In eerstelijnsdiagnostiekcentra wordt een veelheid aan informatie van patiënten verzameld door middel van alle onderzoeken die worden uitgevoerd bij patiënten. Bovendien is naast de reguliere diagnostiek in veel gevallen ook een trombosedienst onderdeel van een eerstelijnsdiagnostiekcentrum. De grote hoeveelheid data die uit de reguliere diagnostiek komt, vormt een uitermate geschikt startpunt om bijvoorbeeld de zorg voor chronische ziekten op maat gemaakt, preventief en uitkomst gedreven te maken.
Met behulp van machine learning algoritmes kan bijvoorbeeld voor de individuele patiënt ingeschat worden wat risico’s op complicaties zijn, wat het verwachte beloop van een aandoening is, wat het juiste controlemoment is en welke behandeling de hoogste kans heeft op gewenste uitkomsten.
Bij gebruik van vitamine K antagonisten komen patiënten met regelmaat bij de trombosedienst voor de meting van INR-waarden en de daaropvolgende doseringen. De grote hoeveelheid data die hierbij verzameld wordt, biedt eveneens veel kansen om te leren van de praktijk en daardoor beter te begrijpen welke behandeling en dosering het beste werkt voor verschillende type patiënten. De complexiteit van factoren die invloed hebben op de ideale dosering maken ook dit vraagstuk bij uitstek geschikt voor het toepassen van machine learning algoritmes, die goed om kunnen gaan met veel data en veel verschillende, non-lineaire, relaties.
Alexandra de Rotte, PacMed