LUMC onderzoekt inzet AI bij ontslag patiënten van intensive care

Onderzoekers van het LUMC en de Universiteit Leiden hebben een AI-model ontwikkeld dat artsen kan helpen bij het bepalen wanneer een patiënt veilig de intensive care (IC) kan verlaten. Het model voorspelt niet alleen het risico dat een patiënt opnieuw op de IC-afdeling belandt, maar laat ook zien waarop die voorspelling is gebaseerd.

Voor IC-artsen is het moment waarop een patiënt naar een gewone verpleegafdeling kan een belangrijke afweging. Een te vroeg ontslag vergroot de kans dat iemand opnieuw op de intensive care moet worden opgenomen. Dat hangt samen met meer complicaties en een hoger risico op overlijden. Een patiënt onnodig lang op de IC houden is ook niet wenselijk, onder meer vanwege het risico op ziekenhuisinfecties.

Onderzoekers van het Leids Universitair Medisch Centrum (LUMC) en het Leiden Institute of Advanced Computer Science (LIACS) onderzochten daarom of kunstmatige intelligentie artsen kan ondersteunen bij die beslissing.

Black box
Veel bestaande AI-modellen kunnen volgens de onderzoekers redelijk goed voorspellen welke patiënten een hoog risico lopen, maar maken niet duidelijk hoe ze tot die conclusie komen. Andere modellen geven juist wel een verklaring, maar die sluit niet altijd aan bij de medische praktijk en dat is juist op een intensive care-afdeling een probleem. Artsen willen kunnen begrijpen waarom een systeem een bepaald risico aangeeft voordat ze de uitkomst meenemen in een beslissing over een patiënt.

De Leidse onderzoekers ontwikkelden daarom een model dat de risico’s voorspelt aan de hand van een zo klein mogelijk aantal patiëntkenmerken. Het systeem is getraind met tien jaar aan gegevens van IC-patiënten. Het algoritme verdeelt patiënten in vijf groepen met ieder een eigen risicoprofiel. Daardoor kunnen artsen zien welke factoren bijdragen aan een verhoogde kans op heropname.

Bloedcellen
Een van de gevonden risicoprofielen gaat over patiënten bij wie het aantal witte bloedcellen in de laatste 24 uur voor hun ontslag sterk stijgt. Dat kan wijzen op een beginnende infectie. Patiënten in deze groep bleken meer dan drie keer zo vaak opnieuw op de IC te worden opgenomen dan gemiddeld. Voor een arts kan zo’n waarschuwing reden zijn om aanvullend onderzoek te doen of een patiënt nog wat langer op de intensive care te behandelen.

Het systeem is volgens de onderzoekers nadrukkelijk niet bedoeld om de beslissing van artsen over te nemen. Een algoritme kan grote hoeveelheden medische gegevens verwerken, maar ziet de patiënt zelf niet. Artsen kunnen hun beslissing daarnaast baseren op hun ervaring en op wat zij aan het bed van de patiënt waarnemen.

Het ontwikkelde model wordt op dit moment nog niet in de praktijk gebruikt. Volgens de onderzoekers laat de studie wel zien dat AI de artsen kan ondersteunen zonder dat zij hoeven te vertrouwen op een ondoorzichtige black box.

Aan het onderzoek werkten Lincen Yang van het LIACS, technisch geneeskundige Siri van der Meijden en anesthesioloog-intensivist Sesmu Arbous van het LUMC en hoogleraar explainable machine learning Matthijs van Leeuwen van het LIACS mee.

Gezondheid Leiden