiseerd, en misschien moet er ook een logboek worden bijgehouden welke medische onderzoeker de data heeft doorzocht en waarom, voegt Page daar aan toe. Maar op dit moment is de Amerikaanse wet- en regelgeving in de gezondheidszorg zo streng dat veelbelovende mogelijkheden op het gebied van datamining niet uitgevoerd kunnen worden. Datamining is het gericht zoeken naar (statistische) verbanden in grote hoeveelheden data, om bijvoorbeeld profielen op te stellen of om wetenschappelijke onderzoeken te vergelijken en te herinterpreteren.

Het is een markante uitspraak van een van de hoogste bazen van Google: geef ons de data van elektronische medische dossiers, en wij kunnen honderden, of zelfs duizenden mensenlevens redden. Hoe? Door analyses uit te voeren op die medische gegevens, door de rekenkracht van Google’s enorme datacenters en servers in te zetten om dwarsverbanden te zoeken die niet eerder gevonden konden worden door een gebrek aan technologie en schaalgrootte.

Google oprichter Larry Page in gesprek met Vinod Khosla

Maken computers minder fouten?

Vinod Khosla, investeerder bij een bekende venture capital firma in Silicon Valley, vraagt zich in 2012 iets vergelijkbaars af: do we need doctors or algorithms? Met andere woorden: is het mogelijk dat slimme algoritmen delen van het werk van dokters gaan overnemen?

Khosla heeft een uitgesproken mening over de toekomst van de computer als dokter en de onhoudbaarheid van het huidige zorgsysteem. Het zorgsysteem in Amerika en de betaalbaarheid ervan staat, net als in veel andere landen, sterk onder druk. Een arts heeft maar een paar minuten tijd om een patiënt te zien. In die korte tijd moet de patiënt

zijn symptomen zo accuraat mogelijk beschrijven. De arts of specialist moet navragen wat de ziektegeschiedenis en het medicatieoverzicht van de patiënt is om een accuraat beeld te krijgen, en neemt dan op basis van die informatie een beslissing over een behandeling of medicijn. Ongeacht of de arts een internationaal gerenommeerde specialist is of niet, toch blijft die beslissing een menselijke afweging, waarin fouten gemaakt (kunnen) worden.

Al die stappen – de anamnese, het testen op vitale functies, het bekijken van iemands medische voorgeschiedenis – kan in plaats van mensenhanden door technologie worden gedaan, zegt Khosla. Met minder kans op fouten. “In fact, it is not hard to imagine [the computer] having more data than the doctor has since my full patient record would be at the tip of its digital brain, unlike the average doctor who probably doesn’t remember my blood glucose levels or my ferritin from two years ago.”

Dokter Watson

Al in 2011 ontwikkelt Stanford University een computersysteem dat een stuk weefsel onderzoekt en een meer accurate diagnose kan geven voor borstkanker dan een patholoog die de tumor onder een microscoop beoordeelt. Dat is niet de enige doorbraak: het computer programma leert van alle onderzochte tumoren, en kan daarmee nieuwe factoren vaststellen die effect hebben op kanker. “Through machine learning, we are coming to think of cancer more holistically, as a complex system rather than as a bunch of bad cells in a tumor”, vertelt Matt van de Rijn, onderzoeker bij Stanford University.

Computer kracht is nodig om steeds complexere verbanden in grote hoeveelheden data, zoals genmutaties bij kanker, te begrijpen

Ons begrip van kanker neemt dus toe door de denkkracht van computers: we kijken niet naar een klompje kwaadaardige cellen, maar kunnen steeds nauwkeuriger vaststellen wat oorzaken en afwijkingen zijn waardoor patiënten ziek worden. Die computer power is nodig om steeds complexere verbanden in steeds grotere hoeveelheden data, zoals genmutaties bij kanker, te kunnen begrijpen.

Computertechnologie heeft een significante impact op diagnosticeren. Maar kan een computer ook adviseren of een betere behandeling samenstellen dan een dokter? Computergigant IBM komt in 2007 met de eerste versie van Watson, een supercomputer. Watson is een experiment om kunstmatige intelligentie te testen en door te ontwikkelen. Wanneer de computer een vraag wordt gesteld, kan Watson met een zoektocht door encyclopedieën, boeken, wetenschappelijke artikelen, tijdschriften en gedownloade websites een goed antwoord op die vraag geven, vaak binnen enkele seconden. Ook de betrouwbaarheid van de antwoorden wordt afgewogen: op basis daarvan besluit Watson of een antwoord betrouwbaar genoeg is om te geven.

Hoe herken je kanker?

In 2013 begint IBM, samen met een aantal Amerikaanse zorginstellingen en universiteiten, met een service voor het uitlenen van de rekenkracht van Watson. Een ziekenhuis of kliniek kan Watson huren als ondersteuning van oncologische zorg. De ingevoerde medische gegevens van de patiënt worden gecombineerd met informatie van meer dan twee miljoen pagina’s medische tijdschriften,

tekstboeken, en behandelrichtlijnen. Geen enkel mens is in staat om die enorme hoeveelheid informatie te doorzoeken die een computer als Watson binnen enkele seconden scant. IBM Watson wordt momenteel doorontwikkeld om artsen de verschillende behandelopties te presenteren en de betrouwbaarheid van die opties aan te geven, onder het motto helping doctors identify treatment options.

