Smartwatches, Fitbits en andere wearables zijn aan een opmars bezig. Ik zie kansen voor de medische wereld: ze leveren een schat aan data, zonder dat mensen naar het ziekenhuis moeten. Terecht worden apps die hartritmestoornissen detecteren sinds kort terugbetaald. Als we erin slagen om die extra data veilig te combineren met reguliere medische gegevens, dan zwaaien de poorten open naar het voorspellen –en vermijden– van ziektes.
Bij de meeste medische aandoeningen geldt: hoe vroeger je erbij bent, hoe eenvoudiger en succesvoller de behandeling. Dat is niet anders bij voorkamerfibrillatie (VKF), de meest voorkomende hartritmestoornis. Ongeveer 1 op 4 Belgen zal er in zijn leven mee te maken krijgen. Bij VKF trekken de voorste hartkamers niet goed samen, waardoor het bloed slecht rondgepompt wordt. En bloed dat blijft stilstaan, kan stollen en klonters vormen. Schieten die klonters door, dan krijg je een beroerte. Als artsen er tijdig bij zijn, hoeft het gelukkig niet zover te komen.
De realiteit vandaag is dat VKF dikwijls onder de radar blijft. De reden? Vaak heeft de patiënt geen klachten. En ook tijdens check-ups blijft de aandoening vaak onopgemerkt. Wie aan VKF lijdt, kan namelijk een volstrekt normaal elektrocardiogram (ECG) afleveren. Zo blijven risicopatiënten buiten beeld, en komen ze pas bij de cardioloog wanneer het laat is, soms té laat.
Ik ben hoopvol dat dat in de toekomst verandert. En daar heeft uw smartwatch iets mee te maken. Hoewel de huidige generatie smartwatches niet de accuraatheid haalt van een ECG, hebben ze een belangrijk voordeel: je moet niet naar het ziekenhuis en je kan de meting herhalen. Dat levert een berg data op. Als je daar de bruikbare elementen uit filtert en de data combineert met de medische historiek, oudere ECG’s en data van andere patiënten, dan gaat de kwaliteit van die ruwe smartwatchdata fors omhoog. Wie gaat die databerg snel verwerken? AI.
Zo toonde de Amerikaanse Mayo Clinic aan dat zelflerende algoritmes hartritmestoornissen kunnen detecteren, een maand voor er iets te zien is op een ECG. Daarmee kopen we tijd voor de patiënt, en kunnen we het aantal beroertes omlaag brengen. De volgende stap is dat het model tot een jaar vooraf voorspelt. Een glazen bol in het dokterskabinet, dus.
Imec ontwikkelde samen met Ziekenhuis Oost-Limburg een algoritme om VKF te voorspellen. Lees hier meer.
Dé hindernis: om het Amerikaanse algoritme te tweaken hebben we méér data nodig: meer data per patiënt en ook meer patiënten. Zolang die data in afgesloten silo’s zit, kan je er geen AI op loslaten. Medische data delen ligt om begrijpelijke redenen gevoelig. Toch is het een stap die we absoluut moeten zetten. Nieuwe encryptietechnieken kunnen helpen: zo is het mogelijk om brondata te versleutelen, en enkel de inzichten die eruit voortkomen te delen. Op die manier blijven persoonlijke data strikt beschermd, maar plukken we wel de vruchten van onze opgetelde kennis.
In vergelijking met Chat-GPT, het AI-taalmodel dat veel over de tongen gaat, ligt de lat in een medische context hoger. Dat verklaart waarom het nog even zal duren voor AI naar uw hart komt luisteren. Maar één ding is zeker: dit is nog maar een voorsmaakje. Algoritmes zullen verbanden blootleggen tussen ziektes en hun oorzaken: dat kunnen elementen uit medische dossiers zijn, maar ook omgevingsdata zoals luchtkwaliteit. Het zal ertoe bijdragen dat we ziektes beter gaan begrijpen, en almaar vaker zullen vermijden.
Dit artikel verscheen eerder als column in De Tijd.
Peter Peumans behaalde een doctoraat als elektrisch ingenieur aan Princeton University, en een bachelor- en masterdiploma aan de Katholieke Universiteit Leuven. Voor hij bij imec in dienst trad, was Peter Peumans professor Electrical Engineering aan de Stanford University. Hij ontving een NSF CAREER award en een Belgian-American Educational Foundation honorary fellowship. Hij is momenteel verantwoordelijk voor imec's strategie in gezondheid.
Gepubliceerd op:
3 januari 2023
