Beter behandelen dankzij big data

Dat onze hersenen krimpen als we ouder worden, is niet alarmerend. Dat gebeurt bij iedereen. Maar onderzoekers ontdekten dat wanneer de krimp rap gaat, er een grotere kans is op de ziekte van Alzheimer. Radiologen speuren daarom in hersenscans naar tekenen van zo'n snel krimpend brein. "Maar hoe weet je precies wat abnormaal is?", zegt Wiro Niessen, hoogleraar aan het Erasmus MC en de TU Delft.

Een computerprogramma dat Niessen ontwikkelde, helpt radiologen bij het beantwoorden van deze vraag. "De verdachte scans van een patiënt vergelijken we met heel veel afbeeldingen van andere patiënten. Daardoor ziet het computerprogramma of er een abnormale krimp is, die met het blote oog welhaast niet is waar te nemen. Dat is een teken voor de radioloog om de scan nog beter te bekijken en bijvoorbeeld de patiënt verder te onderzoeken."

Het is een fascinerend voorbeeld van hoe big data nu al in ziekenhuizen wordt gebruikt. Een computer kan ontzettend veel meer en sneller scans met elkaar vergelijken dan een mens. De radioloog doet hierdoor beter zijn werk. Maar het grootste voordeel heeft de patiënt. Want een ziekte wordt eerder gevonden doordat de computer en specialist samenwerken. Daardoor gaat de genezing sneller of wordt het verloop van een ziekte aanzienlijk vertraagd. Zo'n slim computerprogramma neemt natuurlijk zelf geen beslissingen, maar vult de specialist aan.

Voor zijn onderzoek ontving Niessen deze week de prestigieuze Simon Stevin Meester-prijs van technologiestichting STW. Hij mag een half miljoen euro besteden aan onderzoek naar big data in de zorg. Ziekenhuizen zijn bij uitstek een plek waar personeel bergen informatie verzamelt. Al die testen en apparaten leveren allemaal gegevens op en daar doen de onderzoekers naar big data hun voordeel mee.

"Er is een grote variëteit onder patiënten. Iedereen is anders. Denk maar aan de etnische achtergrond, waar iemand woont, de leeftijd en of je man of vrouw bent. Tegelijkertijd zijn ziektes ook heel erg verschillend. Neem tumoren, die zitten niet alleen op verschillende plekken maar er bestaan ook meerdere typen. De ene tumor moet daarom anders behandeld worden dan de andere", aldus Niessen.

undefined

Gerichte behandelingen

Die grote verschillen zijn voor artsen niet makkelijk te overzien. Een dokter moet dan met zoveel factoren rekening houden dat het haast ondoenlijk is. De computer kan helpen. "Stel jij hebt een tumor. Dan nemen ze in een ziekenhuis allerlei tests af", zegt Niessen. "Al die gegevens voeren ze in een computer in. Software vergelijkt deze data met gegevens van andere patiënten uit het verleden, van wie we weten dat de toen gekozen behandeling succesvol was. Daarmee doen we gerichter behandelingen met de meeste kans op succes."

Dat maakt een meer persoonlijke therapie mogelijk. "We zullen ziektes, zoals kanker, op deze manier veel effectiever behandelen dan voorheen. Blijkt uit nieuwe metingen dat de tumor zich plots anders ontwikkelt dan gedacht? Dan passen we snel de behandeling aan de nieuwe situatie aan", weet Niessen.

Zover is het nog niet. Wetenschappers werken momenteel wereldwijd aan een aanpak die dit mogelijk maakt. Niessen is een van hen. Hij wil de ziekte van Alzheimer en hart- en vaatziekten al in een vroeger stadium detecteren en beter het verloop voorspellen. Het liefst nog voordat iemand zelfs maar doorheeft er aan te lijden. "We willen een trendverschuiving: van behandeling naar preventie. Dit gaat mensenlevens redden", zegt hij.

Maar onderzoekers moeten dan eerst beter weten hoe ziektes zich ontwikkelen. "Want eigenlijk weten we daar nog maar weinig van. Leven is zeer complex en ziekte is dat ook. We willen risico-factoren ontdekken, die een bepaalde ziekte veroorzaken. Daarvoor hebben we heel veel info nodig. Bijvoorbeeld over de levensstijl, voedingspatronen, maar ook genetische en metabolische data van mensen."

Niessen gebruikt gegevens die al sinds 1990 worden verzameld van mensen in de Rotterdamse wijk Ommoord. Sinds 2005 staat daar zelfs een MRI-scanner waarmee alle deelnemers van de studie worden gescand. "We maken scans van het brein en slaan genetische gegevens op. We willen met deze metingen zogeheten biomarkers ontdekken. Dit zijn bijvoorbeeld genetische kenmerken of bepaalde patronen in breinscans die iets zeggen over de aanwezigheid of kans op een aandoening. Ons doel is om na te gaan of iemand met een bepaalde combinatie van biomarkers een grotere kans heeft op dementie of een andere ziekte. Bijvoorbeeld een blanke, oudere roker met een zeer hoge bloeddruk en afwijking in de hersenen. Dan kunnen we daar al eerder op inspelen." Op dit moment is er al een prototype van zo'n computerprogramma. Niessen en collega's gaan de komende jaren testen hoe goed de voorspellingen zijn.

