Tech

Machine Learning in de spreekkamer

Een behandeling die past bij jou en die de kwaliteit van jouw leven verbetert, omdat deze behandeling in de praktijk heeft bewezen te werken bij vergelijkbare patiënten. Dit kan alleen door de mogelijkheden van computers om enorme hoeveelheden data te analyseren te combineren met de unieke en onvervangbare kennis en kunde van artsen.

Medische wetenschap is op dit moment gebaseerd op gemiddelde resultaten bij een kleine groep, slecht representatieve patiënten. Deze patiënten zijn veelal jonge blanke mannen die geen andere aandoeningen hebben en geen andere medicijnen gebruiken. De meeste, en vooral de ingewikkelde, patiënten die een dokter ziet, lijken dus weinig op de patiënten waar de kennis waar deze arts toegang toe heeft op is gebaseerd.

Iedere patiënt is uniek, maar we zouden van iedere patiënt kunnen leren. We leven nu in het digitale tijdperk waar dokters en patiënten steeds meer digitale informatie genereren bij alles wat zij doen. Aan de hand van deze data kunnen we direct en objectief van iedere patiënt leren welke behandeling bij wie het beste werkt.

Niet op de stoel van de arts

Bij Pacmed ontwikkelen wij beslissingsondersteunende software op basis van de analyse van grote hoeveelheden geanonimiseerde medische data. De software die wij hebben ontwikkeld ter ondersteuning bij de behandelkeuze bij urineweginfecties wordt binnenkort door zo’n honderd huisartsen gebruikt.

Twee jaar geleden was dit nog alles behalve vanzelfsprekend. De waarde van het door analyse van grote hoeveelheden data persoonlijker en preciezer maken van zorg werd direct erkend door experts. Wij werden echter gewaarschuwd dat artsen een dergelijke innovatie niet snel zouden omarmen, omdat zij het gevoel zouden kunnen krijgen dat dergelijke systemen hen op de lange termijn zouden kunnen vervangen.

Ons grote draagvlak bij artsen lijkt het gevolg van het feit dat onze software niet op de stoel van de arts gaat zitten, maar er juist voor zorgt dat de positie van de arts wordt versterkt. De software stelt de arts namelijk in staat haar expertise beter te benutten doordat het de arts van de benodigde informatie voorziet om in vrijheid op maat gemaakte zorg te leveren. Daarnaast zorgt de software ervoor dat de ervaring van iedere arts direct bijdraagt aan de verbetering van de zorg.

Betrokkenheid

Software is een aanvulling op medisch onderzoek en niet op de kunde van een arts. Het systeem vertelt een arts dan ook niet wat te doen, maar presenteert de verwachte uitkomsten van verschillende behandelopties. Dit doet zij door met een druk op de knop een op-maat-gemaakt onderzoek te presenteren, op basis van behandelresultaten in de praktijk bij vergelijkbare patiënten.

Medische expertise is essentieel bij de ontwikkeling van dergelijke systemen. De steun van betrokken patiënten, medisch onderzoekers en een grote groep huisartsen is noodzakelijk geweest om volledig in kaart te krijgen hoe de gebruikte data tot stand is gekomen, wat de patiëntreis is en welke verwachte behandelresultaten relevant zijn voor het werk van de arts en de kwaliteit van leven van de patiënt.

Om ervoor te zorgen dat onze algoritmen alleen maar valide verbanden presenteren die begrepen kunnen worden door artsen, zijn de gebruikte algoritmen gebaseerd op enkele honderden patiëntkenmerken die door artsen als relevant zijn gekenmerkt. Tot slot gebruiken wij algoritmen die, in tegenstelling tot de meeste andere machine learning technieken, volledig gecommuniceerd en geïnterpreteerd kunnen worden naar de arts.

Wouter Kroese

Mede-oprichter Pacmed

WouterKroese_311

0 Reacties

om een reactie achter te laten
Top