Big data en kunstmatige intelligentie

Dit algoritme berekent de kans op hartritmestoornissen

© michaelheim / stock.adobe.com

Machine learning kan artsen ondersteunen bij de beslissing welke patiënten een defibrillator of pacemaker nodig hebben. Onderzoek met een eerste rekenmodel levert al een redelijke voorspelling op van de kans op plotselinge hartritmestoornissen.

Het algoritme kan verder verbeteren door het meer te trainen en extra variabelen in te voeren. Dat voorspelden Japanse en Amerikaanse onderzoekers bij de presentatie van het rekenmodel op de International Conference on Nuclear Cardiology and Cardiac CT.

__________________________________________________________________________________________

Abonneer u nu op de nieuwsbrief van QruxxTech. En krijg daarmee iedere maandag een update van alle artikelen, blogs en nieuwsberichten.

___________________________________________________________________________________________

Vooral patiënten met een milde vorm van hartfalen kunnen plotseling een soms fatale ritmestoornis krijgen. Een pacemaker of defibrillator kan dergelijke ritmestoornissen corrigeren en daarmee de kans op plotseling overlijden verlagen. Maar deze behandeling is duur en werkt niet bij alle patiënten.

Rekenmodel

De onderzoekers ontwikkelden een rekenmodel om de kans op een plotselinge ritmestoornis te voorspellen. Ze maakten daarbij gebruik van de gegevens van 529 patiënten. Het betrof mensen met hartfalen van wie over een periode van twee jaar bekend was of en hoe vaak er een plotselinge ritmestoornis is opgetreden en welke patiënten waren overleden waren aan hartfalen. Zowel ritmestoornissen die adequaat (met een defibrillator) zijn opgevangen als ritmestoornissen die de dood als gevolg hadden, telden mee.

De onderzoekers koppelden deze klinische uitkomsten vervolgens aan informatie over acht risicofactoren die artsen hanteren bij het bepalen van de prognose voor patiënten met hartfalen. Het gaat hierbij om leeftijd, geslacht, de ernst van het hartfalen en de pompfunctie van het hart. Maar ook om de mate van bloedvoorziening van het hart, de concentratie van het eiwit BNP in het bloed, de nierfunctie en de hart tot mediastinum-ratio (HMR), gemeten met nucleair geneeskundig onderzoek.

Trainen

In de twee jaar waarover gegevens van de 529 patiënten beschikbaar waren, waren er 37 plotselinge hartritmestoornissen en 104 sterfgevallen door hartfalen. Het algoritme voorspelde 87 procent van een van deze situaties; 74 procent van de plotselinge ritmestoornissen en 91 procent van de sterfgevallen. 74 procent betekent een redelijke voorspelling. Volgens de onderzoekers kan deze voorspelling nog verbeteren door meer variabelen aan het rekenmodel toe te voegen. Ook kun je het algoritme trainen met data van meer patiënten.

Kosteneffectief

De methode om de HMR te meten is tot nu toe alleen in de Verenigde Staten en Japan goedgekeurd voor de klinische praktijk. In Europa is de methode wel in gebruik voor wetenschappelijk onderzoek. Buiten Japan gebruiken cardiologen deze methode niet veel, omdat de radioactieve tracer tot tien keer duurder is. Desondanks kan de methode volgens Nakajima toch kosteneffectief zijn. Dit omdat het mogelijk onnodige dure implantaties van pacemakers en defibrillatoren bij laag-risicopatiënten voorkomt.

Hier vindt u de abstract van het onderzoek.

Reacties