Bloedarmoede is een veel voorkomende aandoening. Wereld hebben zo'n 1,2 miljard mensen er last van. Daaronder zijn vooral veel kinderen en vrouwen in hun vruchtbare levensjaren. Een nieuw ontwikkeld diagnostisch algoritme is nu in staat ijzergebrek, een belangrijke oorzaak voor bloedarmoede, op te sporen. Het algoritme is ontwikkeld door klinisch chemicus in opleiding Steef Kurstjens van het Jeroen Bosch Ziekenhuis.
Bloedarmoede verhoogt bij zwangere vrouwen de kans op een laag geboortegewicht. Een tijdige diagnose van de aandoening is dus belangrijk. Echter, het opsporen ervan is bepaald niet eenvoudig. Huisartsen vragen doorgaan een beperkt oriënterend bloedonderzoek aan, met als resultaat dat bloedarmoede geconstateerd wordt.
Algoritme spoort bloedarmoede op
Om bloedarmoede te kunnen diagnosticeren moet het ferritinegehalte in het bloed worden gemeten. Wanneer dat oor de de klinisch chemicus niet actief wordt onderzocht, dan kan het ijzertekort onopgemerkt blijven. Het nu ontwikkelde algoritme moet uitkomst bieden. "In het oriënterend bloedonderzoek zijn subtiele aanwijzingen te vinden voor een ijzergebrek. Het idee ontstond om met behulp van machine learning een algoritme te ontwikkelen dat die subtiele aanwijzingen zou kunnen herkennen en zo nieuwe ijzertekorten zou kunnen opsporen”, vertelt Steef Kurstjens.
Uit tests is inmiddels gebleken dat het ontwikkelde algoritme beter in staat is de diagnose bloedarmoede te stellen dan de klinisch chemicus. Bij de ontwikkeling van het algoritme is gebruik gemaakt van laboratoriumwaarden van patiënten met bloedarmoede. Het algoritme is vervolgens vergeleken met de beoordeling van de lapresultaten door twaalf klinisch chemici an vier ziekenhuizen. "Het algoritme bleek nauwkeuriger te zijn in het detecteren van een ijzertekort dan de klinisch chemici”, aldus Kurstjens.
Minder gemiste diagnoses
Binnen het Jeroen Bosch Ziekenhuis is het diagnostisch algoritme inmiddels in het laboratoriumsysteem van het ziekenhuis ingebouwd. Daar is het aantal gemiste diagnoses door huisartsen in het verzorgingsgebied van het ziekenhuis inmiddels gereduceerd met gemiddeld één per dag.
Het gebruik van algoritmen en machine learning groeit snel. Met name bij specialismen als radiologie en pathologie. Een mooi voorbeeld daarvan is het proefschrift dat begin dit jaar gepubliceerd werd. Daarin werd aangetoond dat AI-algoritmen even goed in staat zijn prostaatweefsel te beoordelen op de aanwezigheid van kanker als ervaren pathologen.
"In de coronacrisis is wederom het belang van dit soort diagnostische instrumenten aangetoond. Wij hebben toen een algoritme ontwikkeld, de corona-score, dat COVID-19 kan opsporen op basis van routine bloedonderzoek en een longfoto. Deze is veelvuldig gebruikt en heeft daarmee zijn nut aangetoond. Toch worden algoritmes die door machine learning zijn ontwikkeld, vooralsnog slechts beperkt toegepast in de dagelijkse praktijk van ziekenhuizen”, licht Kurstjens nog toe.
