Er lijkt geen maat meer te staan op de mogelijkheden die kunstmatige intelligentie voor de zorg kan ontsluiten. Zo heeft een team van onderzoekers, onder leiding van het Penn State College of Medicine, een nieuwe AI-methode ontwikkeld om de progressie van auto-immuunziekte te voorspellen bij mensen met preklinische symptomen.
Bij auto-immuunziekten worden lichaamseigen gezonde cellen en weefsels ten onrechte aangevallen – en vernietigd – door het eigen immuunsysteem. In het preklinische stadium, voordat een diagnose gesteld is, uiten deze ziektes zich vaak door milde symptomen of bepaalde antilichamen in het bloed. Er zijn echter ook mensen bij wie de symptomen weer verdwijnen voordat ze uitmonden in het volledige ziektestadium.
Ziekteverloop voorspellen met AI
Daarom is het van cruciaal belang om te weten bij wie de ziekte zich verder kan ontwikkelen, zodat een behandeling in een zo vroeg mogelijk stadium gestart kan worden. Met de AI-methode die nu ontwikkeld is, kunnen gegevens uit elektronische patiëntendossiers en grote genetische studies van mensen met auto-immuunziekten geanalyseerd worden om zo tot een risicovoorspellende score te komen.
Uit een vergelijking met bestaande modellen is gebleken dat de AI-methode tussen 25 en 1000 procent nauwkeuriger is in het bepalen bij wie de symptomen zouden overgaan in een gevorderde ziekte. “Door ons te richten op een relevantere populatie -- mensen met een familiegeschiedenis of die vroege symptomen ervaren -- kunnen we machine learning gebruiken om patiënten met het hoogste ziekterisico te identificeren en vervolgens geschikte medicatie selecteren die de progressie van de ziekte kunnen vertragen”, vertelt zei Dajiang Liu, hoogleraar en directeur AI en Biomedische Informatica aan het Penn State College of Medicine.
Genetic Prediction Score (GPS)
Om de nauwkeurigheid van voorspellingen te verbeteren, ontwikkelde het onderzoeksteam een nieuwe methode, Genetic Progression Score of GPS genaamd, om de progressie van preklinische naar ziektestadia te voorspellen. GPS maakt gebruik van het idee achter transfer learning - een techniek voor machinaal leren waarbij een model wordt getraind op één taak of dataset en vervolgens wordt verfijnd voor een andere, gerelateerde taak of dataset. Hierdoor kunnen onderzoekers betere informatie halen uit kleinere hoeveelheden beschikbare gegevens.
GPS wordt getraind op gegevens van grote case-control genoomwijde associatiestudies (GWAS), een populaire aanpak in genetisch onderzoek om genetische verschillen te identificeren tussen mensen met een specifieke auto-immuunziekte en mensen zonder, en om potentiële risicofactoren op te sporen. Daarnaast bevat de data ook gegevens uit biobanken op basis van elektronische patiëntendossiers, die rijke informatie over patiënten bevatten, waaronder genetische varianten, laboratoriumtests en klinische diagnoses. Deze gegevens kunnen helpen om individuen in preklinische stadia te identificeren en de progressiefasen van preklinisch naar ziektestadium te karakteriseren. Gegevens uit beide bronnen worden vervolgens geïntegreerd om het GPS-model te verfijnen, waarbij factoren worden meegenomen die relevant zijn voor de daadwerkelijke ontwikkeling van de ziekte.
AI en diagnostiek
Zoals gezegd wordt veel onderzoek, vaak met succes, gedaan naar de mogelijkheden die AI-modellen kunnen ontsluiten voor het sneller, en nauwkeuriger diagnosticeren van ziektes. Zo berichtten wij onlangs over AI-modellen die in Zweden ontwikkeld zijn voor het beter, en sneller, diagnosticeren van eierstokkanker.
Eind vorig jaar bleek uit onderzoek, uitgevoerd in het JBZ, dat kleine knobbeltjes, zogenoemde longnoduli die een mogelijk op de aanwezigheid van longkanker kunnen wijzen, met behulp van AI beter en sneller onderzocht kunnen worden. En nieuw ontwikkelde AI-software is in staat gebleken om hersenscans van patiënten die een beroerte hebben gehad twee keer nauwkeuriger te lezen en analyseren. Daarmee kan het exacte tijdstip waarop de beroerte ontstaan is veel nauwkeuriger bepaald worden. Cruciale informatie voor artsen die moeten beslissen of de beroerte met succes kan worden behandeld.
