Contact
  1. AI-model voorspelt beste behandeling melanoom patiënt

Digitale patiëntendossiers staan vol met data. Waardevolle informatie waarmee wij in ziekenhuizen nauwelijks iets doen. Terwijl het juist kan helpen bij het bepalen van de juiste behandeling. Hoe haal je die waardevolle informatie uit al die patiënten data?

Jan Willem de Groot en Richard Brohet

Richard Brohet, genetisch epidemioloog, statisticus en datascientist bij de Isala Academie startte samen met collega’s het Data Science Experience (DSX) project. Het eerste model dat de beste behandeling voor patiënten met melanoom kan voorspellen, is inmiddels in de basis klaar.

‘Het is mijn wens om de zorg voor patiënten te verbeteren door gebruik te maken van beschikbare data’, vertelt Richard. ‘Dat wil ik in eerste instantie doen voor oncologie patiënten. DSX maakt gebruik van alle medische gegevens in Isala, oftewel Big Data. Met artsen hebben wij overlegd wat voor algoritme met AI (artificial intelligence) wij als eerste wilden ontwikkelen. De keuze viel op melanoom. Samen met internist-oncoloog Jan Willem de Groot ben ik daarom deze pilotstudie gestart.’

Zorg op maat

Wanneer een patiënt kanker heeft, wil je weten waarom het is ontstaan en wat de beste behandeling is. Richard: ‘Voor oncologiepatiënten zijn die vragen lastig te beantwoorden. Kanker kan ontstaan door verschillende oorzaken, denk aan leefstijl, hormonen, omgeving, genetische afwijkingen, erfelijkheid, of een combinatie van deze factoren. Ook hangt de behandeling van kanker af van persoonlijke, klinische en genetische kenmerken. Omdat iedere tumor en dus iedere patiënt uniek is, willen we een behandeling op maat zodat de overleving beter is en de kans op een behandeling die niet werkt kleiner is. Patiënten met melanoom krijgen naast chemotherapie nu ook doelgerichte therapie of immunotherapie. Dit slaat bij de ene patiënt wel aan, maar bij de andere niet. Hoe kan dat? AI zou enorm kunnen helpen bij het beantwoorden van deze vraag en het leveren van een behandeling op maat. Dat proberen wij nu dus met DSX te doen.’

Afvinklijst

Bijzonder voor DSX is dat het gestructureerde en ongestructureerde data gebruikt bij de analyses. Jan Willem: ‘Gestructureerde data zijn bijvoorbeeld geslacht, leeftijd, gewicht, grootte van de tumor enzovoort. Ongestructureerde data zijn alle gegevens die ik invul in de open tekstvelden. Hoe gaat het met iemand, wat is zijn leefstijl, wat is zijn beroep, hoe gaat hij met de ziekte om. Dus alles wat niet past in een afvinklijst maar wat wel belangrijke informatie is. Door ook die data te gebruiken, kun je zoeken naar wat je niet verwacht en verbanden zien. Ook geeft het ons inzicht in de uitkomsten van de verschillende behandelingen over de tijd. Complexere data kunnen wij op deze manier steeds beter vangen en analyseren en wij kunnen beter zien wat voorspellende factoren zijn.’

Groeien

Het basismodel om te voorspellen wat de beste behandeling is voor een patiënt met melanoom is nu klaar. Jan Willem: ‘Het werkt, wij hebben er vertrouwen in. Als ik de gegevens van een bekende patiënt invoer, voorspelt dit model inderdaad de juiste behandeling. Maar wij moeten het nog verder valideren. Het algoritme moet nog groeien en dat kan alleen als wij patiënten blijven toevoegen, ook van andere melanoomcentra. Dan worden de voorspellingen nog beter en kun je patiënten maatwerk bieden. Er wordt vaak gezocht naar medicijnen die het leven met een paar maanden kunnen rekken. Mijn mening is dat wij beter kunnen investeren in de kwaliteit van leven. Dit kunnen we doen door te leren van de beschikbare data om zo samen met de patiënt te beslissen over de meest passende behandeling.’

 

Gerelateerd nieuws