Veelbelovend AI-model in HiX reduceert onnodige screeningen bij prematuren

In samenwerking met de Neonatale Intensive Care Unit (NICU) van het Maxima MC in Veldhoven hebben we een AI-model ontwikkeld om de kans op Retinopathie (ROP) bij extreem prematuren beter te kunnen voorspellen. Dit model belooft aanzienlijke voordelen te bieden voor de prematuren, hun ouders, zorgverleners en zorginstellingen.

Wat is ROP en waarom is screening nodig? 

ROP is een aandoening die als complicatie kan optreden bij veel te vroeg geboren baby’s. Hierbij ontwikkelen de bloedvaten zich abnormaal in het netvlies (retina), wat kan leiden tot slechtziendheid en uiteindelijk zelfs blindheid. Om dit te voorkomen, worden alle prematuren onder de 30 weken zwangerschapsduur nu routinematig gescreend. Dit proces omvat echter een belastend en pijnlijk onderzoek waarbij het netvlies van het kind herhaald wordt onderzocht door een oogarts. 

Het Máxima MC in Veldhoven heeft meer dan 10 jaar ervaring als landelijk verwijs- en expertisecentrum met drie hooggespecialiseerde oogartsen. Om van deze gespecialiseerde zorg gebruik te maken, moeten sommige ouders en kinderen ver reizen om door een van deze oogartsen opnieuw beoordeeld te worden. Dit is niet alleen stressvol voor de ouders, maar ook belastend voor de kwetsbare baby’s. Bovendien is het een logistieke uitdaging voor het centrum om zoveel baby’s te onderzoeken.

Hoe werkt het AI-model? 

Het nieuwe AI-model maakt gebruik van patiëntdata uit het elektronisch patiëntendossier (EPD, PDMS) HiX. Denk hierbij aan gegevens zoals labwaarden, continue metingen (temperatuur, hartslag, zuurstofsaturatie) en standaard patiëntinformatie (gewicht, geboortedatum). Het Logistic Regression Model voorspelt of een baby risico loopt op ROP.  

Het ontwikkelde model kan met zeer hoge precisie kinderen uitsluiten die geen ROP zullen ontwikkelen. Dit betekent dat het mogelijk is om veel minder baby’s onnodig te screenen.

De voordelen: een win-win-win-situatie 

Voor baby’s en ouders is het:

• Minder belastend: het aantal invasieve onderzoeken wordt duidelijk verminderd. 
• Veel comfortabeler: baby’s en ouders worden minder blootgesteld aan stressvolle procedures. 
• Minder stressvol voor de ouders: door vroegtijdig te voorspellen dat een complicatie niet zal ontwikkelen, wordt stress en angst bij ouders verminderd. 

Zorginstellingen kunnen:

• Efficiënter gebruik maken van resources: het model maakt het mogelijk om kostbare tijd en middelen te richten op kinderen met een daadwerkelijk verhoogd risico. 
• Kosten besparen: onnodige onderzoeken worden vermeden. 

Veelbelovend: gepresenteerd op wetenschappelijk congres

Het idee voor een ROP-model kwam van de neonatologen Hendrik Niemarkt en Thilo Mohns, uit het Máxima Medisch Centrum. Na een eerste aanzet samen met Maarten van Rood (lead data scientist), ontwikkelde Ole den Hertog, onder begeleiding van Marc Somberg (strategy lead datagedreven zorg), dit model verder door. Zijn onderzoek bleek zo veelbelovend, dat het gepresenteerd is op het NWO ICT.OPEN congres.

Thilo Mohns: “Dit is een fantastisch voorbeeld van hoe ChipSoft door samenwerking met zorgverleners de zorg beter kan maken met een innovatieve AI-toepassing. Ook zonder winstoogmerk en met potentieel grote impact voor de patiënt en zorgverleners.”

Oproep aan zorginstellingen 

De ontwikkeling van dit model is dus veelbelovend en geeft aan dat vergelijkbare AI-toepassingen ook voor andere aandoeningen mogelijk zijn. Daarom doen wij graag een oproep aan andere zorginstellingen om samen te werken en data te delen, zodat dit soort innovaties breed kunnen worden toegepast en gevalideerd.  

Met meer data kan het ROP-model verder worden geoptimaliseerd en in andere ziekenhuizen worden getest. Dit draagt bij aan nog betere patiëntenzorg en een verdere verlaging van de zorglast.

Door samenwerking tussen medische experts en datawetenschappers worden momenteel grote stappen gezet in het verbeteren van de patiëntenzorg. Het model voor ROP is hier een goed voorbeeld van, met concrete voordelen voor baby’s, ouders en zorginstellingen.

Helpt uw zorginstelling graag mee aan deze oplossing door data te delen of heeft u een vergelijkbaar vraagstuk dat u graag met behulp van AI wil oplossen? Neem dan contact met ons op.