Big data steeds belangrijker voor het nemen van therapeutische beslissingen
Wouter Kroese en Willem Herter werden na hun studies, Logica (Wouter) en Natuurkunde (Willem), met 21 andere veelbelovende studenten, uit duizenden studenten geselecteerd voor de Nationale Denktank 2014. Dat jaar stond de vraag centraal: “Wat zijn de kansen en bedreigingen van Big Data?”
Zij bedachten PacMed een zelflerend model op basis van ” Big Data” dat de beste therapie voor een bepaalde patiënt met een ziekte uitzoekt.
Gaat de computer straks bepalen welke therapie het beste is voor uw patiënt?
Een futuristisch voorbeeld
Het is 2020:Paul (15 jr.) heeft al dagen last van hoesten en keelpijn en gaat naar de huisarts. Hij wordt voor het eerst behandeld door dokter Pieters junior. Die heeft een jaar geleden de praktijk overgenomen van zijn vader. Dokter Pieters senior baseerde zijn beslissingen op jarenlange ervaring en algemene richtlijnen. Zijn zoon daarentegen gebruikt het programma Pacmed als ondersteuning bij het behandelen en adviseren van patiënten. Daarin worden de richtlijnen van het Nederlands Huisartsen Genootschap gecombineerd met data van duizenden collega’s. Pacmed bevestigt het vermoeden van de huisarts en geeft aan dat voor Paul antibioticagebruik niet aan te raden is. Het programma suggereert een bloedonderzoek als de klachten nog vijf dagen aanhouden.
Aangezien Pacmed prognoses geeft bij verschillende behandelingen, biedt het programma de huisarts en Paul een kans om samen de behandeling te kiezen die het beste bij Paul past. Het feit dat de behandeling is gebaseerd op de resultaten van duizenden andere huisartsen geeft Paul en de arts extra vertrouwen dat de juiste keuzes zijn gemaakt.
Interview en foto’s: Bob van Heukelom, MedZ-Online
Foto: Willem (links) en Wouter (rechts) vlak bij hun kantoor aan de Keizersgracht in Amsterdam.
Willem en Wouter kregen de opdracht om te onderzoeken hoe Big Data ingezet kan worden om Nederland gezonder te maken. De oplossing die zij hebben aangedragen is Pacmed; een beslissingsondersteunend systeem voor huisartsen op basis van analyse van data uit de praktijk. Na hun deelname aan deze denktank zijn zij zelfstandig met Pacmed verder gegaan. We spreken beide academici in hun fraaie kantoor bij de Nationale DenkTank aan de Keizersgracht in Amsterdam.
Jullie hebben de huisarts genomen als zorgverlener waarvoor Big Data direct praktisch ingezet zou kunnen worden. Waarom hebben jullie voor deze beroepsgroep gekozen?Wouter enthousiast: ‘Juist omdat het vak van huisartsen zo gecompliceerd is en van zoveel expertises afhankelijk is, is het voor de huisarts vrijwel onmogelijk om van elke expertise alles te weten. Daar komt bij dat het voor de huisarts vaak erg moeilijk is om veel te weten van aandoeningen en type patiënten, die op praktijkniveau weinig voorkomen, maar landelijk gezien wel veel voorkomen. Het is logisch dat de huisarts daar minder effectief in kan zijn. Maar door het slim gebruiken van Big Data komt ook kennis over die patiënten de spreekkamer van de huisarts binnen. Daarom denken wij dat het gebruik van Big Data een grote aanwinst voor de huisartsgeneeskunde kan zijn.’
Werken jullie samen met instanties op het gebied van de huisartsgeneeskunde?
‘Ja, wij werken nauw samen met het Nivel. Zij leveren data vanuit de zorgregistraties eerste lijn en werken met ons samen bij de analyse daarvan. Ook werken wij samen met huisartsen die hebben meegeschreven aan de relevante NHG richtlijnen of in kaderhuisarts-groepen zitten. Wij hebben ons model gepresenteerd op het NHG congres.’
Is de NHG niet bang dat jullie de NHG-standaarden min of meer overbodig gaan maken?Willem: ‘Nee, dat is niet uitgesproken naar ons. Wij denken dat het vormen van NHG standaarden een essentiële manier blijft om wetenschappelijke kennis naar de praktijk te brengen. Wel denken wij dat dit soort ontwikkelingen voor de NHG ook heel waardevol kunnen worden. Het kan bijvoorbeeld helpen de invloed en het gebruik van richtlijnen in de praktijk te ontdekken, wat voor de NHG nu nog heel lastig is. Wij zien bijvoorbeeld heel duidelijk het effect van de wijziging in de richtlijn voor urineweginfecties in 2013. Dat is natuurlijk hele interessante informatie voor het NHG. Verder zouden wij kunnen ondersteunen bij de ontwikkeling van richtlijnen op basis van ervaringen bij complexere patiënten die normaliter niet vaak meedoen aan medisch onderzoek.’
Met welk ziektebeeld gaan jullie starten?
