Artificial intelligenceimec GhentSmart Health

5 min

Minder risico bij vroeggeboorte

Een goed voorbeeld van hoe AI artsen kan helpen om de juiste diagnostische beslissingen te nemen. Sofie Van Hoecke, professor semantische intelligentie aan IDLab, een imec-onderzoeksgroep aan de Universiteit Gent, legt uit.

Complicaties die ontstaan als gevolg van een vroeggeboorte zijn wereldwijd de belangrijkste doodsoorzaak bij kinderen onder vijf jaar. En dat terwijl, volgens de World Health Organization, drie vierde van deze overlijdens zouden vermeden kunnen worden door gekende en relatief goedkope maatregelen. Eén van deze maatregelen is de toediening van corticosteroïden ter bevordering van de foetale longrijping bij een vermoeden van vroeggeboorte. Deze behandeling lijkt echter meest efficiënt tussen twee en zeven dagen voor de bevalling. Goede timing en een correcte inschatting van de eventuele vroeggeboorte zijn dus belangrijk. Iets waar zelfs gespecialiseerde dokters zichzelf nog veel ruimte voor verbetering geven. Daarom werd bij IDLab, een imec-onderzoeksgroep aan de Universiteit Gent, een AI-algoritme ontwikkeld dat als doel heeft de arts te ondersteunen bij de inschatting van het risico op vroeggeboorte.

Uniek aan het systeem is dat het niet alleen de gestructureerde data meeneemt uit het medisch dossier (temperatuur, bloeddruk…), maar ook de ongestructureerde data kan analyseren (notities van de artsen).

Geen evidentie, want niet elke arts noteert op dezelfde manier. Zo schrijft de ene arts alles voluit, waar de andere bepaalde afkortingen gebruikt. Door de informatie uit gestructureerde én ongestructureerde data te combineren, werden de beste resultaten bereikt en de correctheid van de voorspellingen met tien procent of meer verhoogd.

Belangrijk hierin is de samenwerking tussen de arts en het algoritme. Beide doen een voorspelling en de gevallen waarin ze het niet met elkaar eens zijn, zijn het interessantst.

Het algoritme is transparant en geeft aan op basis van welke gegevens het een conclusie trekt. Het is dan aan de arts om deze AI-redenering te bekijken en een finale beslissing te nemen.

Artsen krijgen hierdoor meer kennis aangereikt, wat nuttig kan zijn om snel en correct door te verwijzen als de bevalling in een gespecialiseerd centrum dient plaats te vinden. Ook daar kunnen artsen zich in hun beleid laten leiden door het algoritme. Anderzijds kunnen zij het op hun beurt verbeteren door het te corrigeren wanneer hun persoonlijke ervaring toch de bovenhand haalt op de redenering en conclusie van de software.

Het project is een nauwe samenwerking tussen imec-IDLab en UZ Gent. De huidige software werd succesvol toegepast op een bestaande dataset van vroeggeboortes uit het verleden. Dit liet toe om de accuraatheid van de voorspellingen te testen doordat noch de betrokken artsen, noch het algoritme vooraf de uitkomst kenden.

In een volgende stap zal het voorspellend vermogen getest worden met nieuwe patiënten en dus ook voor de onderzoekers een onbekende uitkomst.

Ook verkent imec-IDLab een samenwerking met Ziekenhuis Oost-Limburg (ZOL) en imec spin-off Bloomlife, die een wearable heeft ontwikkeld voor thuismonitoring van contracties. Samen kijken ze of de sensordata van deze wearable de accuraatheid van het AI-algoritme nog kan verbeteren.

 

Meer weten?

Over Sofie Van Hoecke

Sofie Van Hoecke is in 2003 afgestudeerd aan de ingenieursafdeling van de Universiteit Gent. Na haar studies informatica behaalde ze een doctoraat in computerwetenschappen aan de vakgroep Informatica van dezelfde universiteit over Efficiënt servicemanagement in de gezondheidszorg. Na postdoctoraal onderzoeksingenieur te zijn geweest aan de vakgroep Informatietechnologie, startte ze als docent ICT en ICT-onderzoekscoördinator aan de Hogeschool West-Vlaanderen.

Momenteel is ze universitair hoofddocent aan de Universiteit Gent, IDLab - Data Science Lab. Haar specialiteiten zijn: multi-sensor en service georiënteerde architecturen, nieuwe diensten, conditiebewaking, emotieherkenning, machinaal leren, semantische dashboards, en de fusie van machinaal leren en semantische technologieën, toegepast in zowel voorspellend onderhoud als voorspellende gezondheidszorg.

Deze website maakt gebruik van cookies met als enige doel het analyseren van surfgedrag, zonder enige commerciële insteek. Lees er hier meer over. Lees ook ons privacy statement. Sommige inhoud (video's, iframes, formulieren,...) op deze website zal pas zichtbaar zijn na het accepteren van de cookies.

Accepteer cookies