We verzamelen steeds meer gegevens van patiënten, waar we dankzij groeiende computerkracht ook steeds meer mee kunnen. Wat gaan patiënten hier in de toekomst van merken?
Wiepke Cahn is hoogleraar en psychiater bij het UMC Utrecht. Samen met natuurkundige Hugo Schnack en ervaringsdeskundige Russel Cummins ontwikkelt ze de Psychose Prognose Predictor, een tool waarmee psychiaters een individueel behandelplan kunnen opstellen voor patiënten met een psychotische stoornis. Op 20 januari is Cahn samen met Cummings te gast bij het evenement Hersenziekten: Kunnen data je leven redden? in TivoliVredenburg in Utrecht.
Hoe giftig zijn PFAS – en hoe kun je ze vermijden?
PFAS zijn slecht voor de gezondheid. Wat doen ze in het lichaam? En is het mogelijk om ze te vermijden?
Waar kwam het idee voor de Psychose Prognose Predictor (PPP) vandaan?
‘Eigenlijk ontstond het idee door iets waar ik als psychiater in de dagelijkse praktijk steeds weer mee te maken krijgt. Elke keer zit je tegenover een patiënt en weet je niet echt welke behandeling goed voor hem of haar is. Alles wat we weten, is gebaseerd op wetenschappelijke kennis die voor groepen geldt, waarbij geen rekening wordt gehouden met individuele verschillen. Daardoor werk je eigenlijk met trial-and-error als je een behandelplan uitvoert. En daardoor kan het best lang duren voordat je de juiste behandeling voor een patiënt vindt.
Het zou ideaal zijn als je een behandelplan kan uitvoeren waarbij je precies weet welke kans op herstel een specifieke behandeling geeft. De Psychose Prognose Predictor kan daarbij helpen.’
Wat gaat de PPP uiteindelijk doen?
‘We hopen dat de Predictor vergelijkbaar gaat werken als U-prevent, een tool die gebruikt wordt om de behandeling voor hart- en vaatziekten op de individuele patiënt af te stemmen. Het verschilt per patiënt wat hij of zij als een goede uitkomst van een behandeling ziet. De ene patiënt wil bijvoorbeeld weer kunnen werken; de ander wil dat de psychische klachten zoals stemmen in het hoofd verdwijnen. Om de ene uitkomst te bereiken, moet er misschien voor een andere behandeling worden gekozen dan voor de andere uitkomst. Ook verschilt het per patiënt welke behandeling het beste werkt.
Met de PPP-tool hopen we beter te kunnen voorspellen wat per patiënt en per gewenste uitkomst de beste behandeling is. En daarbij ook te kunnen kijken: als we zus of zo doen, of dit of dat laten, wat is dan de uitkomst?’
Hoe gaat het met de ontwikkeling van de tool?
‘Afgelopen april zijn we begonnen met het project, dat in totaal vijf jaar duurt. Het is een mooi voorbeeld van een project waar klinische, fundamentele en ervaringsdeskundige kennis samenkomen. Er zijn patiëntenpanels georganiseerd om te kijken naar wat voor patiënten belangrijke uitkomstparameters zijn. Daarnaast hebben we data van eerdere studies van ongeveer tweeduizend patiënten uit heel Europa en gebruiken we gegevens uit GGZ-instellingen. Ook is er al heel veel bestaande data over verschillende behandelingen en uitkomsten bij psychoses waarmee we de tool kunnen vullen.
Met de data trainen we zogeheten machine-learning-algoritmes. Dat zijn computermodellen die zichzelf uiteindelijk leren een patroon in de patiëntendata te herkennen. Zo proberen we subtypes in de datasets te ontdekken, en te kijken of een bepaald subtype patiënt baat heeft bij de ene of bij de andere behandeling.’
Kun je als je meer data hebt een betere tool maken?
‘Hoe meer data je hebt om de tool mee te trainen en te testen, des te nauwkeurigere en betrouwbaardere individuele voorspellingen je kunt doen. In die zin helpt meer data inderdaad om uiteindelijk per patiënt een behandelplan te kunnen opstellen dat gebaseerd is op diens eigen data.’
