Nieuwe methode van het Sheba Medical Center voorspelt risico op longembolie bij patiënten

Afbeelding door ibrandify op Freepik

Het Sheba Medical Center in Israël voorspelt het risico van patiënten op longembolie (LE) – een potentieel levensbedreigende longblokkade en de derde meest voorkomende doodsoorzaak door hart- en vaatziekten, uitsluitend op basis van AI- analyse van hun medische dossiers.

De aandoening is bijzonder moeilijk te diagnosticeren, omdat de symptomen – doorgaans plotselinge ademhalingsmoeilijkheden, pijn op de borst, het ophoesten van bloed en duizeligheid – gemakkelijk verward kunnen worden met die van veel andere ziekten.

Maar het Sheba Medisch Centrum in Ramat Gan, in het centrum van Israël, heeft een algoritme ontwikkeld dat bij opname van een patiënt in het ziekenhuis nauwkeurig voorspelt hoe groot de kans is dat die patiënt een longembolie krijgt.

PE wordt voornamelijk vastgesteld via een CT-scan. Het algoritme gebruikt in plaats daarvan alleen informatie uit medische dossiers: de leeftijd van de patiënt, geslacht, BMI (body mass index), eerdere klinische PE-gebeurtenissen, chronische longziekte, eerdere trombotische gebeurtenissen en gebruik van anticoagulantia.

PE ontstaat wanneer een bloedstolsel (trombose) – meestal losgeraakt uit de benen van een patiënt – door de bloedbaan reist en een bloedvat in de longen blokkeert. Dit vermindert de bloed- en zuurstofstroom in de longen, verhoogt de bloeddruk in de longslagaders en kan mogelijk het hart of de longen beschadigen.

Het onderzoeksteam schrijft in het Journal of Medical Internet Research dat het te laat of niet goed herkennen van een bloedstolsel in een of meer slagaders naar de longen een ernstige bedreiging vormt voor het leven van patiënten en “een grote uitdaging is voor de moderne geneeskunde.”

Zij analyseerden gegevens die beschikbaar waren vóór opname op de afdeling Spoedeisende Hulp van 2.568 patiënten met longembolie en 52.598 patiënten in een veel grotere ‘controlegroep’ waarin slechts 4 procent longembolie had.

Uit de resultaten van het onderzoek bleek dat het algoritme nauwkeurig kon identificeren en voorspellen welke patiënten een hoog risico op longembolie liepen bij ziekenhuisopname. Hierdoor konden artsen de ziekte vroegtijdig diagnosticeren en met de behandeling beginnen.

"Vroege en tijdige diagnose van longembolie is een uitdaging, maar cruciaal, vanwege de hoge sterfte- en morbiditeitsgraad van de aandoening", aldus Prof. Gad Segal, hoofd van de Sheba Education Authority, die de studie uitvoerde samen met onderzoekers op het gebied van computationele ontwikkeling aan de Ben Gurion Universiteit in Beersheva, Zuid-Israël, in gesprek met ISRAEL21c.

“Deze studie benadrukt het enorme potentieel van machine learning tools om innovatie in diagnostiek te ondersteunen. Hoewel het model alleen gegevens gebruikte die beschikbaar waren van patiënten bij aankomst op de SEH, was het nog steeds in staat om met hoge nauwkeurigheid de waarschijnlijkheid te voorspellen dat een patiënt PE zou ontwikkelen, een cruciale vooruitgang voor patiëntenzorg en -resultaten.”