We willen er nu wel eens vanaf: De medische spagaat van tussen het achter de feiten aanlopen en turen in een kristallen bol. Het pas gaan behandelen als iemand ziek wordt en/of maar eerst eens kijken wat een ingestelde behandeling doet. Dat is gewoon niet meer van deze informatie-eeuw en onprofessioneel. Het wordt tijd voor een slimme voorspellende en anticiperende preventieve en curatieve geneeskunde! ICT, Big & Deep Data en e-health bieden hiervoor zeer ruime mogelijkheden.
Roep om vooruitzien
De afgelopen maanden kwam het al regelmatig in de pers en literatuur ter sprake: Het wordt tijd voor een efficiënte predictieve en anticiperende vorm van geneeskunde. Was een uitbraak van meningococcen W al niet eerder te voorzien? De mensen met een verhoogd risico op hart en vaatziekten kunnen met slimme modellen eerder worden opgespoord (UMC Utrecht en TU Delft). Of een smart griepvaccin?
Duurzame geneeskunde met oog voor een gezonde toekomst moet het toch echt gaan worden. Leer de menselijke afweer tijdig maligne ontspringen herkennen. Gentherapie in de baarmoeder. Anticiperende medicinale targetting versterkt de behandeling en voorkomt bijwerkingen. En Deep Data brengen het complete risicoprofiel grotendeels in kaart.
Begrippen
Onder voorspellende geneeskunde verstaan we het voorspellen van de waarschijnlijkheid bij het krijgen van een bepaalde ziekte. De geneeskunde gaat daarbij van reactief naar proactief. Het voorkomen van (preventie) en/of het tijdig kunnen behandeling van de desbetreffende aandoening. Bijvoorbeeld via genetische testen, het beïnvloeden van gedrag of van leefstijl en het monitoren van parameters met wearables.
Het tijdig (al in een vroeg stadium) vaststellen van een ziekte heet vroegdiagnostiek. En Predictive Analytics zijn de analytisch statistische voorspellende methoden bij Big Data. Een belangrijk verschil met vroeger is het nu ook analyseren op persoonlijke maat i.p.v. groepen.
Hiermee vallen vele miljarden op zorgkosten te besparen. En tevens neemt de kwaliteit van de geboden zorg en leven aanmerkelijk toe.
Ethische dilemma’s
Al snel duiken er dan tal van ethische dilemma’s op. Wil de cliënt eigenlijk wel wel allemaal weten wat hij / zij kan krijgen? Leidt het in kaart brengen van risico’s straks niet tot uitsluiting bij verzekeringen, werk of opleiding?
En als de duurzaamheid en het milieu in geding komen wordt het financieel en economisch pijnlijk. Wat hebben we er voor over om beroeps- en milieuziekten te voorkomen? En weegt dat wel op tegen het daardoor aantasten van onze concurrentiepositie, werkgelegenheid en luxe leefstijl?
In hoeverre verandert de kennis van (potentieel) ziekmakende genen jouw leven? En bij de privacy de eeuwige kwestie van een beetje minder privacy ten gunste ban een betere gezondheid?
Monitoring
Een relatief simpele en algemeen aanvaarde vorm van voorspellende e-health is het inzetten van slimme meetapparaatjes in wearables en de quantified self. De meetwaarden laten zien hoe het er voor staat met onze vethuishouding, bloeddruk, diabetes alcohol & drugsgebruik en geestelijke gesteldheid. De cliënt is ook zelf in de regie en stelt onder het coachend oog van een app of zorgverlener de eigen streefdoelen op.
Is er eenmaal sprake van een aandoening dan volgt de monitorende meting (ook telemetrie) om verergering te voorkomen. En in geval van een crisis grijpt het e-systeem tijdig in.
Patroonherkenning
Een belangrijk winstpunt van kunstmatige intelligentie (AI) toepassen op Big en Deep Data is het herkennen van patronen. Patronen geven de mogelijkheid tot het voorspellen van het (toekomstig) verloop. En dan vallen er tijdig preventieve en/of curatieve maatregelen te nemen.
Patroonherkenning vormt een vakkundige waakhond. Er ontgaat het systeem weinig, een signalering valt snel in kaart te brengen en het blaft waarschuwend wanneer dat nodig is.
Zelflerende behandelingsmethoden
Een stap verder gaat het machineleren. Op basis van eerder opgedane ervaringen en het leggen van onderlinge verbanden kan de AI nieuwe zaken voorzien en daar tijdig op anticiperen. Een beetje te vergelijken met het aangeleerde geheugen van ons immuunsysteem en het detecteren van nieuwe bedreigingen op hun modus operandi door ICT virusscanners.
De zelflerende behandeling die in staat is om samen met de cliënt, behandelaar en ICT de grote en omvangrijke ziektebedreigingen doelmatig aan te pakken. Inmiddels gewoon verkrijgbaar.
Modelling
Voorspellende modellen zijn de de nieuwe ‘kristallen bol.’ Echter wel eentje die het allemaal duidelijk visualiseert en geen schimmige slagen om de arm houdt. Er zijn verschillende typen. Het statistisch of algoritmisch analysemodel. Het laboratorium op een chip (LOC) die de effecten en toekomst op basis van realistische biologische simulaties onderzoekt.
Het dynamische Geografisch Geneeskundig Informatiesysteem toont interactief op de onderliggende kaart wat preventieve of curatieve interventies in de slimme wijk of stad gaan doen. De variant dynamische infographics laat meteen de uitwerking van interventies in grafieken of tabellen zien. Korom de levende voorspellen wijkfoto of stadsprofiel. En met virtual reality kan je zelf de uitkomende voorspellingen aan den lijve beleven.
De toekomst
Van gepersonaliseerde gezondheidszorg is voorspellende statische en modellerende predictive analytics? Hier wordt momenteel op congressen en in de literatuur veel over gesproken. In ieder geval voor een belangrijk deel. Beslissingen gebaseerd op het beoogde doelmatige effect bij het individu. Kostenbeheersing en beter omgaan met mankracht zijn gewoon een must.
Overigens is dit alles niet geheel beangstigend nieuw. Het is eigenlijk iets dat dokters al vele jaren doen. Nu alleen grootschaliger, meer gericht, een stuk sneller én efficiënter. Al het onderbuikgevoel, kennis & ervaring, de klinische blik etc. gekoppeld aan data gestuurde gezondheidszorg op algoritmen die werken met Big en Deep Data. De voorspellende gezondheidszorg is een voldongen feit bij preventie, curatie en beleidsvorming geworden.
Niettemin blijft de behandelaar nog altijd de verantwoordelijke supervisor!
