Nivel heeft samen met de Universiteiten van Leiden en Maastricht en met Amsterdam UMC locatie AMC sinds 2017 in drie pilots gewerkt aan het halen van inzichten uit grote datasets via machine learning. Het gaat om gegevens van in totaal 1,7 miljoen patiënten, afkomstig uit de Zorgregistraties eerste lijn. Deze database omvat een grote set aan zogeheten longitudinale informatie over huisartsenconsulten en medicijnvoorschriften.
Verkennen fenomeen machine learning
Juist deze ‘big data’ zouden zich uitstekend lenen voor ‘machine learning’, een variant van kunstmatige intelligentie-technologie (AI) die op basis van zeer grote datasets leert om bepaalde inzichten te verkrijgen, zoals het herkennen van patronen die op een bepaalde aandoening wijzen. Om dit fenomeen te verkennen, is het Nivel een samenwerking aangegaan met de universiteiten Leiden en Maastricht en met het AMC.- In de eerste pilot werd machine learning gebruikt om op basis van eerdere huisartsenconsulten een latere registratie van een suïcide(poging) te voorspellen. Op basis van zorggebruik kon in twee op de drie gevallen correct voorspeld worden wie een suïcide(poging) deed.
- In de tweede pilot werd gekeken of het mogelijk was het verloop van de griepepidemie te voorspellen op basis van zoekgedrag op Google. Deze cijfers werden vergeleken met het aantal geregistreerde huisartsconsulten voor de griep. Schattingen via Google en Wikipedia kwamen sterk overeen met schattingen op basis van het aantal huisartsbezoeken voor de griep.
- In de laatste pilot werd onderzocht welke patiënten met een neusinfectie nu echt baat hebben bij antibiotica, op basis van geregistreerde consulten en recepten bij de huisarts. Ook werd bekeken welk type antibiotica voor wie het meest effectief zou zijn. Gemiddeld genomen bleek antibiotica effectief voor neusinfectie. Van de vier vaakst voorgeschreven antibiotica bij een neusinfectie bleek er één daadwerkelijk effectief te zijn.
