Inzet big data om neonatologen te ondersteunen in beslissingen op de NICU

Gepubliceerd op: 1 december 2021

Big Data 4 Small Babies, een team van machine learning engineers van Xomnia en ontwikkelaars van het Universitair Medisch Centrum in Utrecht (UMCU), heeft een model ontwikkeld om artsen te helpen met meer zekerheid te bepalen of een premature baby al dan niet een late-onset neonatale sepsis (LOS) heeft.

De Neonatale Intensive Care Unit (NICU) van het UMC Utrecht behoort tot de top 10 NICU’s van Nederland. Op de NICU worden te vroeg geboren baby’s, maar ook baby’s die geboren zijn met afwijkingen of ziekten, zorgvuldig gecontroleerd en behandeld. Een veel voorkomende ziekte bij baby’s op de NICU is de late neonatale sepsis (LOS), die moeilijk nauwkeurig te diagnosticeren kan zijn vanwege de wisselende, niet-specifieke symptomen.
Aangezien LOS soms fataal kan zijn, schrijven artsen vaak antibioticakuren voor aan baby’s die enkele van de symptomen vertonen, zelfs voordat medische tests de infectie definitief kunnen diagnosticeren. Zo werd in 60% van de gevallen bij wijze van voorzorgsmaatregel antibiotica toegediend aan patiëntjes; bloedonderzoeken bleken echter negatief te zijn. Het onnodig toedienen van antibiotica heeft een negatief effect op de levenskwaliteit van baby’s, en gaat gepaard met een grotere kans op bacteriële resistentie tegen antibiotica in hun lichaam.

Kwaliteit van leven verbeteren
Het doel van Big Data 4 Small Babies was om big data te gebruiken om de neonatoloog te helpen bij het besluitvormingsproces, met als uiteindelijk doel de hoeveelheid toegediende antibiotica te verlagen. Het gewenste resultaat is een toename van de gezondheidsvoordelen voor de patiëntjes en een afname van de kosten voor het ziekenhuis.

In samenwerking met andere partners, zoals Finaps in het Applied Data Analytics in Medicine (ADAM) programma, creëerde het team een classificatiemodel dat dient als beslissingsondersteunend hulpmiddel voor neonatologen. Om het model te creëren, gebruikte het team gegevens uit verschillende bronnen van de NICU, zoals bloedtestresultaten, hartslag, enzovoort, die werden gecombineerd met de hulp van een medisch expert, en later werden opgeschoond. Deze gegevens werden gebruikt om de kenmerken van het model te ontwikkelen en een beslisboom of een machine learning model op te zetten.

Inzet AI: Arts ondersteunende voorspelling
Het resultaat is een model met een technische backend, waar het technische team gegevens importeeret met een voorspelling als uitkomst, en een eigen website die artsen kunnen gebruiken om te bepalen hoe groot de kans is dat een specifiek patiëntje op de NICU LOS heeft. De website bevindt zich momenteel op een interne server van de afdeling, maar er zijn plannen om hem te integreren in de systemen die de artsen gebruiken.

Wanneer het systeem klaar is, voeren de artsen de naam en het nummer van een patiëntje in en voeren een test uit. Op basis van de gegevens uit de databases over de vitale functies van een patiëntje wordt een berekening gemaakt, waarna het model een antwoord aan de arts geeft in de vorm van een hoge of lage kans op ziekte van een baby. De uiteindelijke beslissing over de behandeling blijft echter in handen van de arts. Vanwege de Europese Verordening betreffende medische hulpmiddelen (MDR) en de grote impact van de voorspellingen van het model, moeten de implementatie en de geïntegreerde toepassing ervan grondig worden geëvalueerd voordat het model klinisch wordt toegepast.

Succes in testfase
De eerste teststappen werden genomen door een pilot uit te voeren, waarbij artsen gevallen van verdenking op sepsis en hun redenering achter hun verdenking registreerden bij 20 baby’s op de NICU. Dit werd vervolgens vergeleken met de output van het model. In deze beperkte testopzet bleek het model in potentie 20% minder toegediende behandelingen te kunnen opleveren. Aangezien het model echter nog een MVP (most viable product) is, zijn verdere validatiestappen nodig. Daarom moet de volledige reikwijdte van dit model nog worden onderzocht nadat het de implementatiefase is ingegaan.

Meer informatie
Bezoek voor meer informatie de website van het UMC Utrecht, Finaps of neem contact op met Xomnia.

Delen via: