Het risico op bloedvergiftiging (sepsis) is bij baby’s die voor de 37e zwangerschapsweek worden geboren hoger. In het UMC Utrecht is al een machine learning tool die op basis van hartslag en zuurstof saturatie kan voorspellen hoe hoog het risico is dat de baby sepsis ontwikkelt als hij op de NICU ligt. In het kader van een zogeheten fruit punch challenge werden zes studenten uitgedaagd om een AI-model te ontwikkelen met nog meer voorspellingskracht. Uiteindelijk leverde deze creatieve uitdaging nieuwe inzichten op voor verdere verfijning van het AI-model.
Een vroeggeboren baby loopt risico op complicaties en kan op de NICU terechtkomen, een intensive care unit voor baby’s. Die NICU’s worden steeds innovatiever zoals we bijvoorbeeld bij de nieuwe unit bij Radboudumc kunnen zien. Een belangrijk risico dat vroeggeboren baby’s lopen op de NICU is bloedvergiftiging en dat kan ingrijpende gevolgen hebben.
Sepsis kan onder mee leiden tot weefsel- of orgaanbeschadigingen en zelfs overlijden tot gevolg hebben. Specialisten van UMC Utrecht willen daarom zo goed mogelijk voorspellen hoe hoog het risico van een baby eigenlijk is. Door de baby’s met zeer hoog risico er uit te pikken, kunnen artsen al zo vroeg mogelijk maatregelen nemen om gezondheidsrisico’s of zelfs sterfte te voorkomen. Dit risicoinschattingsproces kan met betere AI, waaraan in de Fruit Punch Challenge onlangs door zes studenten werd gewerkt, nog verder worden verbeterd.
Zes studenten uitgedaagd
Er wordt in het UMC Utrecht al een machine learning model gebruikt om de risicobaby’s zoveel mogelijk in kaart te brengen. Met de fruit punch challenge werden zes studenten uitgedaagd om deze AI toepassing verder te verfijnen. Uiteindelijk gingen twee groepen ieder een net iets andere weg op met hun ideeën. Het creatieve denkproces leverde concrete nieuwe inzichten op, waarmee het algoritme van het al bestaande machine learning voorspelmodel kan worden verbeterd.
AI & fruit punch challenges
Concrete resultaten waren een verfijning van het bestaande logistic regression model, een nieuw XGBoost model en een uitwerking met SHAP voor XAI (Explainable Artificial Intelligence). Volgens betrokkenen smaakt deze FruitPunch AI Challenge dan ook zeker naar meer. De FruitPunch AI ontwikkelt challenges voor studenten om hun te leren over AI, gebaseerd op hun eigen ervaring en terwijl zij hun eigen skills verder ontwikkelen. Samen met de Utrecht University, Eindhoven University of Technology en Wageningen University stimuleert het UMC Utrecht de inzet van AI door deze challenges te ondersteunen en te begeleiden.
Kruisbestuiving bij AI
De zes studenten vonden het in ieder geval waardevol om aan de slag te gaan met klinische data en inspireerden op hun beurt weer de betrokken professionals. Utrecht UMC roept studenten maar ook datascientists op om eens een keer mee te doen met zo’n challenge, want kruisbestuiving is juist in een veld als AI uitermate zinvol. Artificial Inteligence (AI) biedt namelijk de potentie om met oplossingen te komen voor ’s werelds grootste (zorg)problemen, maar het wordt op het moment te weinig ingezet omdat er simpelweg nog te weinig mensen zijn hoe ze AI moeten toepassen.
.
