Voor de juiste behandeling van multiple sclerose (MS) is het belangrijk om te weten wanneer de ziekte verandert van relapsing-remitting naar secundair progressief, een overgang die momenteel gemiddeld drie jaar te laat wordt herkend. Onderzoekers van de Universiteit van Uppsala hebben nu een AI-model ontwikkeld dat met 90 procent zekerheid kan bepalen welke variant de patiënt heeft. Het model vergroot de kans om op tijd met de juiste behandeling te beginnen en zo de progressie van de ziekte te vertragen.
MS is een chronische, ontstekingsziekte van het centrale zenuwstelsel. In Nederland leven naar schatting ruim 36.000 mensen met MS. De meeste patiënten beginnen met de relapsing-remitting vorm (RRMS), die wordt gekenmerkt door episodes van achteruitgang met tussenliggende periodes van stabiliteit. Na verloop van tijd gaan veel mensen over naar secundair progressieve MS (SPMS), waarbij hun symptomen juist steeds erger worden, zonder duidelijke onderbrekingen.
Tijdig de juiste behandeling kiezen
Het identificeren van deze overgang is belangrijk omdat de twee verschillende vormen van MS verschillende behandelingen vereisen. Momenteel wordt de diagnose gemiddeld drie jaar na het begin van de overgang gesteld, wat ertoe kan leiden dat patiënten medicijnen krijgen die niet meer effectief zijn.
Het nieuwe AI-model vat klinische gegevens samen van meer dan 22.000 patiënten in het Zweedse MS-register. Het model is gebaseerd op gegevens die al zijn verzameld tijdens reguliere bezoeken aan artsen. Denk aan gegevens van neurologische tests, MRI-scans en lopende behandelingen. “Door patronen van eerdere patiënten te herkennen, kan het model bepalen of een patiënt de relapsing-remitting vorm heeft of dat de ziekte is overgegaan in secundair progressieve MS. Uniek aan het model is dat het ook aangeeft hoeveel vertrouwen het heeft in elke individuele beoordeling. Dit betekent dat de arts weet hoe betrouwbaar de conclusie is en hoeveel vertrouwen de AI heeft in zijn beoordeling,” zegt Kim Kultima, die het onderzoek leidde.
Hoge nauwkerigheid
In het onderzoek, dat nu is gepubliceerd in het tijdschrift npj Digital Medicine, identificeerde het model de overgang naar secundair progressieve MS in bijna 87 procent van de gevallen correct of eerder dan gedocumenteerd in het medisch dossier van de patiënt, met een algehele nauwkeurigheid van ongeveer 90 procent. Voor patiënten betekent dit dat de diagnose eerder kan worden gesteld, waardoor de behandeling van de patiënt op tijd kan worden aangepast en de progressie van de ziekte kan worden vertraagd. Dit verkleint ook het risico dat patiënten medicijnen krijgen die niet meer effectief zijn.
“Op de lange termijn zou het model ook gebruikt kunnen worden om geschikte deelnemers voor klinische studies te identificeren, wat zou kunnen bijdragen aan effectievere en meer geïndividualiseerde behandelstrategieën,” concludeert Kultima. Een open, geanonimiseerde versie van het model is nu beschikbaar voor onderzoekers via deze link.
Het onderzoeken van de mogelijkheden die AI en big data kunnen bieden voor de diagnostiek en behandeling van MS werd enkele jaren geleden ook al aanbevolen door een Europees samenwerkingsverband van wetenschappers, MAGNIMS. ZIj pletten destijds al voor het verbeteren van de diagnostiek van deze ziekte door het inzetten van big data en AI bij MRI-onderzoeken. De wetenschappers benoemden toen drie concrete mogelijkheden waarmee MRI-metingen bij MS, en daarmee de MS-diagnostiek, verbeterd kunnen worden.
