Branded Content
Branded Content XTR Branded Content is de commerciële content op nrc.nl. De inhoud valt buiten de redactionele verantwoordelijkheid van NRC Media.
Dataspecialisten Rianne Fijten en Wiel Eggen.
Dataspecialisten Rianne Fijten en Wiel Eggen. Marieke Duijsters
De kracht van data

‘Kunstmatige intelligentie: de buddy van de specialist’

Big data, kunstmatige intelligentie en machine learning zijn onmisbare ‘gereedschappen’ om tot verbetering van de gezondheidszorg te komen. In Maastricht laten dataspecialisten van Maastro zien hoe ze met voorspellende computermodellen patiënten met prostaatkanker beter kunnen behandelen.


In Maastro staat een van de drie protonenbestralers die Nederland rijk is. Met protonentherapie kan bij patiënten met kanker een indrukwekkende reductie van straling worden bereikt op het gezonde weefsel. „Echter, om goed te kunnen bepalen welke patiënten echt protonentherapie nodig hebben, is een enorme hoeveelheid data nodig. Data is als het ware de nieuwe grondstof voor de hedendaagse gezondheidszorg, zeker hier in ons radiotherapiecentrum”, legt professor Clinical Data Science André Dekker uit. Hij is hoofd van de onderzoeksdivisie Clinical Data Science van Maastro, een radiotherapiecentrum gespecialiseerd in het behandelen van patiënten met kanker.
Dagelijks is Dekker met data bezig. Elke patiënt is uniek. „Zijn of haar kanker heeft een eigen karakteristiek en moet een behandeling krijgen die daarop is afgestemd. De tijd van one size fits all ligt achter ons.”

Een datatrein

De onderzoeksgroep waaraan Dekker leiding geeft, bestaat uit circa dertig mensen. Zijn team en hij verwierven nationaal en internationale faam met de Personal Health Train (PHT). Minister voor Medische Zorg Bruno Bruins benoemde PHT expliciet in een visie aan de Tweede Kamer over het ‘laten werken van data’ voor de gezondheid. Dekker: „Om te komen tot nieuwe behandelingen hebben we eigenlijk alle medische data ter wereld nodig om te analyseren, maar die gegevens bevinden zich op veel verschillende plekken en zijn vaak niet zomaar uitwisselbaar. Met PHT, een data-infrastructuur, kunnen we daaraan werken zonder dat de data het ziekenhuis verlaten. We laten de data namelijk bij de bron (stations) en sturen de onderzoeksvragen (treinen) daarheen.”
Met de inzet van de zelflerende algoritmen van machine learning kan in een volgende zinvolle informatie worden gedestilleerd om bijvoorbeeld te komen tot vormen van precision medicine . „Maar die data zijn ook te gebruiken om uitkomstvoorspellingsmodellen te ontwikkelen die de specialist terzijde staan bij de behandeling van patiënten”, zegt Dekker. „Kunstmatige intelligentie (AI) en machine learning worden zo de buddy van de specialist.”

Privacy goed geregeld

Welke barrières moeten genomen worden om te komen tot op maat gesneden gezondheidszorg van de toekomst? Het gesprek zal zeker moeten gaan over het juridisch goed regelen van het gebruik van voorspellende systemen en privacy, vult dr. Rianne Fijten haar collega Dekker aan. Zij is lid van Dekkers onderzoeksgroep en betrokken bij het Maastro-onderzoeksproject PROSPECT, een voorspellingsmodel gericht op patiënten met prostaatkanker. „Ons werk staat of valt met het goed regelen van de privacy, daarom is PHT zo belangrijk. Het is een veilige omgeving voor data.”
Vanaf de zijlijn kijkt Wiel Eggen naar de twee toponderzoekers. Als ex-patiënt van Maastro is hij behandeld aan een tumor in zijn keel en nu is hij als voorzitter van de cliëntenraad nauw betrokken bij alle ontwikkelingen op het vlak van data. Hij ziet dat het belang van goede data toeneemt in de gezondheidszorg, voor meer behandelingen op maat. „De cliëntenraad laat zich regelmatig bijpraten. Ik zie dat de privacy goed is gewaarborgd. De onderzoekers gebruiken de data integer, in het teken van het verder brengen van de gezondheidszorg.”

Voorspellen van behandeling

Voor Fijten spreekt dat voor zich. De patiënt zal alleen maar voordeel ervan hebben als data integer worden gebruikt. „Middels PROSPECT willen we zowel specialist als patiënt ondersteunen om in die spreekkamer te komen tot een optimale, geïndividualiseerde en juiste keuze: therapie op maat of personalised medicine. De al bestaande keuzehulpmiddelen hebben we verrijkt met voorspellingsmodellen. Door de invoer van persoonlijke en tumorkenmerken, afkomstig uit de Persoonlijke Gezondheidsomgeving (PGO) van de patiënt, in het model zijn bijwerkingen van behandelingen als incontinentie of een erectiestoornis inzichtelijk te maken. Door te werken met voorspellingsmodellen zal ook de relatie tussen dokter en patiënt veranderen. Het zal intermenselijker gaan worden.”
Tekst: Eduard Voorn

XTR Branded Content is de commerciële content op nrc.nl. De inhoud valt buiten de redactionele verantwoordelijkheid van NRC Media.