Innocens zet predictieve AI van IBM in om vroeggeborenen betere zorg te bieden

Neonatoloog David Van Laere is al lang op zoek naar manieren om het risico op sepsis (een bloedinfectie) bij vroeggeborenen beter te detecteren. Sepsis of bloedvergiftiging treft personen met een immuunsysteem dat nog niet volledig ontwikkeld is of net verzwakt is, en dat is bij vroeggeborenen zeker het geval. Een behandeling met antibiotica kan natuurlijk het verschil maken, maar als die behandeling niet heel snel wordt gestart, dan sterft bijna een op de vijf baby's die bij de geboorte minder dan 1,5 kg wogen aan de complicaties van sepsis.  Het is dan ook van cruciaal belang om sepsis bij die baby's in een vroeg stadium te ontdekken. 

Hoe kan sepsis bij pasgeborenen vroeg worden opgespoord?

Dr. David Van Laere, die al tien jaar in neonatale intensive care units (NICU's) in Australië en België werkt, heeft tendensen en patronen kunnen waarnemen tussen vitale functies en complicaties bij vroeggeboorte: "Ik heb onderzoeksartikelen geschreven waarin ik deze waarnemingen en verbanden documenteer", legt Dr. Van Laere uit. "Maar dat was niet genoeg om echt iets te betekenen voor de patiënten en hun ouders. Ik moest niet alleen inzicht krijgen in de risicofactoren voor sepsis maar ik moest ook een manier vinden om die factoren te detecteren en die detectie operationeel te maken."

De arts deelt zijn frustratie met een vriend, kaderlid bij IBM en gespecialiseerd in AI en predictieve analyse. "Naarmate we ons meer in het onderwerp verdiepten en van mekaar leerden, beseften we dat we meer konden doen." Zo zag het Innocens-onderzoeksproject (Improving Neonatal Outcome with a Clinical Early Notification System) het licht, dat van start ging op de neonatale intensive care unit van het Universitair Ziekenhuis Antwerpen, en kwam het partnership van de grond met de dataspecialisten van IBM BNL in Amsterdam en de ontwikkelaars van het IBM Watson Center in München.

Machineleren en 'explainable AI'

Het doel van Innocens is om met behulp van AI en edge computing een predictief instrument te creëren. "Zo'n tien jaar aan gegevens over opnames van zuigelingen met een heel laag geboortegewicht vormt een heel solide basis om op te werken.  In onze zoektocht naar een oplossing merkten we dat een bijzondere nauwkeurigheid vereist was om een predictief systeem te creëren dat we in de klinische praktijk konden integreren. Bij het trainen van de modellen voor machineleren die voor de voorspellingen worden gebruikt, moesten we het juiste evenwicht vinden tussen het nauwkeurig detecteren van subtiele patronen in de vitale functies van de vroeggeborenen en het beperken van loos alarm.  Want op dit domein is niets zo belangrijk als vertrouwen scheppen."

De gevolgde aanpak is een model van gesuperviseerd leren, met verschillende fasen van kruisvalidatie, allemaal uitgevoerd met IBM Watson Studio. Met het oog daarop maakte Innocens gebruik van de 'explainable AI'-mogelijkheden van IBM Cloud Pak for Data, het dataplatform dat wordt gebruikt voor de modellering op het Red Hat OpenShift Container Platform. 

Door de gebruikers van de resultaten te helpen om beter te begrijpen wat de modellen hen vertellen – en waarom – kunnen zorgverleners vertrouwen op wat ze zien. "Met andere woorden, als je niet kunt vertrouwen wat de AI de gebruikers vertelt, dan kun je ze niet operationeel maken."

Snellere detectie maakt vroeger klinisch ingrijpen mogelijk

Het succes van deze predictieve modellen is te danken aan het feit dat zorgverleners daardoor betere en snellere beslissingen kunnen nemen die echt een verschil maken voor vroeggeborenen. Het doel is om het kleine percentage zuigelingen met een risico op complicaties als gevolg van sepsis accuraat en vroeg genoeg te kunnen opsporen om met succes te kunnen ingrijpen.

Op basis van alle retrospectieve data verkort de ontwikkelde edge computing-oplossing – die gebruikmaakt van de realtimedata van medische sensoren en op IBM Cloud draait – de tijd die nodig is om risicozuigelingen te identificeren met enkele uren. Om de vertrouwelijkheid van de patiëntgegevens te beschermen, worden de modellen lokaal binnen de firewalls van het ziekenhuis uitgevoerd om te voorspellen en te visualiseren, en vervolgens verfijnd en opnieuw getraind in de cloud.

"Doordat het systeem 75% accuraat is in het opsporen van ernstige sepsis en minder dan één keer per week loos alarm slaat, kunnen artsen zich concentreren op wat het belangrijkst is."

Een ander voordeel van de betere besluitvorming is dat behandelingen kunnen worden aangepast op basis van de verzamelde informatie. Voor een pasgeborene van 1,5 kg is er vrijwel geen marge voor een behandeling die op basis van onjuiste veronderstellingen wordt opgestart.

David Van Laere: "We beschouwen ons werk rond vroegtijdige opsporing en behandeling van sepsis als het begin van een lange reis naar het gebruik van AI om de verzorging van pasgeborenen te verbeteren. We willen niet alleen deze oplossing in andere ziekenhuizen en neonatale intensive care units introduceren maar we overwegen ook de mogelijkheid om dezelfde modelgebaseerde aanpak toe te passen om andere complicaties van vroeggeboorte sneller op te sporen, zoals hersenbeschadiging, chronische longaandoeningen of retinopathie. Ook daar draait het om vertrouwen. Met IBM hebben we een vertrouwenspartner die alle aspecten van betrouwbare AI kan bieden."

Bron IBM: vertaling van het artikel 'Innocens BV uses predictive AI to protect the most vulnerable newborns' (ibm.com)

Kijk voor meer informatie over het Innocens-project naar de IBM Health Forum-sessie van Dr. Van Laere: 'Every hour counts: Catching Sepsis early in NICU Infants'.