Machine learning voor risicostratificatie op de spoedeisende hulp: een pilot klinische trial

Het identificeren van hoog- en laagrisicopatienten op de spoedeisende hulp
(SEH) is een belangrijke voorwaarde bij het maken van keuzes op het gebied van
diagnostiek en behandeling. Meerdere risicoscores en triagesystemen zijn
ontwikkeld om hierbij te ondersteunen. In de klinische praktijk blijken deze
echter vaak ondermaats te functioneren. Ook zijn ze weliswaar diagnostisch
gevalideerd in een observationeel cohort, maar nooit geëvalueerd op klinische
impact. In een recente studie van het MUMC is een machine learning (ML) model
ontwikkeld dat sterfte binnen 31 dagen accuraat voorspeld bij patiënten die
zich presenteren op de SEH. In de huidige studie wordt onderzocht hoe dit model
zich verhoudt in de klinische praktijk.

Het doel van deze pilotstudie is om de geschiktheid van een volledig uitgerolde
RCT te evalueren waarbij de klinische effectiviteit van het ML-model wordt
getoetst. Hierbij wordt het discriminatoire vermogen van het computermodel
getest in een cohort van patiënten op de spoedeisende hulp. Ook wordt de impact
van het model op de klinische evaluatie van artsen op de spoedeisende hulp
onderzocht.

De MARS-ED study is opgezet als een multi-center, gerandomiseerde, open-label,
non-inferiority pilot klinische trial.

Uitslagen van het computermodel worden gepresenteerd worden aan behandelend artsen, direct nadat klinische diagnostiek heeft plaatsgevonden.

De interventie die in deze studie wordt gebruikt is een computermodel dat een
risicoscore van een patiënt presenteert aan een behandelend arts. Deze score
heeft mogelijk invloed op de besluitvorming van de arts. De verwachting is dat
dit zich met name uit in het uitvoeren van additionele diagnostiek. Het is niet
de verwachting dat deze diagnostiek risico's meebrengt voor de patiënt, maar
kan wel bijdragen aan betere beleidsvoering. Een hoge risicoscore in het model
kan er ook voor zorgen dat de behandelend arts additionele controles uitvoert
om zijn klinische beoordeling nogmaals te toetsen. Geconcludeerd wordt dan ook
dat de voordelen van het uitvoeren van de studie zwaarder wegen dan de nadelen.