Apple’s ResearchKit: zijn de beloften waargemaakt?
Om onderstaande en alle andere premium artikelen te lezen, moet u inloggen of een account aanmaken.
U kunt nog {free_articles_left} premium artikel gratis lezen. Om meer premium artikelen te lezen, moet u inloggen of een account aanmaken.
Ruim 2 jaar geleden kondigde Apple de ResearchKit aan. Met dit softwareplatform kan de iPhone gebruikt worden om gegevens te verzamelen voor medisch wetenschappelijk onderzoek. De informatie die verkregen kan worden kan bestaan uit antwoorden uit vragenlijsten in apps of data die met iPhone-sensoren wordt verzameld. Op deze manier kan er eenvoudig, veilig en snel van vele duizenden mensen wereldwijd informatie verzameld worden voor het beantwoorden van wetenschappelijke vraagstellingen. Maar wordt deze methode van dataverzameling nu ook daadwerkelijk toegepast binnen medisch wetenschappelijk onderzoek?
Wanneer we in PubMed, databank waarin vrijwel alle belangrijke medische publicaties te vinden zijn, de zoekterm “ResearchKit” gebruiken, krijgen we 13 publicaties. Hiervan hebben er slechts 4 ook daadwerkelijk gebruik gemaakt van ResearchKit om gegevens te verzamelen; in de overige publicaties wordt het platform alleen genoemd als een veelbelovende innovatie die medisch wetenschappelijk onderzoek gaat versnellen en verbeteren. Voor een platform waarvan geclaimd werd dat het onderzoek met flinke stappen vooruit zet, en snel ook, is dat wellicht enigszins teleurstellend te noemen.
De studies die tot nu toe gepubliceerd zijn met gegevens uit de ResearchKit richten zich op vier verschillende ziektebeelden: de ziekte van Parkinson, melanoom, ACL-blessure, een relatief veelvoorkomende knieblessure, en astma. Deze publicaties geven echter met name meer inzicht in de mogelijkheden en problemen die de onderzoekers tegenkwamen bij het gebruik van ResearchKit voor dataverzameling dan dat ze ook daadwerkelijk klinisch relevante vraagstellingen beantwoorden. In alle studies konden snel heel veel deelnemers gerekruteerd worden, veel sneller dan met de traditionele methoden, en de gegevens lijken op het eerste oog goed bruikbaar voor klinische studies.
Waarom lijkt de ResearchKit nog niet massaal omarmd te worden door medisch onderzoekers? Dit heeft waarschijnlijk verschillende oorzaken. Allereerst is de overgrote meerderheid van wetenschappers kritisch op nieuwe ontwikkelingen. Een van de belangrijkste kritiekpunten is dat je met ResearchKit alleen bezitters van een iPhone kunt includeren in het onderzoek; potentiële deelnemers met een smartphone met een ander besturingssysteem kunnen niet meedoen, laat staan mensen zonder smartphone. Deze selectie kan leiden tot vertekening van de onderzoeksresultaten.
Bovendien is er nog niets bekend over de betrouwbaarheid, validiteit, van de verzamelde gegevens, een argument dat ook de implementatie van digitale vragenlijsten in medisch-wetenschappelijk onderzoek lang heeft tegengehouden. Tenslotte is er toch enige programmeerkennis nodig om de ResearchKit in te zetten, waardoor de meeste onderzoekers dit platform niet kunnen gebruiken zonder een ontwikkelaar in te huren.
Twee jaar na de lancering heeft ResearchKit dus nog niet geleid tot echte medische doorbraken. Maar ondanks de mitsen en maren biedt dit platform wel degelijk unieke mogelijkheden voor medisch-wetenschappelijk onderzoek door de schaal waarop gegevens verzameld kunnen worden. Daarnaast kunnen er door gebruik te maken van de iPhone-sensoren data verzameld worden die niet of alleen tegen zeer hoge kosten met de traditionele methoden van dataverzameling verzameld kunnen worden. De ResearchKit is dus zeker nog niet afgeschreven, maar gooit het medisch-wetenschappelijk onderzoek ook niet zo drastisch en snel om als aanvankelijk werd voorspeld.
Over het algemeen worden vroege waarschuwingsscores gebaseerd op de vitale parameters van gehospitaliseerde patiënten slechts een paar keer per dag gemeten. Een vertraging in het diagnosticeren van achteruitgang is geassocieerd met een verhoogde kans op sterfte. Van continue monitoring met draagbare devices wordt al langere tijd gedacht dat ze een mogelijke achteruitgang eerder kunnen detecteren dan de traditionele waarschuwingsscores.
Mariska Weenk en collega’s onderzochten dit onder 20 patiënten die opgenomen waren op de afdeling Interne Geneeskunde van het Radboudumc. In dit onderzoek droegen de patiënten voor 2 tot 3 dagen zowel de ViSi Mobile, Sotera Wireless, als de HealthPatch, Vital Connect. De traditionele waarschuwingsscores werden bepaald door een verpleegkundige en gebruikt als referentie. Technische problemen werden in kaart gebracht en de patiënten en verpleegkundigen zijn geïnterviewd over hun ervaringen met de continue monitoring.
In totaal konden 86 meetmomenten meegenomen worden in de analyses; per patiënt werden gemiddeld 62 uur gegevens verzameld met de ViSi Mobile en 57,5 uur met de HealthPatch. In meer dan 70 procent van de meetmomenten kwamen de gegevens goed overeen met de waarschuwingsscores die bepaald waren door de verpleegkundige, maar de grotere afwijkingen die in een aantal gevallen gevonden werden kunnen belangrijke klinische consequenties hebben, zoals aanvullende diagnostiek. In de meeste gevallen werd dit veroorzaakt doordat de ViSi Mobile of HealthPatch een hogere ademhalingsfrequentie vaststelde dan de verpleegkundige.
Verstoringen in de metingen werden grotendeels veroorzaakt door verbindingsproblemen bij de ViSi Mobile of onbekende oorzaken, die zichzelf meestal binnen een uur vanzelf oplosten, bij de HealthPatch. Bij één patiënt werd door gebruik van de ViSi Mobile daadwerkelijk vroegtijdig, tussen twee reguliere meetmomenten in, een ernstige complicatie gediagnosticeerd.
De meeste patiënten en verpleegkundigen waren positief over de continue monitoring.
De ViSi Mobile en HealthPatch zijn beiden goedgekeurd door de FDA en zijn veelbelovende devices die mogelijk gebruikt kunnen worden voor de continue monitoring van patiënten die in het ziekenhuis opgenomen zijn. Wel moet eerst de frequentie en duur van verstoringen in de metingen teruggebracht worden. Ook zijn er concrete verbeteringen voor het gebruiksgemak voorgesteld, die zeker aandacht behoeven voordat deze devices op grote schaal geïmplementeerd kunnen worden. Ook was dit een relatief klein onderzoek en is het algoritme wellicht nog niet optimaal, waardoor verder onderzoek noodzakelijk is.