We lezen het ene nieuwsbericht na het andere over hoe wetenschappers data steeds vaker inzetten om het verloop van verschillende ziekten te kunnen voorspellen. Hoe werkt dat nou precies? En in het verloop van welke ziektes hebben we inmiddels meer inzicht gekregen dankzij uitgebreide analyse van datasets?
Waarom dit belangrijk is:
Het gebruik van grote hoeveelheden data is de norm geworden in de gezondheidszorg. We kunnen het verloop van bepaalde ziekten steeds beter voorspellen.
Zorgverleners registreren steeds meer gegevens elektronisch, zoals zorg- en declaratiegegevens in elektronische patiëntendossiers. Burgers maken ook steeds vaker gebruik van apps om hun gezondheid beter te begrijpen en hun gezondheidsgedrag te monitoren, wat ook gegevens genereert. Deze gegevens worden steeds vaker gedeeld tussen burgers onderling en met zorgprofessionals.
Uitgebreide data en geavanceerde algoritmen bieden perspectief op wat voorheen als onvoorspelbaar werd beschouwd. Door kenmerken zoals leeftijd, geslacht, cognitieve vaardigheden voor de diagnose, hersenscans en biomarkers in te voeren, kunnen zorgprofessionals de toekomst steeds beter voorspellen en de mate van achteruitgang met grotere precisie schatten.
Alzheimer
Zo ook als het gaat over de ontwikkeling van de ziekte van Alzheimer. Ongeveer 300.000 mensen in Nederland lijden aan deze ziekte: de meest voorkomende vorm van dementie. Het is een progressieve en ongeneeslijke ziekte die het denkvermogen ernstig aantast. De behoefte aan duidelijkheid over het ziekteverloop is groot.
Dankzij een nieuw rekenmodel, ontwikkeld door het Alzheimercentrum Amsterdam, kunnen artsen voorspellen hoe alzheimer zich ontwikkelt bij patiënten. Het model gebruikt data van duizend patiënten en biedt inzicht in de snelheid van cognitieve achteruitgang. Dit geeft patiënten een beter beeld van hun toekomst, ondanks de natuurlijke onzekerheid die bij dergelijke voorspellingen hoort. Het is een hulpmiddel voor zorgverleners om de communicatie over de verwachtingen van het ziekteverloop te verbeteren.
Multiple sclerose
Dan: het voorspellen van multiple sclerose (MS). Symptomen van de hersenziekte zijn erg uiteenlopend en kunnen onder andere bestaan uit verminderde gezichtsscherpte, verminderde handvaardigheid, verlammingen van de benen en problemen met het cognitieve functioneren. In Amsterdam wordt onderzoek gedaan naar hoe specifieke patronen van schade in het centrale zenuwstelsel tot deze symptomen leiden. Neurowetenschapper Menno Schoonheim, werkzaam bij de afdeling anatomie en neurowetenschappen, streeft ernaar om te kunnen voorspellen welke symptomen een individu zal ontwikkelen. Hiervoor maakt hij gebruik van gegevens verkregen uit MRI-scans.
Uit data blijkt tot nu toe dat hersenatrofie en een snelle fysieke achteruitgang in een vroeg stadium van de ziekte voorspellers zijn van fysieke beperkingen en verminderd cognitief functioneren 6 tot 11 jaar later. Daarnaast tonen recente internationale studies aan dat vroege en ernstige schade aan de hersenschors en de thalamus voorspellend is voor een snellere achteruitgang. Deze nieuwe inzichten maken het nu mogelijk om verder te bouwen op bestaand onderzoek en dieper in te gaan op deze bevindingen.
Verschillende kankersoorten
Tot slot helpt data steeds vaker in het voorspellen van de ontwikkeling van bepaalde kankersoorten. Datasets helpen bijvoorbeeld bij het ontdekken van nieuwe biomarkers.
Ook krijgen we, naast het verloop van bepaalde ziekten, steeds meer inzicht in de langetermijngevolgen van behandelingen, bijvoorbeeld van borstkanker. IKNL en Nivel bijvoorbeeld, hebben een online nomogram ontwikkeld. Door gegevens zoals leeftijd, stadium van de kanker en de ontvangen behandeling in te vullen, ontvangt een vrouw een gepersonaliseerd risicoprofiel. Bijvoorbeeld: er wordt specifiek berekend, voor een vrouw van 52 met borstkanker die is behandeld met radiotherapie en chemotherapie, hoe groot de kans is op bepaalde gezondheidsproblemen.
De gezondheidszorg richt zich dus steeds meer op het gebruik van bewijsmateriaal in de vorm van data voor het nemen van klinische en operationele beslissingen. Dat geldt niet alleen voor beslissingen in bovenstaande gevallen, maar bijvoorbeeld ook voor knieoperaties en bij transplantaties. Naar verwachting zal het gebruik ervan steeds verder toenemen.
Als je dit artikel leuk vindt, lees dan ook:
