Algoritmen die werken - hoe hogere wiskunde innovatie in de gezondheidszorg mogelijk maakt

Wetenschappers van het CWI die zich bezighouden met biowetenschappen en gezondheidsonderzoek, ontwerpen wiskundige modellen die uitdagingen in de gezondheidszorg aanpakken. Hun werk varieert van het optimaliseren van behandelplannen voor kankerpatiënten en het verkorten van wachttijden voor ambulances tot het verbeteren van geriatrische zorg en zelfmoordpreventie.

Publication date: 09-11-2022

Wiskundige algoritmische modellering lijkt misschien een zeldzame academische bezigheid. Wetenschappers van het CWI, die onderzoek doen naar biowetenschappen en gezondheid, ontwerpen modellen met directe toepassingen voor uitdagingen in de gezondheidszorg. Van het optimaliseren van behandelplannen voor kankerpatiënten en het verkorten van wachttijden voor ambulances tot het verbeteren van geriatrische zorg en zelfmoordpreventie. Hun werk, zegt senior onderzoeker Peter Bosman, "is geen window dressing. Onze algoritmes worden daadwerkelijk gebruikt. We gaan van fundament naar toepassing."

Het CWI, het nationale onderzoeksinstituut voor wiskunde en informatica, wil dat de waarde van hun werk beter wordt begrepen. Daarom, zegt professor Leen Stougie van het CWI, is de samenwerking met Smart Health Amsterdam zo belangrijk voor het instituut. “We doen veel toegepast wetenschappelijk onderzoek op het gebied van LSH (Life Sciences & Health, red.) Dus het was heel vanzelfsprekend om het Smart Health Amsterdam initiatief te steunen. Een van de dingen waarin we geïnteresseerd zijn, is het leggen van nieuwe contacten met personen met wie we onze methodieken verder kunnen ontwikkelen en toepassen. Met CWI’s brede expertise in onder meer wiskundige algoritmische modellering kunnen we het LSH-gebied binnen Amsterdam Smart Health verrijken.”

Leen Stougie

De onderzoekers richten zich op methodologieën, gebaseerd op kwantitatieve modellering en probleemformulering. Stougie legt uit dat de ontwikkelde algoritmes een breed scala aan toepassingen hebben binnen de LSH-sector, waaronder medische beeldvorming, genoomonderzoek in verband met COVID-19, radiotherapie en geriatrische zorg.

Praktische toepassingen

De modellen van het CWI zijn zeer geavanceerd en, zegt Stougie, het is voor mensen die in de LSH-sector werken niet altijd duidelijk hoe ze in de praktijk kunnen worden toegepast. “Er zijn mensen die wat wiskunde kennen en die begrijpen wat we willen bereiken, maar de meesten hebben geen idee,” zegt hij. “Ik was bij een van de allereerste bijeenkomsten van Smart Health Amsterdam op een boot bij het Scheepvaartmuseum. Veel mensen die ik daar sprak, vonden ons werk heel interessant, maar ze konden er niets mee.” Voorbeelden uit de praktijk, zegt hij, zijn de sleutel tot een beter begrip van hoe wiskundige modellering de gezondheidszorg vooruit kan helpen.

Geavanceerde optimalisatie

Peter Bosman leidt bij het CWI een onderzoeksgroep die zich onder meer bezighoudt met medische informatica. Een gebied dat, zegt hij, gaat over “het gebruik van geavanceerde vormen van optimalisatie en machine learning, om medische professionals te helpen betere beslissingen te nemen.” Medische professionals zullen altijd het laatste woord hebben, maar door te zorgen voor betere manieren om de beschikbare data te verwerken, kunnen zij meer inzicht krijgen voordat zij een definitieve beslissing nemen. Het CWI werkt bijvoorbeeld met medische beeldvorming om artsen te helpen beelden efficiënter te analyseren. “Bijvoorbeeld voor het bepalen van de contouren van de prostaat,” legt Bosman uit, “zodat je daadwerkelijk kunt zien waar hij zit en hoe groot hij is, en op basis daarvan de behandeling kunt plannen.” Zijn groep werkt ook samen met het Amsterdam UMC om artsen te helpen effectievere plannen te maken voor het toedienen van radiotherapie om kanker te behandelen – een ander voorbeeld van optimalisatie ter ondersteuning van medische beslissingen.

Peter Bosman

In dergelijke gevallen, zegt Bosman, is het belangrijk dat de data waarmee je werkt ‘het best beschikbare’ vertegenwoordigen. “Als je nog niet weet wat het beste is, moet je eerst optimaliseren, dan data creëren en dan van data leren. Op het gebied van radiotherapie staan veel innovaties nog in het teken van optimalisatie. Je moet artsen helpen de planning te optimaliseren. Zo maak je de kans op vernietiging van een tumor zo groot mogelijk, terwijl je het risico op beschadiging van nabijgelegen organen beperkt. Artsen maken al plannen met behulp van bestaande software, maar wij kunnen betere plannen maken, dankzij onze optimalisatie. Je moet optimaliseren om te weten wat het beste is, anders herhaal je gewoon wat je in het verleden hebt gedaan.”

Kortere wachtlijsten in gezondheidszorg

Een van die praktijkvoorbeelden is het Dolce Vita-project, een samenwerkingsverband tussen CWI, Amsterdam UMC, de Vrije Universiteit (VU), het Amsterdam health & technology institute (ahti) en Sigra, een regionaal samenwerkingsverband van zorg- en welzijnsorganisaties. Dolce Vita staat voor ‘Datagedreven optimalisatie voor de ouderenzorg’ en Rob van der Mei is de projectleider. Het doel is, zegt hij, om de wachttijden in de acute ouderenzorg terug te dringen. “Het is een van de enorme problemen”, zegt hij. “Het komt vaak voor dat een patiënt in de acute zorg komt en in een verpleeghuis geplaatst moet worden, maar dat er geen plek beschikbaar is. Er zijn wachtlijsten in veel verpleeghuizen en het systeem kent vele knelpunten. Het project brengt die knelpunten in kaart en lost deze, indien mogelijk, op. De acute vraag in de ouderenzorg zal blijven groeien, en daarom is het hoog nodig dat we hiernaar kijken.”

Het projectteam heeft een toewijzingsalgoritme ontwikkeld dat rekening houdt met patiëntenvoorkeuren bij de beslissing hoe zorgbedden het best kunnen worden toegewezen. “We hebben een lijst van patiënten die geplaatst moeten worden en hun individuele voorkeuren én we hebben een lijst van beschikbare bedden. Die wijzen we wiskundig optimaal toe, wat vaak leidt tot een enorme verkorting van de wachttijden.” Kortere wachttijden zijn niet alleen beter voor de patiënten, maar verminderen ook de algemene last voor de gezondheidszorg. Het project is in 2019 van start gegaan en levert al veelbelovende resultaten op: “De algoritmes die we hebben ontwikkeld, hebben geleid tot een vermindering van de wachttijden met een factor twee tot vier in realistische use cases.”

Creëren, verfijnen, hergebruiken

Van der Mei ziet inmiddels belangstelling voor het model bij andere zorgsectoren die vergelijkbare problemen hebben met knelpunten en wachttijden. “Het leuke van onze wiskundige modellen is dat deze tot op zekere hoogte de specifieke kenmerken van ouderenzorg, of jeugdzorg, of geestelijke gezondheidszorg abstract maken. Hierdoor kunnen we modellen van het ene gebied vrij goed hergebruiken voor het andere. Dat is de kracht van wiskunde.” Hij voegt eraan toe dat hij het waardeert “dat we met onze achtergrond in AI en wiskunde dingen kunnen doen die maatschappelijk relevant zijn”.

Rob van der Mei

Een sectoroverschrijdende aanpak en de samenwerking tussen de verschillende bij Dolce Vita betrokken partijen is volgens Van der Mei cruciaal voor het succes van het project. “Wij brengen de kennis in van het werken met data, modelleren en optimaliseren. Zorgprofessionals, die met patiënten werken, brengen de praktische kennis in. Daarnaast draagt Sigra een groot netwerk van zorgverleners en verzekeraars aan. Dat aspect is ook heel belangrijk als schakel tussen ons academici en de beleidsmakers en beslissers in het systeem. Ik ben ervan overtuigd dat je alle drie de partijen nodig hebt om iets voor elkaar te krijgen.”

De kracht van wiskunde

Stougie, Van der Mei en Bosman zijn allemaal evangelisten als het gaat om het verspreiden van de kracht van wiskunde en computerwetenschap om oplossingen te creëren voor echte problemen. “Wij kunnen je helpen te doen wat de generieke software niet kan,” zegt Bosman. “Wij kunnen vertellen hoe je state-of-the-art AI-technieken, vooral machine learning en optimalisatie, kunt gebruiken om te werken aan dat iets verder gaat dan wat vandaag mogelijk is. Is je probleem groot en complex? Dan kunnen wij helpen.” Van der Mei benadrukt ook graag dat hun werk een brede impact kan hebben. ”AI en wiskundige modellering zijn generiek en kunnen in grote mate worden hergebruikt. Dat is de kracht van ons type onderzoek. Het kan overal van pas komen.”

Die veelzijdigheid is iets wat mensen niet altijd begrijpen, zegt Stougie. Dat kan ertoe leiden dat zij het werk van het CWI onderwaarderen. “Om ons werk duidelijk te maken, kunnen we een project als Dolce Vita beschrijven. Het nadeel is dat mensen kunnen denken: Oh, dat is maar één specifiek voorbeeld.” Van der Mei beaamt dat. “In het geval van Dolce Vita hebben we een use case gemaakt voor Amsterdam, en sommige mensen denken dat het een model is voor alleen Amsterdam. Als je ze vertelt dat je het ook voor Rotterdam kunt gebruiken omdat je alleen de parameters hoeft te veranderen, dan vinden ze het ineens een wonder. Terwijl dit voor ons een eenvoudige verandering is aan een model.”

Volwaardige oplossingen

Alle drie de onderzoekers willen duidelijk maken dat het CWI geen instituut in een ivoren toren is. “Ja, we doen aan state-of-the-art wetenschap,” zegt Bosman. “Maar we weten hoe we onze wetenschap in de praktijk moeten brengen. Het is niet alleen maar window dressing. Ik zeg vaak ‘van fundament tot toepassing’ – en met toepassing bedoel ik dat iets echt wordt gebruikt. Onze algoritmes voor radiotherapie worden bijvoorbeeld in het Amsterdam UMC gebruikt om patiënten te behandelen. We houden het niet alleen bij ‘oh, kijk, op papier werkt het ongeveer’. Nee, we bouwen ook de software en creëren een volwaardige oplossing die in de praktijk werkt.”

Dit artikel is eerder gepubliceerd op de website van Smart Health Amsterdam. SHA is het netwerk voor data- en AI-gedreven innovatie in de Amsterdamse life sciences en gezondheidssector.