Wanneer een arts een antibioticakuur moet voorschrijven, dan is het voor veel patiënten van belang om de medicatie zoveel mogelijk af te stemmen op de situatie van de patiënt. Wanneer dat niet mogelijk is, wordt gekozen voor een standaarddosering en behandeling. In het Singapore General Hospital (SGH) is nu een AI-gestuurde oplossing ontwikkeld die het mogelijk moet maken om, met een paar muisklikken, een gepersonaliseerd antibioticakuur voor te schrijven.
De oplossing, ontwikkeld door het SGH in samenwerking met DXC Technology en Synapxe, heet Augmented Intelligence in Infectious Diseases, afgekort AI2D. De oplossing is in eerste instantie gericht op twee veel voorkomende infecties die in ziekenhuizen worden behandeld: longontsteking en urineweginfectie.
Hoge nauwkeurigheid in teststudie
In een teststudie is met deze tool door de apotheek van het ziekenhuis een model ontwikkeld voor het voorschrijven van gepersonaliseerde antibioticakuren bij een longontsteking. In die zogenoemde proefvalidatiestudie bleek het AI2D-model met een nauwkeurigheid van 90 procent te kunnen bepalen of antibiotica überhaupt nodig waren.
Met die informatie willen de onderzoekers nu in een vergelijkende studie de effectiviteit gaan meten van het veilig verminderen van antibioticagebruik. Daarvoor worden 200 patiënten geselecteerd die willekeurig worden toegewezen aan artsen zonder, en artsen die met de AI2D tool bepalen of antibiotica moeten worden gegeven. “Artsen met goede bedoelingen maken voortdurend een afweging tussen de risico's en voordelen van antibioticagebruik. Het is vaak moeilijk om definitief te bepalen of patiënten er baat bij hebben op basis van klinische beoordeling, patiëntspecifieke factoren of de ernst van de aandoening alleen,” aldus Dr. Piotr Chlebicki, Senior Consultant van de afdeling Infectieziekten, SGH en betrokken bij het AI2D-project.
Naast de hoge mate van nauwkeurigheid bij het bepalen of antibiotica nodig zou zijn, liet de proefvalidatiestudie ook zien dat bijna 40 procent van de antibiotica die in deze gevallen werden voorgeschreven om longontsteking te behandelen, mogelijk niet nodig waren. Ter vergelijk, het CDC in de VS schat dat maximaal de helft van alle antibiotica die daar worden voorgeschreven onnodig of ongepast zijn.
Longontstekingsmodel
Het longontstekingsmodel werd ontwikkeld met behulp van retrospectieve ongeïdentificeerde klinische gegevens, zoals röntgenfoto's, klinische symptomen, periodieke vitale functies en trends van veelvoorkomende lichaamsreacties op infecties. Daarvoor werd de data gebruikt van ongeveer 8.000 SGH-patiënten die in 2019 en 2020 behandeld zijn. Vervolgens werd het model gevalideerd met behulp van de data van 2.000 gevallen uit 2023. Daarvoor werd een ontwerp gebruikt dat het daadwerkelijke effect van de antibiotica stimuleerde indien dat zou worden toegediend.
“Als antibiotica niet tijdig worden voorgeschreven aan mensen die ze echt nodig hebben, kan dit leiden tot ernstige complicaties. Maar misbruik van antibiotica draagt bij aan antibioticaresistentie, wat een uitdaging vormt voor de behandeling van infecties in de toekomst. Een hulpmiddel als AI2D zal dus zeer nuttig zijn om de beslissing van een arts te begeleiden voordat de labresultaten beschikbaar zijn”, zegt Chlebicki.
Antibioticaresistentie
Antibioticaresistentie is een groeiend probleem. De oplossing die nu in Singapore is ontwikkeld kan een bijdrage leveren aan het vertragen en voorkomen van het risico daarop. In 2022 startte de Charles III Universiteit van Madrid een onderzoek naar het wereldwijd ontstaan van antibioticaresistentie. Voor dat onderzoek werd ook gebruik gemaakt van AI voor het analyseren van big data patronen van antibioticaresistentie.
Daarnaast wordt ook veel onderzoek gedaan naar nieuwe antibiotica. Begin dit jaar konden in Nederland vier projecten met dit doel worden gestart dankzij financiering van Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO). Een daarvan is het NACTAR-programma voor het vinden van nieuwe bronnen en alternatieven voor antibiotica.
“AI2D kan artsen helpen informeren of antibiotica nodig zijn, en zo ja, adviseren wat nodig is en het doseringsschema op basis van de relevante klinische gegevens van de patiënt. Dit kan mogelijk het gebruik van antibiotica verminderen, wat op zijn beurt het risico op antibioticaresistentie verlaagt, waardoor antibiotica effectief blijven voor de behandeling van infecties, nu en in de toekomst met behulp van AI,” aldus Associate Professor Andrea Kwa, adjunct-directeur Farmacie (Onderzoek en Innovatie) bij SGH.
