Inzichten in COVID-19 door analyse van IC-data met kunstmatige intelligentie

Intensivist dr. Paul Elbers (Amsterdam UMC) vertelt hoe hij met steun van ZonMw automatisch geregistreerde IC-data liet analyseren door kunstmatige intelligentie. Het onderling harmoniseren van data afkomstig van verschillende ziekenhuizen was een grote uitdaging. ‘Letterlijk elk ziekenhuis bleek de data op een andere manier te registreren.’

Afbeelding

 Bij aanvang van de coronacrisis werden Nederlandse intensive care-afdelingen (IC’s) overspoeld door patiënten met COVID-19. ‘In grote lijnen handelden de zorgverleners zoals bij andere kritiek zieke patiënten’, vertelt intensivist Elbers. ‘Maar op die grote lijnen bestaan veel variaties. Je kunt op verschillende manieren beademen, medicatie voorschrijven, al dan niet infuusvloeistof toedienen… Op de IC neem je minstens drie of vier minibeslissingen per uur’, schat hij. Inmiddels zijn er voorlopige protocollen voor COVID-19, maar in het voorjaar waren die er nog niet. ‘Daardoor ontstond er veel variatie in de behandeling. En het mooie is: daar kunnen we van leren. Door de data te analyseren kun je ontdekken welke behandelvariaties de beste uitkomsten geven voor welke patiënten.’

Elbers is hoofd van het Laboratorium voor Critical Care Computational Intelligence in Amsterdam UMC. ‘Wij proberen nieuwe inzichten te verkrijgen uit routinematig verzamelde gegevens en brengen die inzichten vervolgens naar het bed. We wilden dit ook graag doen voor COVID-19’, zegt Elbers. ‘Heel veel IC-gegevens worden al automatisch vastgelegd via bewakingsmonitors, beademingsapparatuur, hart-longmachines, dialyseapparaten en spuitpompen voor infusen.

In de meeste ziekenhuizen belanden deze data bovendien automatisch in het elektronisch patiëntendossier. Dat biedt natuurlijk geweldige mogelijkheden.’ Eind maart begonnen Elbers en collega’s om ziekenhuizen te mobiliseren. Dat verliep soepel: iedereen werkte graag mee in de strijd tegen COVID-19. ZonMw verstrekte subsidie en het Amsterdamse bedrijf Pacmed startte de dataopslag en -analyse met behulp van machine learning, een vorm van kunstmatige intelligentie.

Helaas bleek het niet eenvoudig om alle data te combineren. ‘Letterlijk elk ziekenhuis bleek de data op een andere manier te registreren’, licht Elbers toe. ‘Denk aan zoiets simpels als de bloeddruk. Die kun je in verschillende eenheden vastleggen en je kunt hem meten in de pols, op de bovenarm of in de lies, enzovoorts. En dat is dan één variabele. We hadden te maken met duizenden verschillende variabelen, met in totaal meer dan 400 miljoen datapunten. Die moesten allemaal worden omgevormd naar gegevens die onderling vergelijkbaar zijn.’

Het harmoniseren van de data kostte enkele maanden. ‘Daardoor zijn we minder ver met onze analyses dan gehoopt’, merkt Elbers op. Desondanks kan hij al een aantal interessante bevindingen delen, die bovendien direct toepasbaar zijn. Zo ontwikkelden de onderzoekers een model dat voorspelt wie de meeste kans loopt om te overlijden. ‘Tijdens de eerste golf van de coronapandemie was er in Nederland op een bepaald moment een dreigend tekort aan IC-bedden. Er was toen discussie over de vraag: wie stuur je naar de IC als er te weinig bedden zijn? Met name het meewegen van de leeftijd was een heikel punt.

Uit ons mortaliteitsmodel blijkt nu dat je de kalenderleeftijd niet nodig hebt om de overlevingskans te voorspellen. Andere factoren, waaronder hart- en vaatziekten, zuurstofspiegel in het bloed bij binnenkomst en het aantal medicijnen dat iemand gebruikt, zijn voldoende.’ Bij een eventueel dreigend IC-beddentekort hoeft leeftijd dus geen criterium te zijn, in ieder geval niet voor wat betreft overlevingskansen

Een andere bevinding draait om beademingstechniek. ‘Uit Italië hoorden we tijdens de eerste golf dat de longen bij COVID-19 niet stug worden zoals bij andere ernstige longinfecties, waardoor je niet hard zou hoeven pompen’, vertelt Elbers. ‘Uit onze data van beademingsmachines blijkt echter dat het longweefsel bij COVID-19 vaak wel stug is. Je moet dan beademen zoals bij gewone longontstekingen.’

Omdat beademing op zich ook schadelijk is voor de longen, proberen behandelaars te grote beademingsteugen en te vaak beademen te vermijden. ‘We zien in onze analyses dat die longbeschermende behandeling goed werkt bij COVID-19. Sterker nog: er kan nog wel wat méér longbeschermend beademd worden’, constateert de intensivist. Een laatste, al gepubliceerde bevinding is dat het malariamedicijn hydroxychloroquine geen effecten heeft op de behandeluitkomsten, zoals buitenlandse studies eerder ook aantoonden.

Al deze resultaten zijn afkomstig uit observationele data, niet uit gerandomiseerde studies. ‘Je moet daarom een beetje voorzichtig zijn met de conclusies’, aldus Elbers. ‘Maar ik denk dat er zeker heel veel waardevolle informatie in zit.’ Wat Elbers ook heel waardevol vindt, is dat er nu een gestandaardiseerde registratie van IC-data op poten wordt gezet. ‘Zorgverzekeraars Nederland zag de waarde van het harmoniseren van data uit verschillende ziekenhuizen en heeft 2 miljoen euro beschikbaar gesteld om dit samen met de Nederlandse Vereniging voor Intensive Care en Pacmed op te zetten. Ook na de coronapandemie zullen we daar veel aan hebben. Dat is dus mede dankzij de eerdere ZonMw-subsidie van de grond gekomen.’ Voor meer informatie: zie www.icudata.nl.

Redacteur: Diana de Veld
Eindredactie: ZonMw
Beeld: Eva Fache