Een vroegtijdige diagnose is cruciaal voor het behandelen van hartfalen en daarmee het voorkomen van ernstige gezondheidsproblemen zoals hartinfarcten. Het HagaZiekenhuis zet, samen met Fitbit en de Google Cloud een grote nieuwe stap op weg naar het laagdrempelig verzamelen en analyseren van grote hoeveelheden gezondheidsdata om hartfalen te identificeren voordat de eerste symptomen zich uiten.
Het HagaZiekenhuis start samen met Fitbit een pilotstudie waarbij gebruik gemaakt wordt van gezondheidsdata die door Fitbit wearables verzameld worden. Mensen die aan deze pilotstudie deelnemen krijgen daarvoor een Fitbit Charge 5 in bruikleen. De verzamelde gezondheidsdata worden, met toestemming van de deelnemers en volledig geanonimiseerd, opgeslagen in de Google Cloud. Vervolgens wordt de data met behulp van een AI-algoritme geanalyseerd op aanwijzingen voor (toekomstig) hartfalen. Wij spraken daarover met initiatiefnemer en cardioloog dr. Ivo van der Bilt van het Haga Teaching Hospital.
Wearables inzetten voor diagnostiek
Nu is het inzetten van wearables die, net als de in deze studie gebruikte Fitbit, in staat zijn om informatie over de gezondheid van patiënten te verzamelen die vervolgens met zorgprofessionals gedeeld wordt, is binnen de gezondheidszorg niet nieuw. Toch gaan de oplossing en studie van het HagaZiekenhuis een stap verder.
"Er zijn inderdaad meer initiatieven waarbij onder andere wearables ingezet worden zodat patiënten thuis zelf hun bloeddruk, gewicht en hartfrequentie kunnen meten. Die data wordt vervolgens doorgestuurd naar het ziekenhuis. De zorgprofessional ontvangt dan een grote hoeveelheid platte data, maar is natuurlijk niet in staat om tegelijkertijd data van duizenden patiënten te monitoren", aldus de cardioloog.
Grote hoeveelheden gezondheidsdata
Door gebruik te maken van AI voor het analyseren van grote hoeveelheden gezondheidsdata die door een Fitbit wearable verzameld wordt, kunnen patronen geïdentificeerd worden die het stellen van vroegtijdige diagnoses, bijvoorbeeld van hartfalen, mogelijk maakt. Mogelijk zelfs al in een stadium (ver) voordat de ziekte zich fysiek, met klachten, uit.
Om de artsen bij die analyse te ondersteunen zijn tot op een bepaald niveau wel hulpmiddelen beschikbaar. Denk aan het filteren van de data, bijvoorbeeld iedereen die langere tijd een hogere hartslag in rust heeft. Dat is echter ten eerste zeer arbeidsintensief en draagt daardoor ook niet bij aan het uiteindelijke doel: het kunnen helpen van meer patiënten met dezelfde resources teneinde ziekten zoals hartfalen te diagnosticeren voordat zij zich uiten.
De oplossing die het HagaZiekenhuis samen met Fitbit en Google - waar Fitbit onderdeel van uitmaakt - nu in een onderzoek gaan testen, gaat zoals gezegd een stap verder. "Onze oplossing onderscheidt zich doordat wij kunstmatige intelligentie inzetten op het gebied van de Big Data en dan met name de tijdreeksen. Dat wil zeggen dat wij niet eens zo geïnteresseerd zijn in de absolute waarde van bijvoorbeeld de hartfrequentie of het aantal stappen die de Fitbit doorgeven - dat zijn de twee parameters waar we nu mee bezig zijn", aldus Van der Bilt.
"Wij gaan de duizenden metingen en datapunten die wij 24/7/365 vanuit de Fitbit doorkrijgen in één enorme datawolk verzamelen. Vervolgens gaan wij in die datawolk van alle deelnemende patiënten met behulp van AI op zoek naar ziekte specifieke patronen. Door de grote hoeveelheden gezondheidsdata wordt het mogelijk om een zeer hoog sensitieve patroonherkenning toe te passen", vervolgt de cardioloog.
Het AI-algoritme dat voor deze analyse gebruikt wordt - waarbij de focus in eerste instantie ligt op het identificeren van mensen die in de (nabije) toekomst mogelijk te maken krijgen met boezemfibrilleren - wordt met behulp van data van zowel gezonde als zieke patiënten getraind.
Pro-actief monitoren op hartfalen
Met het AI-algoritme en de datawolk van Fitbit gezondheidsdata wordt het mogelijk om in de data van een bepaalde patiënt op zoek te gaan naar vergelijkbare patronen. De patiënt hoeft op dat moment zelf nog geen ziektesymptomen te hebben, maar uit de data kan blijken dat zijn data een patroon herbergt dat ook gezien wordt bij patiënten met boezemfibrilleren. In die gevallen kan een bepaalde diagnose dan dus gesteld worden (ver) voordat de ziekte zich uit.
Het uiteindelijke doel van het project is om de AI-diagnostiek en analyses toe te gaan passen op alle patiënten die een Fitbit, of een andere wearable, dragen waarvan de data opgenomen wordt in de datawolk die Haga in de Google Cloud opbouwt. "Zo willen we met deze oplossing patiënten, misschien zelfs ook pro-actief, monitoren en de juiste zorg op de juiste plek en het juiste moment leveren. Doel is om de zieke mensen naar het ziekenhuis te halen, en de mensen bij wie na analyse van de data blijkt dat ze niet naar het ziekenhuis hoeven te komen, ook thuis te laten.", zegt Van der Bilt.
Voor dit onderzoek maakt Haga gebruik van Device Connect for Fitbit. Dit is een een nieuwe oplossing van Google Cloud. De oplossing is beschikbaar voor organisaties in de gezondheidszorg en biowetenschappen en biedt versnelde analyses en inzichten uit de Fitbit-gegevens van gebruikers met toestemming, ondersteund door Google Cloud.
