Met het project ‘Heartfelt’ ontwikkelen Ziekenhuis Oost-Limburg (ZOL) en imec een algoritme dat hartritmestoornissen kan voorspellen. Zo komen risicopatiënten sneller in het vizier en kan men hen  beter opvolgen via artificiële intelligentie en veilig gedeelde inzichten uit patiëntendata. 

Trigger was de Amerikaanse Mayo Clinic die in 2019 wereldwijd pionier bleek met een algoritmisch AI-predictiemodel dat voorkamerfibrillatie (VKF) kon ontdekken, een maand vóór er iets te zien is op een elektrocardiogram (ECG).

Voorkamerfibrillatie 30 dagen vooraf voorspellen zou in principe moeten volstaan om een behandeling tijdig op te starten, maar een patiënt wordt niet elke maand gemonitord in het ziekenhuis met een ECG. Het komt erop aan die voorspellende periode op te rekken tot zowat een jaar, wat een bredere groep in het vizier brengt die geholpen kan worden. En dat  zonder dat het ziekenhuis onder een lawine van screenings bedolven wordt. De voorspellende kracht van het algoritme moet dus de hoogte in.

Heartfelt

Enter cardioloog Pieter Vandervoort van het Ziekenhuis Oost-Limburg (ZOL) – die overigens al een pak ervaring op dat vlak verzamelde. Hij wil het algoritme van de Mayo Clinic verder verfijnen met behulp van machine learning op de eigen data. Dat vergt wel een pak meer ECG-patiëntengegevens. In een volgende fase worden nog data van andere ziekenhuizen en van een zelftestapp als FibriCheck privacyveilig opgenomen. Meteen was het Heartfeltproject geboren.

Het AI-model van Heartfelt zal ‘federated learning’ toepassen: het verbetert naarmate het meer met data wordt gevoed, om finaal een sneller en nauwkeuriger predictiemodel voor VKF te ontwikkelen. Zo zullen meer risicopatiënten opgespoord worden. In essentie komt het erop neer dat niet de data gedeeld worden, maar wel de inzichten die uit de data voortkomen. Het maakt het ook mogelijk om diverse AI-modellen met elkaar te laten samenwerken, zonder dat een partij haar intellectueel eigendomsrecht op deze modellen hoeft te verliezen. Technisch gaat het om PAML (privacy-preserving amalgamated machine learning).

Niet dat we dit morgen al toegepast zullen zien op de ziekenhuisvloer, legt Noëlla Pierlet, head of data science bij ZOL, uit in de nieuwsbrief van Imec. Dat vergt nog klinische studies  na toestemming van het ethisch comité, het FAGG (federaal agentschap voor geneesmiddelen en gezondheid) en juridische rugdekking. Tot slot moet je rekening houden met een certificeringsperiode. Bovendien moet het algoritme de groep risicopatiënten correct afbakenen. Pierlet schat in dat dit alles zowat zeven jaar in beslag zal nemen. 

Dokter versus algoritme

De klassieke vrees bij dokters is natuurlijk dat op een gegeven moment het algoritme het van hen zal overnemen, maar die vrees is volgens experts ongegrond. Dergelijke algoritmes zijn beslissingsondersteunend. Het model spreekt zich niet uit over de vraag of een behandeling of medicatie wel of niet opgestart moet worden, dat blijft de verantwoordelijkheid van de arts. Maar het spoort wel risicopatiënten op die anders misschien over het hoofd worden gezien. In die zin vergemakkelijkt het de taak van de arts en krikt het de kwaliteit van de geneeskunde op.

Imec en ZOL zullen dus zeker ook nog op zoek gaan naar bijkomende ziekenhuizen en partners om het algoritme zo sterk mogelijk te maken. Hoe breder de basis, hoe sterker de voorspellende kracht. Wie in dat vervolgproject wil meestappen, geeft best een seintje aan Nele Gerrits (funding manager Public Health bij imec) via nele.gerrits@imec.be