Neurologen van het Erasmus MC ontwikkelden samen met gezondheidseconomen een computermodel. Dit innovatieve model helpt hen bij het voorschrijven van de beste en goedkoopste MS-medicijnen aan patiënten. ‘Ons model schat dat we 50.000 euro per patiënt kunnen besparen als we de voorkeur geven aan ponesimod, dat volgens ons model optimaal werkt. Als je bedenkt dat 1 op de 750 mensen MS krijgt, kan dit veel zorgkosten besparen”, aldus neuroloog Joost Smolders.
De kosten in de MS-zorg zijn de laatste jaren enorm gestegen. Elk nieuw middel dat op de markt komt is duurder, maar lang niet altijd effectiever. Utrechtse neurologen onderzochten daarom of meer patiënten met multiple sclerose (MS) een betere behandeling konden krijgen tegen dezelfde kosten.
Hiervoor ontwikkelden ze een speciaal computermodel, dat uiteindelijk uitrekende dat Nederlandse ziekenhuizen miljoenen euro’s kunnen besparen door de juiste medicatie te kiezen. Dat schrijven de neurologen van het Erasmus MC, in samenwerking met gezondheidseconomen, in het wetenschappelijk tijdschrift Multiple Sclerosis and Related Disorders.
Computermodel leidt tot kostenbesparingen
Multiple sclerose is een chronische aandoening die ongeveer 1 op de 750 mensen in Nederland treft; meestal rond de leeftijd van 29 jaar. Voor patiënten met aanvalsgewijze MS is er een behandeling genaamd Ponesimod, dat het risico op terugval vermindert door ontstekingsaanvallen in de hersenen te voorkomen. Dit medicijn kwam uiteindelijk in het computermodel naar voren als het meest effectieve en kostenefficiënte middel voor deze aandoening.
Dit nieuwe computermodel heeft de potentie om de MS-zorg duurzamer en toekomstbestendiger te maken. Het model evalueerde drie veelgebruikte vergelijkbare MS-middelen met dezelfde indicatie en onthulde dat het goedkoopste medicijn, ponesimod, ook het meest effectief is. Het model schat dat er jaarlijks 50.000 euro per patiënt kan worden bespaard als artsen de voorkeur geven aan dit middel. Gezien het feit dat 1 op de 750 mensen MS krijgt, kan dit leiden tot aanzienlijke besparingen op de zorgkosten.
Neuroloog Joost Smolders van het Erasmus MC stelt op de website van het ziekenhuis dat het welzijn van de patiënten altijd voorop staat: "Door het model kan ik kiezen voor een goedkoper medicijn, zonder dat ik bang hoef te zijn dat ik mijn patiënten geen goede zorg geef. Want dat blijft het uitgangspunt: de meest passende behandeling voor iedere patiënt."
Meest doelmatige medicijn
De resultaten van dit onderzoek benadrukken het belang van meer bewustzijn over de kosten bij artsen, aangezien behandelingen met vergelijkbare middelen momenteel vaak gebaseerd zijn op praktische overwegingen en persoonlijke voorkeuren. Smolders pleit ervoor dat kosten ook in overweging moeten worden genomen wanneer andere factoren niet verschillen. Hij benadrukt dat het voorschrijven van het meest doelmatige middel de toegankelijkheid van goede MS-zorg voor meer patiënten kan vergroten.
Het computermodel van de Utrechtse neurologen is met enthousiasme ontvangen en zal worden opgenomen in de nationale richtlijn van de beroepsgroep en de Federatie van Medisch Specialisten. Het gaat om een belangrijk moment omdat het de eerste nationale richtlijn betreft die rekening houdt met doelmatigheid. Hierdoor zijn de resultaten van het onderzoek binnenkort beschikbaar voor iedere behandelaar en toekomstige MS-patiënt.
Machine learning & medicatie
Naast deze optimalisering van MS-medicatie, zien we steeds meer onderzoeksteams die computermodellen ontwikkelen met behulp van machine learning om medicatie te optimaliseren of te innoveren. In Utrecht is bijvoorbeeld een computermodel ontwikkeld waarmee de medicatie voor reuma kan worden afgebouwd en dat het risico op een opvlamming van de klachten kan voorspellen en voorkomen. Dit model maakt gebruik van gegevens zoals eerdere bloeduitslagen, medicatiegebruik en ziekteactiviteit om artsen te helpen de meest geschikte behandeling te kiezen.
Een ander opmerkelijk voorbeeld komt van onderzoekers van het Massachusetts Institute of Technology (MIT), die een krachtig deep-learning computermodel hebben ontwikkeld dat een nieuw antibioticum heeft ontdekt. In laboratoriumtests bleek dit medicijn veel van 's werelds meest problematische ziekteverwekkende bacteriën te doden, waaronder enkele bacteriestammen die momenteel resistent zijn tegen alle bekende antibiotica.
