Effectievere behandeling van urineweginfecties door te leren van iedere patiënt
door Daan de Bruin (Pacmed)
Artificial Intelligence in de zorg. Er wordt al jaren over gesproken, maar concrete voorbeelden waarbij de patiënt er waarde van ervaart zijn er nog maar weinig. Pacmed wil hier verandering in brengen en ontwikkelt daarom software die artsen op basis van Machine Learning ondersteunt bij de behandelkeuze. Dit doen zij inmiddels al voor de ontslagbeslissing op de Intensive Care, de urgentie-indicatie op de Huisartsenpost, de behandeling van prostaatkanker en chronische aandoeningen zoals hoge bloeddruk, diabetes en chronische nierschade.
Maar het begon allemaal met een relatief onschuldig ziektebeeld: urineweginfecties. 116 huisartsen gebruiken inmiddels beslissingsondersteunende software voor dit ziektebeeld in een grote implementatiestudie. Hoe kan Machine Learning artsen helpen bij de behandeling van urineweginfecties? In deze blog legt Daan de Bruin, senior data scientist bij Pacmed, uit hoe de software ontwikkeld is en welke toegevoegde waarde deze biedt.
Big Data in de spreekkamer?
Een urineweginfectie — ook wel blaasontsteking genoemd — is de meest voorkomende reden voor een huisartsbezoek bij vrouwen. En ook mannen krijgen er regelmatig mee te maken [1]. De huisarts behandelt een urineweginfectie met antibiotica, en heeft hiervoor de keuze uit acht verschillende middelen.
Pacmed ondersteunt de huisarts in de spreekkamer bij de keuze voor een specifiek middel door op basis van verschillende patiëntkenmerken de verwachte succeskans per antibioticum te voorspellen. De algoritmes zijn ontwikkeld door Machine Learning algoritmes toe te passen op data van meer dan 200.000 urineweginfecties van NIVEL zorgregistraties eerste lijn.
Door de keuze voor een antibioticum te baseren op de succeskans[2], verwacht Pacmed dat patiënten eerder genezen zijn van de infectie en er minder herhaalconsulten en –recepten nodig zijn. Dat is belangrijk, want het succes van de behandeling is niet evident: in ruim twintig procent van de gevallen slaat een eerste antibioticum niet aan.
Wat voegen deze algoritmes toe?
Op dit moment baseren huisartsen zich op de NHG-standaard en op hun eigen ervaring bij de keuze van de behandeling. De NHG-standaard voor urineweginfecties is gebaseerd op laboratoriumdata over resistentie, twee observationele studies en enkele tientallen Randomized Controlled Trials (RCT’s) die zijn uitgevoerd tussen 1983 en 2009. Aan al deze observationele studies en RCT’s samen, deden in totaal respectievelijk ongeveer 17.000 en 5.000 jonge, relatief gezonde vrouwen mee. De Pacmed algoritmes verrijken deze kennis door zich te baseren op een fors grotere en gevarieerdere database van ruim 200.000 urineweginfecties, waar ook duizenden mannen, zwangere vrouwen, ouderen, kinderen en patiënten met diabetes of andere comorbiditeiten zijn opgenomen. De software presenteert de verwachte uitkomst per behandeling, samen met welke behandeling volgens de NHG-standaard bij deze specifieke patiënt wordt aanbevolen (figuur 1).
Omdat een huisarts nu de uitkomsten kan gebruiken van alle urineweginfecties die bij NIVEL Zorgregistraties Eerste Lijn zijn vastgelegd, kan de huisarts de behandelkeuze dus baseren op eigen ervaring én die van vele collega’s.
Bart Knottnerus (huisarts en expert op het gebied van urineweginfecties):
“Deze benadering zou een waardevolle aanvulling op onze huidige kennis kunnen zijn, vooral voor patiënten die niet in RCT’s vertegenwoordigd zijn. Mede dankzij de uitgebreidheid en gevarieerdheid van de NIVEL data zouden de resultaten veel kunnen betekenen voor de huisartspraktijk. Het is daarom goed dat in de praktijk onderzocht wordt wat de software daar kan toevoegen.”
Voor welke patiënten worden nu andere antibiotica aanbevolen?