Er zijn andere mogelijkheden voor het gebruik van big data. Een interessant voorbeeld is het voorspellen van een griepepidemie. Uit onderzoek blijkt dat computerprogramma's dat goed kunnen, door zoekopdrachten op internet te analyseren. Wanneer veel mensen ziek zijn zoeken ze via Google naar symptomen. Ook daarbij worden heel erg veel data door een algoritme geanalyseerd. Onderzoekers van de Harvard Universiteit (Verenigde Staten) lieten al zien dat de gegevens van vijftien miljoen mobiele telefoons de verspreiding van malaria in Kenia konden voorspellen. Zij wisten daardoor hoe mensen zich verspreidden door het land en geïnfecteerde gebieden in- en uitgingen. De wetenschappers maakten een algoritme dat voorspelde hoe groot de kans was dat iemand de ziekte had en andere slachtoffers maakte.

undefined

Leven en dood

Nog een voorbeeld: de intensive care. Patiënten liggen daar gekoppeld aan allerlei apparaten, die allemaal gegevens verzamelen. "Voor verplegers is het vaak een zeer onoverzichtelijke situatie. De apparaten geven vaak alleen maar info van de laatste zes seconden. Hoe kun je daar chocola van maken? Bovendien moet een verpleger vaak twee patiënten in de gaten houden. Dat is geen doen terwijl het om situaties van leven en dood gaat", zegt Timothy Buchman, chirurg en hoogleraar aan de Emory Universiteit in Atlanta (Verenigde Staten).

Buchman startte een project voor big data op de intensive care. De gegevens van alle apparaten, die bijvoorbeeld de temperatuur, hartslag, ademhaling en bloeddruk meten, gaan naar een centraal punt. Daar worden ze over een langere periode geanalyseerd. "Een algoritme gaat in real-time na of er afwijkingen zijn. Stijgt de bloeddruk het laatste half uur en neemt tegelijkertijd de zuurstof in het bloed af? Dan moet verplegend personeel de patiënt bijvoorbeeld verder onderzoeken. Het kan ook zijn dat de gegevens van vijf apparaten op die manier worden vergeleken. Het algoritme kijkt naar alle metingen over een langere periode en ziet dus belangrijke ontwikkelingen, die verplegers normaal waarschijnlijk over het hoofd zien", zegt Buchman.

Ook hierbij gaat het weer om heel veel gegevens. Per patiënt komen via de apparaten duizenden datapunten per seconde binnen, geeft Buchman aan. "Alle informatie wordt verwerkt in een centrale waar een toezichthouder, een verpleger, zit. Slaat het systeem alarm? Dan geeft diegene het snel door aan het personeel in de behandelkamer, die de patiënt onderzoekt. Met deze aanpak worden zij alleen lastig gevallen als er echt wat aan de hand is."

Onlangs nog werd bij een patiënt om drie uur 's nachts ontdekt dat zijn zuurstof terugliep. Vanuit de centrale werden de camera's in de kamer geactiveerd en ontdekt dat het alarmsysteem uitstond. "Iemand had het per ongelijk uitgezet. Menselijke fouten vinden voortdurend plaats. Maar je weet nooit waar. Ik ben verantwoordelijk voor 250 bedden op de intensive care van meerdere ziekenhuizen. Door het nieuwe systeem grijpen we sneller in."

Buchman vergelijkt zijn methode met de luchtvaart. "Ik ben ook piloot. Als ik vlieg, krijg ik alleen als het nodig is belangrijke info van luchtverkeersleiders. Zij waarschuwen bijvoorbeeld voor onweer. Ik blijf te allen tijde de bestuurder, maar ik kan niet overal tegelijkertijd op letten en krijg daarom hulp. Op zo'n manier werken we nu ook op de intensive care."

undefined

Snel ingrijpen

Dezelfde aanpak zou goed werken bij de spoedeisende hulp van een ziekenhuis, benadrukt Buchman. Daar komen veel mensen binnen, waarvan een aantal levensbedreigende verwondingen heeft. Maar wie dat zijn, kan het personeel vaak niet direct zien. Wie behandel je als eerste? "Nu maakt een verpleger die inschatting. Maar het is mogelijk om patiënten direct te monitoren. Die gegevens analyseren we direct en vergelijken we met data in onze database, zodat we snel kunnen ingrijpen als iemand plots veel zieker wordt", zegt Buchman. Ook Niessen lijkt dat verstandig. "Je gaat objectiever te werk en weet eerder wanneer er een verslechtering optreedt dan nu."

Het succes van big data staat of valt met het verzamelen en uitwisselen van gegevens van patiënten. Maar dat ligt gevoelig. Hoe waarborg je hun privacy? Begin dit jaar werd de Amerikaanse zorgverzekeraar Anthem nog gehackt, waarbij de gegevens van ruim 78 miljoen mensen buit werden gemaakt. Overigens lukte het de hackers daarbij niet om gevoelige medische info te verzamelen.

Is het niet gevaarlijk als zoveel gegevens worden verzameld? "Het is in het publiek belang om alle data te verzamelen en goed te analyseren. Het is natuurlijk wel heel belangrijk om de gegevens anoniem te gebruiken, zodat ze niet te herleiden vallen tot personen. Bovendien moeten ze zeer goed worden beveiligd, maar dat is absoluut mogelijk", zegt Niessen.

Buchman en Niessen zien de toekomst van de zorg rooskleurig tegemoet. "Ik geloof niet in wonderen", zegt Niessen. "De introductie van big data in de zorg zal stapje voor stapje gaan. Maar ik denk wel dat heel veel innovaties in de zorg de komende jaren vooral mogelijk zijn dankzij nieuwe technieken, kunstmatige intelligentie en big data. Zodat we patiënten eerder helpen en sneller de juiste behandeling vinden. Het brengt zonder meer de sterfte en invaliditeit door bepaalde aandoeningen terug en leidt tot betere zorg. Dat is een grote verandering ten opzichte van nu."

undefined