VOORSPELLENDE AI-MODELLEN VIA EKG
Vorige zomer kreeg RADar, het leer- en innovatiecentrum van AZ Delta, groen licht voor een innovatief onderzoeksproject. Met ADAM (Advanced Data-Aided Medicine) wil RADar de voorspellende mogelijkheden van artificiële intelligentie (AI) testen, in het bijzonder voor kransslagaderaandoeningen en longkanker. Ondertussen zijn de eerste modellen ontwikkeld. En die bieden alvast veel perspectief, volgens cardioloog dr. Karl Dujardin en ir. dr. Stijn Dupulthys.
VOORSPELLENDE AI-MODELLEN VIA EKG
Vorige zomer kreeg RADar, het leer- en innovatiecentrum van AZ Delta, groen licht voor een innovatief onderzoeksproject. Met ADAM (Advanced Data-Aided Medicine) wil RADar de voorspellende mogelijkheden van artificiële intelligentie (AI) testen, in het bijzonder voor kransslagaderaandoeningen en longkanker. Ondertussen zijn de eerste modellen ontwikkeld. En die bieden alvast veel perspectief, volgens cardioloog dr. Karl Dujardin en ir. dr. Stijn Dupulthys.
Links dr. Karl Dujardin, rechts ir. dr. Stijn Dupulthys
“Voorspellingen op basis van onze EKG-data. Een mooi voorbeeld van innovatie, dat we open source willen aanbieden.”
Op basis van een EKG voorspellen dat iemand binnen vijf jaar een trombose zal krijgen? Het lijkt sciencefiction maar dat is het niet. Het verhaal is een stuk genuanceerder, en vooral complexer. Dr. Dujardin: “In de praktijk zien we patiënten meestal pas wanneer ze symptomen hebben, en bij sommige ernstige aandoeningen is het dan al te laat om nog te kunnen ingrijpen. Mochten we AI-modellen hebben die op basis van data voorspellingen doen, dan kunnen we preventief optreden en levens redden.”
Er lopen wereldwijd heel wat studies naar AI-toepassingen in geneeskunde. En ondertussen zijn al diverse casussen bekend waarbij dankzij AI inderdaad kon worden voorkomen dat iemand bijvoorbeeld een trombose krijgt. Dr. Dujardin: “Het komt er nu op aan om te bewijzen dat dit geen alleenstaande gevallen zijn en dat die AI-modellen ook bij andere aandoeningen en andere patiëntenpopulaties toepasbaar zijn. Vandaar dat wij met AZ Delta, ook al zijn we geen universitair ziekenhuis, op zo’n onderzoek willen inzetten, want onze populatie kan anders zijn.”
CAPTEREN BRUIKBARE DATA
Voor voorspellende AI-modellen heb je in de eerste plaats heel veel vergelijkbare data nodig. Goed nieuws is dat ziekenhuizen heel diverse gegevensbronnen hebben: administratieve data, elektronische patiëntendossiers, medische beeldvorming, bloedonderzoek, enz. Maar die data zijn niet altijd gestructureerd of van goede kwaliteit. Ir. dr. Dupulthys: “Een eerste stap is het capteren van alle data waarover we beschikken en die in een gecodeerde omgeving bundelen en een context meegeven. Pas dan kunnen we data gaan vergelijken en voorspellingen maken.”
In het geval van kransslagaderaandoeningen valt uit EKG’s bijzonder veel informatie te halen, geeft dr. Dujardin mee: “Een elektrocardiogram is een opeenvolging van kleine elektrische signalen. Per meting per patiënt krijg je zo enorm veel data. Stel dat we straks via wearables de elektrische activiteit van de hartspier kunnen registreren, dan krijgen we nog veel meer data, en in real time.
“Artificiële intelligentie richt zich op één specifieke uitkomst, terwijl wij als mens een veel bredere kijk hebben.”
Als arts is het onmogelijk om al die data te ‘zien’. Daarvoor heb je computerkracht en wiskundige modellen nodig. Gelukkig hebben we met RADar de nodige knowhow in huis. Collega Dupulthys is ingenieur én arts, en heeft zelf de klinische datapipeline ontworpen om voorspellingen te kunnen maken op basis van onze EKG-data. Een mooi voorbeeld van innovatie, dat we open source willen aanbieden.”
ROL ARTS
Ir. dr. Dupulthys: “Nu we over voldoende bruikbare data beschikken, kunnen we een voorspellend model voor kransslagaderaandoeningen ontwikkelen. In een volgende stap willen we dat model testen bij meerdere patiëntenpopulaties, om te zien of de voorspellende kracht overeind blijft. Het zal ook nodig blijven om onze modellen continu te herevalueren. Want de data zelf evolueren continu. Een CT-scan van twintig jaar geleden bijvoorbeeld valt niet meer te vergelijken met een CT-scan van vandaag.”
De AI-modellen bieden enorme mogelijkheden, maar ze hebben hun beperkingen. Dr. Dujardin: “Artificiële intelligentie richt zich op één specifieke uitkomst, terwijl wij als mens een veel bredere kijk hebben. Door die enge focus is AI net zo krachtig, maar het maakt ook dat interpretatie door artsen nodig blijft. Er blijft ook altijd een stukje onzekerheid: AI-modellen voorspellen een zekere kans dat iets zal voorvallen maar bieden nooit 100 procent zekerheid. Het is aan artsen om die ‘kans’ af te wegen en al dan niet behandelingen op te starten.”
RADAR PRESENTEERT EIGEN TOOL IN DE VS
Midden oktober was het RADar-team te gast op het OHDSI-symposium (Observational Health Data Sciences and Informatics) in de VS om er een zelf ontwikkelde tool voor te stellen. Dit internationale open platform streeft ernaar om zo veel mogelijk patiëntendata te standaardiseren zodat ze bruikbaar worden voor onderzoeksprojecten zoals ADAM. OHDSI heeft daarvoor het OMOP Common Data Model ontwikkeld.
RADar is absoluut overtuigd van de meerwaarde van OMOP. Datascientist Pieter-Jan Lammertyn: “Data in ziekenhuizen zijn niet altijd even bruikbaar. Als een arts het in een patiëntenbrief over een ‘spoortje pleuravocht’ heeft, is dat voor de arts duidelijk maar voor een computer niet. OMOP helpt ons om onze data te structureren en te standaardiseren.”
Om data om te zetten naar OMOP heb je IT-kennis én medische kennis nodig. Niet elk ziekenhuis beschikt over een team van data-engineers zoals RADar, dat nu een tool heeft om het extraheren, transformeren en laden van data makkelijker te maken: “Die tool willen we zo veel mogelijk delen. Want hoe meer ziekenhuizen de OMOP-standaard gebruiken, hoe meer data we hebben om bv. AI-modellen te testen.”
NB: link naar het programma van het OHDSI-symposium: https://www.ohdsi.org/ohdsi2022symposium/
MEER INFO Dr. Karl Dujardin karl.dujardin@azdelta.be Auteur: Conny Van Gheluwe Foto: Thomas Callens