Big data in het klinisch laboratorium: een win-win situatie

Het gebruik van Big Data in ziekenhuizen is nog maar net in opkomst. Toch kunnen datatechnieken een belangrijke bijdrage leveren aan het interpreteren van testuitslagen van het klinische laboratorium. Promovenda Saskia van Loon heeft in samenwerking met het Catharina Ziekenhus modellen ontwikkeld om het informatiegehalte van testuitslagen te verhogen door middel van data-analytische technieken. Zij promoveerde op 8 april bij de faculteit Biomedical Engineering.

Medische beslissingen zijn vaak gebaseerd op testuitslagen van het klinisch laboratorium. Om de interpretatie van deze testuitslagen te vergemakkelijken, worden deze vergeleken met de gemiddelde testuitslagen van een groep ‘gezonde’ personen. Hieruit volgt dan de zogenaamde referentie-interval.

De selectie van een geldige referentiepopulatie is niet gemakkelijk. Zo weet je nooit zeker of deze groep wel echt gezond is, en moet je rekening houden met variabelen als leeftijd, geslacht, BMI, dieet etcetera. Daar komt bij dat elke persoon uniek is: referentie-intervallen moeten dus eigenlijk worden gepersonaliseerd.

Leeftijd en geslacht zijn bekende factoren waarmee al rekening wordt gehouden bij het opstellen van referentie-intervallen. De invloed van andere factoren op testuitslagen, bijvoorbeeld de nierfunctie, wordt meestal niet opgenomen in het referentie-interval. Deze invloeden blijven vooralsnog verborgen in de berg patiëntgegevens. Voor de dokter is het daardoor niet altijd makkelijk om testuitslagen goed te interpreteren.

Synergie

Door extra patiëntgegevens te verzamelen uit verschillende datasystemen van het ziekenhuis en deze slim te combineren met de testuitslagen van het laboratorium, kan de dokter hierbij worden geholpen.

De zoektocht naar deze synergie is echter uitdagend, omdat het toepassen van data-analytische technieken binnen het klinisch laboratorium voor deze toepassing nog maar net in opkomst is. Daarnaast zijn ziekenhuissystemen niet ontworpen om klinische data te gebruiken voor de ontwikkeling en implementatie van data-gestuurde modellen.

In haar proefschrift beschrijft Saskia van Loon drie voorbeelden hoe je de toenemende complexiteit van het interpreteren van testuitslagen van het klinisch laboratorium kan vereenvoudigen door data-analytische technieken toe te passen.

Visualisatie

Als eerste laat ze zien dat door laboratoriumdata op een andere manier te visualiseren, bepaalde patronen zichtbaar worden. Hierdoor wordt voor een aantal testen direct duidelijk wat ‘normaal’ is en wat ‘afwijkend’ is binnen een bepaalde patiëntengroep.

Vervolgens presenteert de onderzoekster een model dat de dokter kan gebruiken bij het beoordelen van een verhoogde testuitslag bij onderzoek naar vitamine B12-tekort. Met dit model kunnen artsen beter beoordelen of de verhoogde testuitslag komt door een tekort aan vitamine B12 of door een verminderde nierfunctie.

Gezondheidsindex

Als laatste beschrijft Saskia van Loon de ontwikkeling van een model dat de gezondheidstoestand van patiënten met extreem overgewicht beschrijft. Deze patiënten hebben naast overgewicht vaak ook andere ziekten, zoals suikerziekte (diabetes mellitus), hoge bloeddruk (hypertensie) of een verstoorde vetstofwisseling (dyslipidemie). De combinatie van deze ziekten wordt metabool syndroom genoemd en geeft een verhoogd risico op hart- en vaatziekten.

Metabool syndroom is naast extreem overgewicht één van de eisen om in aanmerking te kunnen komen voor een maagverkleining. Het is echter moeilijk om de metabole gezondheidstoestand van een patiënt goed te beoordelen. De onderzoekster heeft daarom de metabole gezondheidsindex (‘metabolic health index’, MHI) ontwikkeld, vergelijkbaar met de body mass index (BMI) voor gewicht.

Het MHI-model combineert meerdere laboratoriumtestuitslagen en drukt de metabole gezondheidstoestand uit in één getal. Ook is er een MHI-afkapwaarde afgeleid, die helpt om onderscheid te maken tussen metabool ‘gezonde’ en ‘ongezonde’ patiënten en daarmee de keuze om wel of niet te opereren ondersteunt. Het MHI-model is geëvalueerd met data van ruim 11.000 patiënten van meerdere bariatrische centra in Nederland.

In de praktijk

Het Catharina ziekenhuis in Eindhoven maakt inmiddels gebruik van beide modellen. De extra informatie wordt direct met de testresultaten van het laboratorium gerapporteerd en is dus meteen beschikbaar voor de dokter, zonder extra kosten.

Het gepresenteerde onderzoek draagt bij aan het vakgebied van de laboratoriumgeneeskunde, waar meer aandacht komt voor het ontwikkelen van data-gestuurde oplossingen voor klinische behoeften. Zo is in het laboratorium van het Catharina ziekenhuis ook de CoLab-score ontwikkeld, waarmee patiënten op de spoedeisende hulp snel kunnen worden gescreend op het coronavirus.

Titel van proefschrift: The search for synergy in laboratory data. Promotoren: Volkher Scharnhorst (CZE, TU/e), Uzay Kaymak (TU/e); Copromotor: Arjen-Kars Boer (CZE).


© 2024 Catharina Ziekenhuis
Alle rechten voorbehouden