Wouter: ‘Wij hebben, om klein te starten, als eerste ziektebeeld voor urineweginfecties gekozen. Dat is vooral omdat die zoveel voorkomen, acuut zijn en over het algemeen zich volledig in de eerstelijns afspelen. We kunnen zodoende op basis van HIS-data een volledig beeld vormen.’
Door wie is het algoritme dat jullie gebruiken ontwikkeld en van wie is de dataset die hierdoor ontstaat?
Willem: ‘De dataset die we gebruiken is ontstaan in de periode 2012-2014 en deze is gebaseerd op de registraties van 273 bij het Nivel aangesloten huisartsen. Verder werken we onder andere nauw samen met grote groep huisartsen en met zowel medische als technische onderzoekers van het Nivel, Erasmus MC, LUMC, AMC en de VU. De data die we nu gebruiken is van het Nivel. Ook zullen wij straks data verzamelen vanuit de praktijk, maar deze zullen wij alleen gebruiken om de algoritmes voor de behandeling van de desbetreffende aandoening te verbeteren. Wel zullen wij de resultaten van onze onderzoeken publiceren.’
Foto: Wouter en Willem op hun werkkamer samen met hun PostDoc stagière Bodil.
Betekent het voor huisartsen die mee gaan doen met de proeffase veel extra werk?
‘Dat valt erg mee. Wij hebben de beschikbare data in een algoritme verwerkt dat precies aansluit op het spreekuur, waardoor de huisarts binnen een halve minuut kan zien welke behandeling de beste resultaten geeft. Het enige wat de huisarts hoeft te doen is het invoeren van een aantal kenmerken van de patiënt die het betreft, zoals leeftijd, geslacht, medicatie en co-morbiditeit. Op basis van die data krijgt de huisarts de relevante behandelvoorstellen gepresenteerd, waarbij voor iedere soort behandeling het kans op een succesvolle behandeling kan worden voorspeld.’
Waarom zouden de uitkomsten door het inzetten van Big Data beter worden dan via het gebruik van de NHG-standaarden?
‘Wij hebben uit literatuuronderzoek gevonden dat vrijwel alle onderzoeken op urineweginfecties zijn gedaan bij populaties van jonge blanke vrouwen, waarbij nooit alle behandelopties vergeleken werden. Veel patiënten worden bovendien van dit soort onderzoek uitgesloten vanwege het gebruik van co-medicatie of aanwezigheid van co-morbiditeit. Dus op basis van die onderzoeken is niet bekend wat de reactie zal zijn als het een oudere patiënt betreft, die bijvoorbeeld hypertensie en diabetesmedicatie gebruikt.’
‘Wij hebben een dataset van honderdelfduizend unieke patiënten en het systeem kijkt welke patiënten vergelijkbaar zijn met de patiënt die u als huisarts tegenover u heeft in de spreekkamer. Wij geven geen behandeladvies en laten de huisarts vrij om de behandeling te kiezen die hij of zij het beste acht op basis van zijn expertise en ervaring. Wij geven ter onderbouwing van deze keuze alleen de feitelijke informatie over het percentage van de kans van slagen voor de diverse behandelopties, op basis van vergelijkbare patiënten. Pacmed leert en verbetert van elke patiënt waarbij het heeft ondersteund om steeds up-to-date te blijven en steeds verfijndere adviezen te kunnen gaan geven.”
Huisartsen zijn vaak terughoudend om aan dit soort ontwikkelingen mee te werken, omdat ze bang zijn dat het hen weer meer tijd gaat kosten.
‘Wij weten zeker dat dat niet het geval zal zijn. Het biedt de huisarts juist meer zekerheid en het kost nauwelijks extra tijd. Wij denken juist dat het de huisarts veel tijd zal opleveren, doordat het alle voor deze patiënt relevante onderbouwing presenteert en omdat de patiënt effectiever behandeld zal worden en dus minder vaak terugkomt.
Het is een beslissingsondersteunend programma. Het is in zekere zin te vergelijken met het NHG-Doc, dat ook een beslissingsondersteunend programma is op basis van de bestaande standaarden.
Het grote verschil is dat Pacmed adviseert op basis van resultaten bij vergelijkbare patiënten in de praktijk en dat Pacmed alleen ondersteunt bij de zorgvraag waarvoor de patiënt op dat moment de dokter ziet. Door huisartsen van betere en relevantere informatie te voorzien denken wij hen meer ruimte te geven om in alle vrijheid hun expertise in te zetten om een behandeling te kiezen die past bij de patiënt die ze zien. Zo denken wij met deze innovatie de positie van de huisarts alleen maar te versterken.’
Met deze bemoedigende woorden neem ik afscheid van de ‘bright-guys’ van Pacmed. We zullen ongetwijfeld meer van hen horen als de eerste resultaten beschikbaar komen.
Het volledige Pacmed team:
Kijk voor meer informatie op hun website: www.pacmed.nl
Big Data steeds belangrijker voor het nemen van therapeutische beslissingen. PacMed ontwikkelde een zelflerend model dat door de huisarts ingezet kan gaan worden.