Tegelijkertijd leert de computer ook van de expertise en ervaringen van medisch specialisten. IBM werkt bijvoorbeeld samen met het kankercentrum Memorial Sloan Kettering. De oncologen voeren informatie in over de ruim 30.000 kankerpatiënten die zij jaarlijks behandelen, en die informatie verbetert het cognitieve vermogen van de computer. Watson wordt daarmee getraind om kanker, als een cluster van ziektes met verschillende subtypes, nog beter te begrijpen.

Patiënten verzamelen zelf data, bijvoorbeeld over hun hart

Wisdom of the crowd

Beschikbaarheid van digitale denkkracht om analyses uit te voeren die een mens niet kan doen, is dus essentieel. Tegelijkertijd is er informatie nodig waarop die rekenkracht kan worden losgelaten. Naast eerdergenoemde bronnen als medische dossiers, onderzoeksresultaten en richtlijnen ontstaat er nog een belangrijke bron. Zorgconsumenten en patiënten gaan zelf steeds meer data gaan verzamelen. Bijvoorbeeld door gedrag bij te houden, vragenlijsten in te vullen of zelf metingen te verrichten en dit allemaal digitaal en gestructureerd te verzamelen en delen.

Neem bijvoorbeeld de BlueStar diabetes app van fabrikant WellDoc. Die verzamelt data van duizenden gebruikers en geeft de patiënt real time feedback over hun bloedglucose en het effect van voeding. Of neem de astma inhalator van Propeller Health: deze combineert sensoren, een mobiele app en analytische gegevens en houdt bij waar en wanneer astmasymptomen optreden. Met die informatie van Propeller-gebruikers groeit de wisdom of the crowd. De app laat bijvoorbeeld zien hoe de luchtkwaliteit op verschillende locaties is. Voor het eerst in de geschiedenis is het mogelijk om met data te voorspellen of je ziek wordt.

Smartphone is supercomputer in je hand

De huidige generatie smartphones heeft meer rekencapaciteit dan de supercomputers waarmee complete academische researchcentra werkten in de vorige eeuw. Verschillende industrieën zijn fundamenteel veranderd door mobiele technologie, en in de zorgsector begint die verandering ook in te treden. Er bestaan iPhone-hoesjes die vitale functies meten. AliveCor ontwikkelt een opzetstuk voor smartphones om een elektrocardiogram, een registratie van de hartspier te maken, en direct naar een cardioloog te sturen. Apps sturen medicatieherinneringen en bewaken onze therapietrouw. Met de rekenkracht van een smartphone en de hulp van een database in de cloud kunnen apps een medische diagnose stellen, bijvoorbeeld voor huidafwijkingen. Die nieuwe mHealth-toepassingen leveren een direct voordeel op voor de zorggebruiker, en genereren tegelijkertijd geaggregeerde informatie over bepaalde populaties zoals patiënten met diabetes type 2 of mensen met een hartafwijking.

Trend: medicijnen op maat (foto: Caris Life Sciences/IBM)

Data als dienstverlening

Nieuwe medische platformen zoals Practice Fusion en bedrijven als 23andMe worden aggregators van gezondheidsdata. Maar ook meer commerciële partijen zoals Apple, Jawbone en Samsung ontwikkelen gezondheidsplatformen en -diensten voor consumenten. De producten die deze digital health bedrijven bieden voorzien in een behoefte van de consument, bijvoorbeeld door het aanbieden van een gratis elektronisch medisch dossier (in het geval van Practice Fusion) of de mogelijkheid om voor 99 dollar je DNA-profiel op te laten stellen door 23andMe. Een online platform zoals PatientsLikeMe maakt het voor zorgconsumenten mogelijk om hun data te delen en vergelijken met lotgenoten, waar ter wereld die ook wonen.

Tegelijkertijd maakt de beschikbaarheid van die enorme datacollecties het voor onderzoekers en wetenschappers mogelijk om nieuwe studies uit te voeren en dwarsverbanden te ontdekken. De toenadering van digital health bedrijven en farmaceutische bedrijven toont aan hoe onderzoekers steeds meer gewend raken aan het idee van big data als bron, naast de klassieke grote (en vaak langdurige) double blind studies. Ook de trend van personalized medicine die in de farmaceutische industrie al langer gaande is, waarbij meer op de persoon toegespitste behandelingen en medicijnen worden ontwikkeld, krijgt een nieuwe stimulans door de samenwerking met grote data-verzamelaars zoals 23andMe en PatientsLikeMe.

Biology versus data?

Is ons toekomstige medische landschap er een van biology versus data? Of versterken die twee vakgebieden elkaar juist? De belangrijkste vraag is niet hoe biologie zich verhoudt ten opzichte van nieuwe data-analyses, maar hoe artsen optimaal gebruik kunnen maken van de uitkomsten van data-analyses en de rekenkracht van computers. Biologie en geneeskunde

zijn wetenschappen met een lange historie die telkens nieuwe inzichten opleveren over het functioneren en disfunctioneren van het menselijk lichaam. Digitale ontwikkelingen zijn pas van de laatste decennia, maar hebben een grote impact op de zorgsector. De arts anno nu is nog geen data-analist. De uitdaging voor artsen en zorgprofessionals zit erin om met data én biologie te gaan werken, en om nieuwe onderzoeksmethodes en computergegenereerde kennis in de praktijk in te zetten.