PREDICTA: voorspellen van astma aanvallen in kinderen met astma met behulp van artificiële intelligentie

Astma is een veelvoorkomende chronische longziekte bij kinderen en jongeren, waarbij de luchtwegen ontstoken en vernauwd raken. Dit leidt tot klachten zoals benauwdheid, hoesten en piepende ademhaling. Bij sommige kinderen kunnen de klachten plotseling verergeren, wat een astma-exacerbatie wordt genoemd. Zo’n verergering kan ernstig zijn en soms ziekenhuisopname vereisen.

Er zijn verschillende factoren die het risico op een astma-exacerbatie verhogen, zoals genetische aanleg, luchtvervuiling, allergieën en onvoldoende medicatiegebruik. Hoewel er steeds meer technologie wordt ingezet in de zorg, is het vroegtijdig herkennen van een dreigende exacerbatie nog een grote uitdaging.

Het doel van dit onderzoek is het ontwikkelen van een artificiële intelligentie (AI)-model dat kan voorspellen wanneer een kind een astma-exacerbatie zal krijgen en wat de belangrijkste risicofactoren zijn. Dit model moet nauwkeurig en praktisch toepasbaar zijn in de reguliere zorg. Door deze voorspellingen tijdig te maken, kunnen zorgverleners en ouders eerder ingrijpen en mogelijk ernstige complicaties voorkomen.

Daarnaast wordt onderzocht hoe het AI-model geïntegreerd kan worden in de dagelijkse praktijk van kinderartsen en andere zorgprofessionals én bij de kinderen thuis, door middel van een persoonlijk risico dashboard. Ook wordt gekeken naar de rol van eHealth, zoals apps en thuismeetapparatuur, bij het verbeteren van de voorspellingen en het personaliseren van de zorg.

Het onderzoek heeft een retrospectief ontwerp, wat betekent dat er systematisch gegevens worden verzameld van het verleden; tussen 2020 en 2024. De data betreft kinderen met astma die in behandeling zijn of waren bij Medisch Spectrum Twente (MST).

De studie bestaat uit de volgende fasen:

1. Verzamelen van gegevens: Medische dossiers worden geanalyseerd, inclusief demografische gegevens, medische voorgeschiedenis, longfunctietesten en medicatiegebruik. Ook worden omgevingsfactoren zoals pollenconcentraties, weer en luchtkwaliteit meegenomen.
2. Ontwikkelen van het AI-model: Verschillende AI-technieken worden getest om te bepalen welke het beste werkt voor het voorspellen van astma-exacerbaties.
3. Evalueren en optimaliseren: Het model wordt verbeterd door eHealth-data toe te voegen, zoals gegevens uit de Puffer-app, die kinderen gebruiken om hun symptomen en medicatiegebruik bij te houden.
4. Toepassen in de praktijk: Zorgverleners worden geïnterviewd om te bepalen hoe het model in de reguliere zorg geïntegreerd kan worden.
5. Ontwikkelen van persoonlijk risico dashboard: Op basis van de resultaten van het AI-model worden dashboards ontwikkeld om de kinderartsen, eHealth team en patiënt (en familie) inzicht te geven in het risico op een astma aanval en hun persoonlijke risicofactoren.

Het onderzoeksproduct is een AI-model dat voorspellingen kan doen over astma-exacerbaties op basis van patiëntgegevens en omgevingsfactoren. Ook kan dit model uitleggen op basis van welke factoren de voorspelling wordt gemaakt, waardoor de persoonlijke risicofactoren duidelijk worden. Hierbij wordt gekeken of de resultaten weergegeven kunnen worden in een persoonlijk risico dashboard. 

Daarnaast wordt onderzocht hoe het gebruik van digitale hulpmiddelen zoals de Puffer-app kan bijdragen aan betere zelfzorg en gepersonaliseerde begeleiding van kinderen met astma.

Voor de deelnemende kinderen en hun ouders is de belasting minimaal, omdat de meeste gegevens afkomstig zijn uit reeds bestaande medische dossiers en eHealth-systemen. 

De risico’s van deelname zijn laag, aangezien er geen ingrijpende medische handelingen worden uitgevoerd. Het belangrijkste ethische aspect is de bescherming van patiëntgegevens en privacy, waarvoor strikte veiligheidsmaatregelen worden genomen.