CARRIER Projectupdate 2023
Coronary ARtery disease: Risk estimations and Interventions for prevention and EaRly detection
– a Personal Health Train project
Het CARRIER-team ontwikkelt gepersonaliseerde leefstijlinterventies om het risico op het ontstaan van hart- en vaatziekten te verkleinen (primaire preventie) of om te voorkomen dat het erger wordt (secundaire preventie). Zij streven er naar de leefstijlinterventies af te stemmen op de voorkeur van de patiënten, aangezien advies op maat een grotere kans heeft om effectief te zijn in het veranderen van gedrag. Naleving van de leefstijlinterventie zal worden bevorderd en gemonitord door middel van een digitale multimedia leefstijlcoach (eCoach), zie afbeelding.
We spraken met prof. dr. ir. André Dekker. André is van huis uit klinisch fysicus. Via de radiotherapie kwam hij vervolgens terecht bij Maastro Clinic, o.a. als hoofd IT. Daar zag hij het belang van IT voor de zorgsector en startte hij een onderzoekslijn. André is nu hoogleraar Clinical Data Sciences. De Clinical Data Science-groep (40+ leden) omvat meerdere entiteiten, waaronder Universiteit Maastricht, Universitair Medisch Centrum+ en Maastro Clinic. Zij werken in de oncologie, fysiotherapie, cardiologie, diabetes, darmziekten, longziekten, reuma en alzheimer.
AI voor duurzame leefstijl verandering
In CARRIER worden twee modellen ontwikkeld: een prognostisch model dat tot doel heeft risicopatiënten te identificeren en een voorspellend model dat tot doel heeft het effect van een bepaalde leefstijlinterventie te voorspellen. Wat is jouw kans op hart- en vaatziekten en wat kun jij als individu het beste doen als je het cardiovasculair risico wil verminderen? Burgers met een verhoogd risico en patiënten kunnen zo meer regie krijgen op het voorkomen van coronaire hartziekten en andere ziekten die voorkomen kunnen worden met een aanpassing van de leefstijl.
Leefstijladvies op maat: nudging
“We hanteren In CARRIER een holistisch mensmodel waarbij de mens als één geheel wordt gezien en waarbij lichamelijke, psychologische, sociale, en spirituele facetten onlosmakelijk met elkaar verbonden zijn en elkaar wederzijds beïnvloeden. Onze hypothese is dat we door het leefstijladvies op maat te maken - dus mensen duidelijk maakt wat een hele specifieke interventie zou betekenen voor de gezondheid - dat mensen die leefstijl verandering langer gaan volhouden.”
Datatechnologie
Voor het ontwikkelen van de AI is heel veel data nodig. Het voorspellingsmodel in CARRIER werkt met data van het CBS (Centraal Bureau voor de Statistiek), huisartsen en ziekenhuizen. Het combineren van gegevens uit deze drie bronnen en deze infrastructuur FAIR maken (Findable, Accessible, Interoperable en Reusable) is complex, vertelt André. “In het project werken we aan de juridische en ethische aspecten die komen kijken bij het ontsluiten en gebruiken van deze data. Dit moet op een verantwoorde en veilige manier gebeuren. We gebruiken de Personal Health Train (PHT), wat een federated learning framework is. De essentie van de PHT-benadering is dat de onderzoeksvraag naar de 'stations' van de databron reist in plaats van data uit verschillende bronnen naar de onderzoeksvraag te transporteren. Gevoelige gegevens blijven dus waar ze zijn.” De Personal Health Train is bedoeld om zorgvernieuwers en onderzoekers te laten werken met gezondheidsdata uit verschillende bronnen. Het kan gecontroleerde toegang tot gegevens geven, terwijl het tegelijkertijd zorgt voor privacybescherming en optimale betrokkenheid van individuele patiënten en burgers.
Partners
Naast Maastro zijn Maastricht UMC en de Universiteit van Maastricht de academische partners. Andere partners zijn het CBS, het eScience center, Huis van de Zorg (adviseur in burgerparticipatie), Huisartsen OZL (zorggroep van 116 huisartsen in de regios oostelijk Zuid-Limburg) en Sananet zorg (voor de ontwikkeling van de eCoach). Sananet richt zich op de ontwikkeling van eHealth-oplossingen en in het bijzonder op de ontwikkeling van telemonitoring. Deze online begeleidende programma's geven zorgprofessionals real-time inzicht in het welzijn van hun patiënten.
Uitdagingen
De ontwikkeling van de technologie zelf is niet de grootste uitdaging binnen het project, vertelt André. “De twee grootste uitdagingen zijn het juridisch correct organiseren van het project en het lastige marktmodel in de zorg. Hetgeen het langste duurt is het goed opzetten van de juridische kerstboom. Je hebt data van huisartsen, ziekenhuis-data en CBS- data. Hoe zorg je er nu voor dat al die partijen - rekening houdend met de juiste wetgeving - uiteindelijk een handtekening zetten? Daarnaast is het investeren in het ontwikkelen van een eCoach voor een bedrijf als Sananet niet direct al winstgevend. Het is geen directe kostenbesparing maar een investering in gezondheid, en wie betaalt er dan voor preventie? De huidige manier van financiering van de zorg past dan ook minder bij zorginnovaties die zich richten op preventie, op de toekomst. We zouden veel meer moeten insteken op het gezond houden van gezonde mensen.”
Toekomst
“Met CARRIER hebben we grote stappen gezet in het ontwikkelen van complexe modellen met meerdere partijen, daar hadden we vooraf best twijfels over. We hebben deze infrastructuur ook allemaal open source gezet, daar ben ik best trots op! We hebben ook nog wat additionele provinciale subsidie gekregen waar we dieper konden duiken in hoe we het beste het gesprek aan kunnen gaan en de AI begrijpelijk maken voor de burger die we hiermee willen bereiken. En met elkaar in gesprek over de plek van AI in onze maatschappij, dit is heel leerzaam voor ons als datamensen.”