De NHG-standaard maakt voor mannen en vrouwen boven de twaalf jaar oud geen onderscheid naar leeftijd. Huisartsen schrijven dan ook vrijwel altijd Nitrofurantoïne voor als eerste prescriptie[3]. Analyse van de 200.000 urineweginfecties toont echter dat de effectiviteit van Nitrofurantoïne voor vrouwen significant afneemt bij stijgende leeftijd: van een effectiviteit van bijna 90% voor een vrouw van 25 naar minder dan 70% voor een vrouw van 85 jaar. Dit geldt veel minder voor middelen als Norfloxacine en Ciprofloxacine. Voor een vrouw van 85 zullen deze middelen dus vaker als kansrijk naar voren komen.
Voor mannen kan eenzelfde conclusie worden getrokken: huisartsen schrijven vaak Nitrofurantoïne of Augmentin voor, terwijl middelen als Norfloxacine, Trimethoprim en Ciprofloxacine bij mannen boven de veertig veel effectiever blijken. Eerder onderzoek heeft dit niet aangetoond, omdat mannen doorgaans niet deelnemen aan onderzoek naar urineweginfecties. Naast leeftijd en geslacht zijn in de algoritmes ook factoren als tekenen van weefselinvasie, urinewegklachten, diabetes, het aantal eerdere urineweginfecties en de eerder voorgeschreven medicatie naar voren gekomen als voorspellend voor de effectiviteit van antibiotica. En de resultaten zijn veelbelovend: volgens de algoritmes kan het percentage ineffectieve behandelingen dalen met 15% voor vrouwen en zelfs met 38% voor mannen. Vertaald naar heel Nederland zou dit ruim 50.000 herhaalconsulten en antibioticakuren schelen[4].
Naast effectiviteit van een middel speelt de zwaarte en de mate van resistentie van een antibioticum ook een belangrijke rol bij de keuze van de arts. In de software wordt duidelijk aangegeven wanneer het niet wenselijk is om een zwaarder middel met hoge weefselpenetratie voor te schrijven. Daarnaast kan de arts de verwachte succeskans per middel gebruiken om alleen een middel met verhoogde kans op resistentie voor te schrijven, als de succeskans van dit middel substantieel hoger ligt dan die van andere middelen.
Zijn artsen dan nog nodig?
Als een algoritme kan voorspellen welke behandeling werkt, zijn artsen dan nog nodig? Pacmed is overtuigd van wel:
Wouter Kroese (mede-oprichter Pacmed):
“Het artsenvak, en zeker het huisartsenvak, is niet volledig in data te vangen. Er zijn heel veel factoren die een arts meeneemt in de besluitvorming die niet zuiver geregistreerd (kunnen) worden. Daarnaast zijn de kwaliteiten van een arts om vanuit de persoonlijke context van de patiënt de behandeling te kiezen die het meest bijdraagt aan de kwaliteit van leven van de patiënt onvervangbaar. Wij zien onze software als een aanvulling op de informatie waar artsen toegang toe hebben, niet als een aanvulling op hun vermogen tot klinisch redeneren. Onze software vertelt artsen niet wat ze moeten doen, maar geeft hen alle informatie om (samen met de patiënt) de juiste behandeling te kiezen”
De software presenteert een uitgebreide onderbouwing bij de gegeven adviezen. Zo begrijpt een arts precies hoe de verwachte uitkomsten tot stand zijn gekomen en kan de arts op basis van eigen expertise bepalen het advies wel of niet op te volgen. Zo wordt de autonomie van de arts in stand gehouden.
Wetenschappelijke studie
Voorafgaand aan de implementatie van de software in de praktijk, is een wetenschappelijke validatiestudie verricht in Gezondheidscentrum Kersenboogerd te Hoorn om te garanderen dat de software op een veilige en valide wijze in de praktijk gebruikt kan worden. Ook bij de 116 huisartsen die de software nu gebruiken, wordt een uitgebreide wetenschappelijke studie verricht in samenwerking met NIVEL en het LUMC. Voor vragen over deze implementatiestudie kunt u contact opnemen met Willem Herter (willem@pacmed.nl)
[1] De incidentie van blaasontstekingen is bij vrouwen 70 en bij mannen 10 per 1000 personen per jaar
[2] Een succesvolle prescriptie is gedefinieerd als een prescriptie die niet binnen 28 dagen wordt gevolgd door een nieuwe prescriptie
[3] Voor alle leeftijdsgroepen geldt dat huisartsen voor meer dan 70% van de infecties Nitrofurantoïne voorschrijven als eerste prescriptie
[4] Bij het doorrekenen van deze model-impact is rekening gehouden met het feit dat artsen geen onnodig zware antibiotica voorschrijven aan patiënten, vanwege resistentie en neveneffecten. In de Pacmed software worden onnodig zware middelen duidelijk gescheiden van de overige middelen
