Na niertransplantatie

AI voorspelt juiste dosis medicatie

Een onderzoeksteam van het UZ Leuven ontwikkelt een volledig geautomatiseerd computermodel dat nauwkeuriger dan artsen voorspelt welke dosis afweeronderdrukkende medicatie een patiënt moet krijgen na een niertransplantatie.

Met een studie in de klinische praktijk toont een onderzoeksteam van het UZ Leuven aan dat een volledig geautomatiseerd AI-model nauwkeuriger de dosis afweeronderdrukkende medicatie voorspelt dan artsen. De studie vergeleek de beslissingen van een arts met die van het AI-model bij 300 patiënten die medicatie moesten nemen na hun niertransplantatie. De AI-applicatie verliep zonder menselijke tussenkomst via het elektronisch patiëntendossier. “Het is de eerste keer dat we een model voor medicatiedosering, geïntegreerd in het elektronisch patiëntendossier, getest hebben in een vergelijkende studie”, zegt prof. Dr. Dirk Kuypers.

Tacrolimus

Patiënten moeten levenslang tacrolimus innemen om de afstoting van het nieuwe orgaan tegen te gaan. Vooral de eerste weken na de transplantatie is het voor artsen niet eenvoudig om de juiste dosis van die medicatie te bepalen. Er zijn namelijk grote individuele verschillen in de mate waarin het lichaam dat geneesmiddel opneemt. Te hoge doseringen kunnen leiden tot bijwerkingen, te lage doseringen tot afstoting van het orgaan.

De voorbije drie jaar werkten artsen van het UZ Leuven aan een AI-toepassing die de juiste dagelijkse dosering van het geneesmiddel automatisch berekent. UZ Leuven gaat er prat op dat het wereldwijd de eerste keer is dat een AI-model in een ziekenhuis zonder tussenstappen of menselijke handelingen verloopt. Het beslissingsondersteunende algoritme leverde in de gecontroleerde studie mooie resultaten op die toepasbaar zijn in de praktijk.

Wiskundig model

Zodra het laboratorium de dagelijkse bloeduitslag van de patiënt heeft, doet het AI-model een suggestie voor de dosis medicatie. Het wiskundig model haalt de medische parameters van de patiënt automatisch uit het elektronisch patiëntendossier (KWS) en stuurt de aanbevolen dosis tacrolimus door naar het elektronisch voorschrift. De transplantatie-arts moet enkel nog de dosis valideren of afkeuren.

Het model werd ontwikkeld in samenwerking met de ingenieursafdeling van KU Leuven en de IT-dienst van het ziekenhuis. De onderzoekers verzamelden eerst historische gegevens van 315 niertransplantatiepatiënten en analyseerden welke dosis tacrolimus de artsen voorstelden op basis van de concentratie in het bloed tijdens de eerste twee weken na de transplantatie. Daarmee maakten ze een wiskundig model dat ze testten met simulaties op de computer. Nadat uit de simulaties bleek dat de computer de dosering nauwkeuriger kon voorspellen dan de artsen, volgde er een echte gerandomiseerde prospectieve klinische studie in de praktijk met 293 nieuwe niertransplantatiepatiënten. Een op de drie nieuwe patiënten kreeg een dosisaanbeveling door artsen, twee op de drie patiënten kregen hun dosisaanbeveling van het algoritme.

Ook voor andere transplantatiepatiënten

In meer dan 99% van de gevallen volgde de arts het voorstel van het AI-model. De AI-berekeningen leidden bovendien sneller tot de ideale bloedspiegels, veroorzaakten minder schommelingen en boden dus een gebruiksvriendelijke ondersteuning voor de artsen om de optimale concentraties sneller te bereiken. “De simulaties bevestigden niet alleen een nauwkeurige medicatiedosis tacrolimus voor patiënten na een niertransplantatie, maar ook voor transplantatiepatiënten die nieuwe longen, een nieuw hart en een beenmergtransplantatie kregen. Het is de eerste keer ooit dat we klinisch bewijs hebben dat een volledig geautomatiseerd AI-model geïntegreerd in het elektronisch patiëntendossier de juiste dosis medicatie beter kan voorspellen. We zien dan ook veel potentieel in dit model en gaan verder onderzoek doen naar een AI-model dat bijvoorbeeld de juiste dosis antibiotica, chemotherapie en andere medicijnen kan voorspellen”, zegt nefroloog dr. Dirk Kuypers.

Interessant is dat het AI-model op termijn alsmaar nauwkeurigere aanbevelingen geeft voor de medicatiedosis omdat het zich baseert op de meest recente informatie van een individuele patiënt. Zo houdt het model op termijn minder en minder rekening met de historische data van andere patiënten en alsmaar meer met de nieuwste data van de patiënt zelf.

Besparing van geld en tijd

“We hebben bewezen dat het principe en het platform waar we de voorbije jaren aan werkten de juiste manier zijn om dit type AI-modellen te maken. Als je op basis van historische data van patiënten een model kunt maken en aantonen via simulaties op de computer dat de voorspellingen van het algoritme nauwkeuriger zijn dan menselijke voorspellingen, bespaar je veel geld en tijd. Ook omgekeerd geldt: als je simulaties op de computer niet werken, moet je er niet aan beginnen om het in de praktijk uit te testen”, besluit Kuypers.

Het onderzoek verscheen zopas in Clinical Pharmacology & Therapeutics.