Hoe kunnen we data die we beschikbaar hebben zo slim mogelijk gebruiken om medisch specialisten te ondersteunen bij het bepalen van een diagnose en behandelplan? Deze vraag houdt Mathie Leers, bijzonder hoogleraar Data-driven decision making in healthcare, bezig. ‘Naast de data die wij in het ziekenhuis verzamelen, kunnen milieufactoren en de sociaaleconomische status meespelen in het bepalen van een diagnose.’ Leers wil al deze data in kaart brengen met behulp van AI.
Hij spreekt zijn oratie met de titel ‘Patronen in data: wegwijzer naar betere beslissingen’ uit op vrijdag 13 december 2024 om 16.00 uur aan de Open Universiteit in Heerlen. Voorafgaand aan de oratie vindt het symposium ‘Van chaos tot orde: patronen in data begrijpen‘ plaats.
Data
Leers: ‘In het ziekenhuis genereren we heel veel data. Die bestaat onder andere uit getallen, microscopische beelden, röntgenbeelden en platte tekst. Naast de data die we rapporteren, genereren we op het laboratorium nog een heleboel waardevolle data die op dit moment nog niet of nauwelijks wordt gebruikt. Al die data samen wil ik gebruiken om risicomodellen te ontwikkelen’.
Naast de data die in het ziekenhuis wordt verzameld, kunnen aan het risicomodel ook gezondheidsfactoren van buiten het ziekenhuis worden gekoppeld. Zoals laboratoriumdata afkomstig van bloedonderzoek door de huisarts, die veelal vroeg in het ziekteproces zijn afgenomen. Maar ook data die iets vertellen over de milieu- en leefomgeving van patiënten, of de sociaaleconomische status.
Fysieke leefomgeving
‘De gezondheid van mensen wordt beïnvloed door een breed scala aan interne en externe factoren, waarbij de fysieke leefomgeving een aanzienlijke rol speelt. In Nederland wordt naar schatting 2-5% van de ziektelast veroorzaakt door milieufactoren.’ Woont iemand bijvoorbeeld een lange periode dichtbij een fabriek of in een gebied met veel geluidsoverlast. Of in een woning met vochtproblemen.
Ook de sociaaleconomische status heeft een belangrijke invloed op de gezondheid en levensverwachting. ‘Mensen met een laag inkomen leven gemiddeld acht jaar korter en ervaren al 21 jaar eerder gezondheidsproblemen dan mensen met een hoger inkomen. Zij hebben bijvoorbeeld vaker last van chronische aandoeningen zoals diabetes type 2, COPD en depressie’.
Patronen
Het doel van het in kaart brengen van al die data is uiteindelijk om met behulp van AI patronen te vinden die medisch specialisten ondersteunen bij het bepalen van een diagnose en het behandelplan. Door bijvoorbeeld patronen te identificeren die door mensen moeilijk te detecteren zijn.
Prof. dr. ing. Mathie Leers (Sittard, 1966) is sinds 1 november 2023 bijzonder hoogleraar Data-driven decision making in healthcare bij de Open Universiteit. Daarnaast is hij klinisch chemicus-hematoloog bij Zuyderland Medisch Centrum. Hij behaalde zijn master in toegepaste Natuurwetenschappen (voeding & toxicologie) in 1997 aan de Open Universiteit. Twee jaar later promoveerde hij aan de Universiteit van Maastricht op het onderwerp ‘Clinical applications of multiparameter flow cytometry in surgical pathology’. Hij startte zijn carrière in 1990 in het ‘de Wever Ziekenhuis’ Heerlen (later Atrium Medisch Centrum), dat in 2015 fuseerde met Orbis Medisch Zorgconcern en sindsdien Zuyderland Medisch Centrum heet.
Vanaf 2007 is hij geregistreerd en werkzaam als klinisch chemicus-hematoloog, en sinds 2018 is hij daarnaast opleider Klinische Chemie. Zijn gehele loopbaan verricht hij onderzoek, voornamelijk op het vlak van hematologie en oncologie. Leers startte in 2021 het door ZonMw gefinancierde onderzoek ‘Wat is een goed algoritme om een COVID-19 patiënt veilig uit isolatie te halen’, dat op dit moment nog loopt.
