Met collega-onderzoekers van het Nivel en verschillende universiteiten doet Derek de Beurs onderzoek naar de toepassing van machine learning. Uit drie pilots blijkt dat nieuwe inzichten zich op deze manier onmiskenbaar aandienen.

‘Nivel beschikt over unieke meerjarige gegevens uit de eerste lijn,’ aldus De Beurs. ‘Daarmee doen we onder meer epidemiologisch onderzoek in opdracht van het ministerie van VWS. De cijfers over de jaarlijks griepgolf zijn daar bijvoorbeeld het resultaat van.’

Online zoekgedrag

In een van de pilots waarvan het Nivel de resultaten bekendmaakte, wordt op een nieuwe manier naar de gegevens over de griepgolf gekeken. De onderzoekers vergeleken ze namelijk met de – publiek toegankelijke – cijfers over het online zoekgedrag van Nederlanders naar termen als ‘griep’, ‘verkoudheid’ en ‘koorts’.

Het resultaat was een grafiek die vrijwel gelijk opging met die van het aantal huisartsconsulten. Zij het dat er op de hoogtepunt van de griepgolf de zoekopdrachten enkele dagen eerder plaatsvonden dan het huisartsbezoek. ‘Dat ligt voor de hand, want je gaat al direct online zoeken als je je niet lekker voelt,’ aldus Derek de Beurs.

Suïcidepoging voorspellen

Een meer directe toepassing voor de zorg lijkt te vinden in de tweede pilot. Deze betreft het zorggebruik in de eerste lijn van patiënten die in 2016 een geregistreerde suïcidepoging hadden gedaan. Hun eerdere huisartsenbezoeken werden vergeleken met die van andere patiënten.

De zoektocht gold het verschil in patronen van huisartsenbezoeken tussen deze twee groepen. ‘Daar kwamen interessante resultaten uit,’ aldus De Beurs. ‘Uit eerder onderzoek weten we dat de helft van de mensen die een suïcidepoging doet in de maand ervoor een bezoek aan de huisarts brengt. Maar het voor de huisarts moeilijk om tijdens dat consult een suïcidepoging te voorspellen.

Geen valse meldingen

‘Het algoritme dat we ontwikkelden, bleek op basis van eerdere huisartsbezoeken twee van de drie suïcidepogingen juist te voorspellen. Een heel goede score, wat ons betreft. En minstens zo belangrijk: er waren geen valse meldingen. Als een arts dit algoritme zou gebruiken, slaat hij dus geen alarm als het niet nodig is. Overigens is er van praktische toepassing nog geen sprake. Daarvoor moeten we eerst nog een aantal wetenschappelijke en technische uitdagingen overwinnen.’

Een derde pilot had betrekking op een farmaceutische kwestie. Onderzocht werd welke patiënten met een neusinfectie baat hebben bij antibiotica. Ook hier bleken interessante resultaten te worden geboekt, onder meer in de relatie met factoren als leeftijd en COPD. ‘Dat moeten we nog verder uitzoeken,’ aldus De Beurs.

Derek de Beurs: tijd en moeite

Wat Derek de Beurs bij zijn onderzoek opviel, was het feit dat je al deze resultaten niet met een druk op de knop tevoorschijn tovert. ‘Je moet er veel tijd en moeite in steken. Samenwerking met andere disciplines zoals computerwetenschappen en klinische informatica is onmisbaar. Daar is tijd voor nodig, soms maanden of zelfs meer dan een jaar. Mijn conclusie is dus: er zit veel potentie in big data, maar het vraagt om tijd en samenwerking.’