Veiliger medicijnen voorschrijven met AI
De voorbeelden liggen voor het oprapen. Een pilletje dat de bloeddruk verlaagt en tegelijk de nierfunctie aantast. Chemotherapie die de tumor aanvalt, maar ook de lever schaadt. Een antibioticum dat een allergische reactie veroorzaakt. 'We missen slimme tools die gedetailleerd, betrouwbaar en continu geneesmiddelbijwerkingen kunnen detecteren in de praktijk, zodat we beter begrijpen wie risico loopt en waar verbetering nodig is', zegt Joanna Klopotowska van het UMC Amsterdam, na een carrière als ziekenhuisapotheker nu onderzoeker en projectleider van LEAPfROG. 'Wat we nu weten over geneesmiddelbijwerkingen in de praktijk, komt uit spontane en sporadische meldingen van zorgverleners of patiënten. Of uit handmatig dossieronderzoek. Een digitaal systeem met data uit elektronische patiëntendossiers en medische kennisbronnen moet zorgverleners meer hulp en inzicht bieden.'
Alles doen om complicaties te voorkomen
Het onderzoeksproject LEAPfROG richt zich met name op de bijwerkingen bij patiënten met multimorbiditeit, vakterm voor meerdere chronische ziekten tegelijkertijd. Door de toenemende vergrijzing neemt het aantal patiënten met multimorbiditeit sterk toe. Ze worden behandeld met complexe geneesmiddelcombinaties. De effectiviteit en veiligheid daarvan zijn vaak niet goed onderzocht in wetenschappelijke studies.
'Bovendien worden patiënten met multimorbiditeit frequent uitgesloten van dergelijk onderzoek', weet Cornelis Boersma, hoogleraar Duurzame Zorg aan de faculteit Managementwetenschappen van de Open Universiteit. 'Er komen steeds meer medicijnen beschikbaar. Uiteraard worden die allemaal eerst uitgebreid getest op werkzaamheid en bijwerkingen. Maar dat gebeurt in homogene groepen met focus op de doelgroep. Bijvoorbeeld een middel tegen hypertensie wordt getest op mensen met hoge bloeddruk, niet in heterogene groepen met ook patiënten die al meerdere medicijnen slikken vanwege meerdere aandoeningen. En dat zijn juist patiënten die we steeds vaker in de praktijk zien en bij wie het mogelijk misgaat, omdat door gebrek aan informatie geen problemen worden verwacht. Artsen zien dat ook wel en doen er alles aan om complicaties te voorkomen. Ze werken beter samen, proberen over de grenzen van hun vakgebied of ‘hun orgaan’ te kijken en het totaalplaatje tegen het licht te houden.'
Medische kennisbronnen
Boersma vervolgt: 'Informatie is cruciaal. Elke dag komen tientallen publicaties beschikbaar in de verschillende medische vakgebieden. Ook over medicijnen en hun bijwerkingen. Punt is: probeer die allemaal maar eens bij te houden als arts. Een nefroloog is al blij als die in zijn eigen vakgebied up-to-date blijft, als hij alle specifieke medicijnen tegen nieraandoeningen kent, inclusief de bijwerkingen. Dan mag je niet verwachten dat er ook afdoende kennis is over alle andere medicijnen die een patiënt tot zich neemt.’
Een lerend medicatieveiligheidssysteem zou wel eens de oplossing kunnen zijn voor dit informatieprobleem, was het idee van Joanna Klopotowska, waarmee ze onder meer aanklopte bij de Open Universiteit. 'Daarvoor moeten we twee datastromen beheersen', legt ze uit. 'Allereerst data van patiënten zelf. Welke aandoeningen hebben ze, welke medicijnen gebruiken ze? Die informatie is beschikbaar in de elektronische patiëntendossiers. Daarnaast zijn er data uit medische kennisbronnen, denk aan richtlijnen, handboeken en wetenschappelijke publicaties. Als we die twee datastromen bundelen en beschikbaar maken in de zorgpraktijk, dan kunnen we zeker zorgverleners ondersteunen om betere beslissingen te nemen bij patiënten met veel medicatie, en bijwerkingen terugdringen.'
