Collega Kim heeft als Data Scientist bij Erasmus MC dagelijks te maken met de toepassing van Data Science in de gezondheidszorg. In deze blog beschrijft ze waarom Data Science volgens haar een toegevoegde waarde biedt voor de gezondheidszorg.

 

Data Science in de gezondheidszorg

De hoeveelheid data in de gezondheidszorg neemt constant toe. Hierdoor wordt het steeds moeilijker om enige vorm van nuttige informatie te vinden.  De huidige onderzoeksmethoden in de gezondheidszorg zijn gebaseerd op bepaalde groepen en niet op het individu (personalised medicine). Welke behandeling het beste werkt, wordt op dit moment bepaald door onderzoek naar de werking van medicijnen, om daarna deze theorieën te valideren in experimentele studies. In deze studies (randomized controlled trials), krijgt een willekeurig geselecteerde groep patiënten een bepaald medicijn toegediend terwijl de controlegroep een placebo (nep-medicijn) krijgt. Aan de hand van de uitslag van het experiment wordt een keuze gemaakt voor of tegen de geteste behandeling, waarbij gekeken wordt naar wat het effect is op de controlegroep en testgroep. En zo wordt de keuze gemaakt voor een behandeling.

Als Data Scientist in de gezondheidszorg zie ik dat we door middel van Data Science de kwaliteit van zorg voor patiënten aanzienlijk kunnen verbeteren. Waarom? Iedere patiënt is verschillend. Daardoor kunnen er grote verschillen bestaan in de uitkomst van de behandeling tussen patiënten met dezelfde aandoening. Het is belangrijk dat de medicijnen voor iedere patiënt individueel worden afgestemd op zijn of haar kenmerken. De ene patiënt is bijvoorbeeld door erfelijke eigenschappen gevoeliger voor bepaalde bijwerkingen en de andere patiënt is veel gevoeliger voor een medicijn waardoor de dosis wellicht aangepast dient te worden. Het uiteindelijke doel is een minimum aan bijwerkingen voor iedere patiënt doordat de behandeling is afgestemd op zijn of haar kenmerken. Dit wordt “Personalised Medicine” genoemd. Data science is hiervoor de perfecte uitkomst. Door het analyseren van medische data en efficiënter data gebruik is het steeds vaker mogelijk om gezondheidsproblemen in een vroeg stadium te voorspellen. Daardoor kunnen behandelaars vaker een goede behandeling toepassen die voor de individuele patiënt wordt geselecteerd.

 

Machine learning

In het geval van een neurologische of geestelijke aandoening maakt Machine Learning het mogelijk afwijkende patronen te detecteren. Binnen deze groep vallen bijvoorbeeld ook Multiple sclerose(MS) patiënten. Voor deze aandoening kan bijvoorbeeld een voorspelmodel worden ontwikkeld. Om patiënten met MS te behandelen, kunnen artsen uit veel verschillende therapieën kiezen. Omdat MS een chronische aandoening is, is stabilisatie van de ziekte het doel van de behandelende arts. In de tweede fase van MS herstellen de klachten zoals stuurloosheid en minder spierkracht bijna niet meer bij grotendeel van de MS patiënten. De gezondheid gaat steeds achteruit en ze hebben duidelijke terugvallen. maar bij een klein aantal patiënten blijft de gezondheid stabiel.

Naar mijn mening bieden Data Science & Machine Learning hierin een uitkomst. Voorspellingen, die door middel van Machine Learning zijn verkregen, helpen artsen een keuze te maken voor een therapie/behandeling  voor een patiënt met bepaalde afwijkingen. Dit ondersteunt hem, naast zijn eigen inzichten en ervaringen, in zijn beslissing als behandelend arts.

Kortom vind ik het als Data Scientist een must dat de gezondheidszorg zich ook in de toekomst blijft ontwikkelen op het gebied van Data Science. Op deze manier kunnen ziektes vroegtijdig gediagnosticeerd worden, wat de kwaliteit van leven verbeterd en hoge kosten en onnodige medicatie terug dringt. Door behandelingen te personaliseren en betere keuzes te maken op basis van beschikbare gezondheidsdata kan vaker de juiste behandeling worden geselecteerd, met als effect een verbetering van het genezingsproces van de patiënt.