We verzamelen steeds meer gegevens van patiënten, waar we dankzij groeiende computerkracht ook steeds meer mee kunnen. Wat gaan patiënten hier in de toekomst van merken?
Ynte Ruigrok is neuroloog en onderzoeker aan het UMC Utrecht. Ze gebruikt genetische gegevens en beelddata van hersenscans om patiënten te identificeren die een hoog risico hebben op bloedingen in het hoofd als gevolg van een gebarsten aneurysma. Op 20 januari spreekt Ruigrok samen met een patiënt over het nut en belang van data in het ziekenhuis bij het evenement Hersenziekten: Kunnen data je leven redden? in TivoliVredenburg in Utrecht.
Waar doet u precies onderzoek naar?
‘Ik onderzoek wat de risicofactoren zijn voor het ontwikkelen van een aneurysma. Dat is een soort uitstulping van een hersenbloedvat. Als zo’n uitstulping barst, ontstaat er een bloeding tussen de hersenvliezen. Ik wil graag weten wat de voorspellers zijn voor het ontwikkelen van zo’n aneurysma, om op tijd patiënten met een hoog risico te kunnen identificeren.
Wanneer je een aneurysma vindt, kun je met een preventieve behandeling een toekomstige bloeding voorkomen. Het is dus erg belangrijk om van tevoren te weten of een patiënt risico loopt om een aneurysma te krijgen, zodat je de kans op een bloeding zo klein mogelijk kunt maken. Om die risicofactoren te ontdekken, maak ik gebruik van data.’
Data is een verzamelnaam voor verschillende soorten informatie, wat voor soort data gebruikt u precies?
‘Ik gebruik genetische data van zo’n 10.000 patiënten, die we gedurende langere tijd volgen. Dit ‘cohort’ heb ik opgezet. Daarnaast hebben we hersenscans gemaakt van familieleden van patiënten die een bloeding hebben gehad. Vervolgens gaan we de scans van mensen met en zonder aneurysma vergelijken. Daarbij maken we gebruik van machine learning, ofwel zelflerende computerprogramma’s. Uiteindelijk wil ik de beelddata van de hersenscans en de genetische data samenvoegen, zodat ik de risicofactoren op grote schaal kan onderzoeken.
Daarnaast werk ik samen met een andere onderzoeksgroep die data heeft van 1,8 miljoen Nederlandse huisartspatiënten. Daarvan hebben we alle gegevens die een huisarts opschrijft: medicijngebruik van een patiënt, de voorgeschiedenis, bloedonderzoek en verwijzingen naar specialisten. Hiermee wil ik mensen met en zonder aneurysma vergelijken om te kijken of er misschien risico’s zijn waarvan we nog niet weten dat ze een rol spelen.’
U gebruikt dus machine learning. Hoe werkt dat precies?
‘Bij machine learning ontwikkel je een computeralgoritme. Eerst geef je bepaalde informatie, bijvoorbeeld de verzamelde hersenscans, aan de computer. Die geef je bepaalde labels mee: ‘dit is een aneurysma’ en ‘dit is er geen’. De computer kijkt dan of-ie verschillen ziet tussen al die scans. Je kunt de computer ook nog trainen door scans van gezonde mensen te geven, die dan als extra informatie gebruikt worden. De computer weet dan: ‘dit is normaal’ en ‘dit is afwijkend’. Op die manier leer je de computer om zelf de data te analyseren.’
Zijn computers en machine learning essentieel voor uw onderzoek?
‘De dataset van de huisartspatiënten is te groot en complex om zonder computer te kunnen analyseren. En met machine learning kun je waarschijnlijk ook de interacties tussen verschillende risicofactoren bekijken.
Wat je met die beelddata wilt doen, is de computer zelf laten zoeken of er verschillen zijn tussen mensen met en zonder aneurysma. Als je dat als arts of onderzoeker doet, dan kijk je bijvoorbeeld naar de dikte van een bloedvat of de hoek waarin die ligt. Maar je kijkt nooit helemaal neutraal naar zo’n scan. Een computer doet dat wel. Zo kun je dingen ontdekken waar je als arts – als je de data zelf zou onderzoeken – misschien niet achter was gekomen.’