Consortium
Het idee van Klopotowska viel in goede aarde. In 2022 kende de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) 1,6 miljoen euro subsidie toe aan LEAPfROG. Dat staat voor LEveraging real-world dAta to optimize PharmacotheRapy outcomes in multimOrbid patients by using machine learning and knowledGe representation methods. De Nierstichting draagt een ton bij. De subsidieaanvraag werd gedragen door een consortium van onderzoekers van Klinische Informatiekunde, Epidemiologie&Data Science en Medische Ethiek van het Amsterdam UMC, Computer Science van de VU Amsterdam en Management Wetenschappen van de Open Universiteit.
Wezenlijk is de inbreng op het vlak van artificial intelligence en machinelearning. 'We hebben het over massa’s data', aldus Boersma. 'Die willen we niet alleen toegankelijk maken, het nieuwe medicatieveiligheidssysteem moet ook zelflerend zijn. Nieuwe wetenschappelijke informatie, real world info, en gegevens uit de patiëntendossiers worden voortdurend verwerkt. Met deze vorm van machinelearning ontstaan algoritmes die de altijd actuele basis zijn voor adviezen voor het veilig voorschrijven van medicijnen. Een actueel platform dat elke dag automatisch bijgewerkt wordt. De Open Universiteit is vanaf het begin nauw betrokken bij het project van technologische ontwikkeling tot en met het realiseren van een duurzaam en schaalbaar te implementeren platform. We houden ons bezig met de zorg- en economische waardepropositie van het platform ter onderbouwing van een kloppende business case.'
Use case nierschade
'In eerste instantie richten we ons op patiënten met chronische nierschade', legt Klopotowska uit. 'Een use case om te laten zien dat het systeem dat we voor ogen hebben ook echt werkt. In Nederland hebben 1,7 miljoen mensen chronische nierschade. In deze groep zien we vaak multimorbiditeit. Je wilt voorkomen dat verkeerd geneesmiddelgebruik de nierfunctie van deze patiënten sneller en verder verslechtert en patiënten bijvoorbeeld aan de dialyse moeten. We starten met EPD data uit drie bronnen: ziekenhuisdata van Amsterdam UMC, huisartsdata van Het Academisch Netwerk Huisartsgeneeskunde Amsterdam UMC en data van het PHARMO Database Network. Voor medische kennis gaan we putten uit diverse Engelstalige en Nederlandstalige bronnen met informatie over bijwerkingen op nieren. Inmiddels hebben we drie promovendi aangenomen, en we krijgen ondersteuning van zeven private partners bij het uitvoeren van het onderzoek.'
Gepersonaliseerd advies
Een prototype lerend medicatieveiligheidssysteem moet over vijf jaar beschikbaar zijn. 'Als dit project slaagt, en daar gaan we van uit, dan kan het systeem breed uitgerold worden', zegt Boersma. 'Uiteindelijk zou het een gepersonaliseerd medicijnadvies voor elke patiënt moeten genereren. Veilig, op basis van medische kennisbronnen en data uit het patiëntendossier. Zo ver is het echter nog niet.'
Over Cornelis Boersma
Prof. dr. Cornelis Boersma (1978) is bijzonder hoogleraar Duurzame Zorg en Innovatie aan de Open Universiteit en gezondheidseconoom aan het UMCG – Rijksuniversiteit Groningen. Daarnaast is hij ondernemer en bekleedt hij diverse functies bij commissies en besturen zoals het NADP (Netherlands Antibiotic Development Platform). Hij studeerde aan de Rijksuniversiteit Groningen waar hij een master Farmacie behaalde en promoveerde op epidemiologie, gezondheidseconomie en -zorgbeleid.
Over Joanna Klopotowska
Dr. Joanna Klopotowska (1978) is onderzoeker bij de afdeling Klinische Informatiekunde van het Amsterdam UMC. Daarnaast is zij docent Health Informatics aan de UvA en betrokken bij de Special Interest Group Kunstmatige Intelligentie van de Nederlandse Vereniging van Ziekenhuisapothekers (NVZA). Na haar master Farmacie en apothekersopleiding aan de Rijksuniversiteit Groningen deed ze een vervolgopleiding tot ziekenhuisapotheker in het Amsterdam UMC. Ze promoveerde aan de UvA op medicatieveiligheid van patiënten met multimorbiditeit. En werkte tien jaar als ziekenhuisapotheker.
Tekst: Jos Cortenraad