AI voorspelt infectie bij prematuur
Samenwerking over grenzen heen
Onderzoekers van Máxima MC en de Technische Universiteit Eindhoven hebben een AI-model ontwikkeld om vroegtijdig te kunnen voorspellen of te vroeg geboren baby’s een ernstige infectie ontwikkelen, tot wel zes uur vóór de eerste symptomen. Deze infectie is een belangrijke oorzaak van sterfte en complicaties bij prematuren op de neonatale intensive care (NICU).
- De onderzoekers testten samen met Erasmus MC Sophia Kinderziekenhuis en het universiteitsziekenhuis van Virginia in de Verenigde Staten de twee ontwikkelde modellen:
Eén model dat meerdere lichaamsfuncties gebruikt, zoals hartslag, ademhaling en beweging. - Eén deep learning model dat alleen kijkt naar hartslagintervallen (RR-intervallen).
Het deep learning model presteerde het best in het ontwikkelziekenhuis Máxima MC. In andere ziekenhuizen daalde de prestaties, vooral in de VS, door verschillen in apparatuur, patiëntkenmerken en zorgprotocollen. Toch bleef het model dat alleen hartslagintervallen gebruikt relatief goed presteren, wat laat zien dat zulke modellen beter bestand zijn tegen verschillen tussen ziekenhuizen.
Oproep tot samenwerking en standaardisatie
De studie benadrukt het belang van standaardisatie van meetmethoden en zorgprotocollen, en van betere data-uitwisseling tussen ziekenhuizen, zowel nationaal als internationaal. Alleen met grotere en diverse datasets kunnen robuuste voorspelmodellen worden ontwikkeld die breed toepasbaar zijn in de praktijk.
Dit onderzoek maakt deel uit van het Eindhoven MedTech Innovation Center (e/MTIC), een samenwerkingsverband tussen Máxima MC, TU/e, Philips, Catharina Ziekenhuis en Kempenhaeghe. Binnen e/MTIC is het HASTA-project opgezet, waarin zorg, technologie en onderzoek samenkomen om de zorg voor kwetsbare pasgeborenen fundamenteel te verbeteren.
Dankzij financiële steun van het Universiteitsfonds Eindhoven, het Máxima MC Fonds, Nemo Healthcare en Holland High Tech | TKI HSTM kon onderzoeker Zheng Peng het AI-model ook testen in ziekenhuizen in Rotterdam en de Verenigde Staten.
Lees het volledige artikel: External Validation Complexities: A Comparative Study of Late-onset Sepsis Prediction Models Across Multiple Clinical Environments | IEEE Journals & Magazine | IEEE Xplore