Dagelijks verschijnen er op de Nederlandse en internationale websites van ICT&health berichten over innovatieve internationale studies, nieuwe behandelmethodes en geavanceerde diagnostiek. Vaak nog aan het begin van een lang traject, maar zeker ook veelbelovend. Elke editie lichten we een aantal van deze berichten toe om u ‘food for thought’ te bieden.
4D-hartmodel verbetert behandeling van hartfalen
Een nieuw ontwikkeld 4D-hartmodel belooft de behandelresultaten te verbeteren voor patiënten met hartfalen die een cardiale resynchronisatietherapie (CRT) ondergaan. De technologie, ontwikkeld aan de Universiteit van Calgary, werd geëvalueerd in een klinische studie en maakt gebruik van MRI-gegevens om een patiëntspecifieke digitale tweeling van het hart te creëren.
Deze dynamische, ‘kloppende’ 3D-weergaven geven artsen voorafgaand aan de ingreep meer inzicht in de werking van het hart. Daarmee kan de plaatsing van CRT-pacemakers – die bedoeld zijn om de coördinatie van de hartspier te herstellen – nauwkeuriger worden afgestemd op de individuele patiënt. De studie werd gepubliceerd in Circulation: Arrhythmia and Electrophysiology.
Gepersonaliseerde begeleiding
CRT is een gevestigde therapie voor gevorderd hartfalen, maar de respons varieert sterk. Tot een derde van de patiënten heeft onvoldoende baat bij standaard implantatietechnieken.
In de MAPIT-CRT-studie werd onderzocht of een gepersonaliseerd digitaal hartmodel deze uitkomsten kan verbeteren. In totaal werden 202 patiënten in zeven Canadese centra zes maanden gevolgd.
De resultaten laten een duidelijk verschil zien: in de modelgestuurde groep verbeterde de hartfunctie met 10,8%, tegenover 5,8% in de controlegroep. Daarnaast ervoer 66% van de patiënten klinische verbetering, tegen 52% bij standaardzorg. Opvallend is dat deze winst niet gepaard ging met langere procedures of extra complicaties.
Beter onderbouwde besluiten
Volgens de onderzoekers maakt het model het mogelijk om vooraf te simuleren hoe verschillende plaatsingen van pacemakerleads de hartfunctie beïnvloeden. Dit ondersteunt artsen bij het nemen van beter onderbouwde beslissingen tijdens de ingreep zelf. Een belangrijk aspect is het gebruiksgemak. Waar eerdere oplossingen vaak complexe software vereisten, is dit systeem ontwikkeld als webgebaseerd platform. Dat verlaagt de drempel voor toepassing in de klinische praktijk.
De onderzoekers zien daarnaast bredere toepassingen, bijvoorbeeld voor vroegere detectie van hartproblemen en het voorspellen van behandeluitkomsten. Digitale tweelingen lijken daarmee een volgende stap in de ontwikkeling van gepersonaliseerde cardiologische zorg.
Meer informatie: link
AI-model kan detectie van gevorderd hartfalen verbeteren
Een nieuwe AI-aanpak kan artsen helpen om patiënten met gevorderd hartfalen efficiënter te identificeren, met behulp van gegevens die al beschikbaar zijn in de reguliere zorg. Het onderzoek is uitgevoerd door een samenwerkingsverband van Weill Cornell Medicine, Cornell Tech, Columbia University en NewYork-Presbyterian.
Gevorderd hartfalen wordt momenteel vaak vastgesteld met cardiopulmonale inspanningstesten (CPET). Deze testen zijn complex, vragen gespecialiseerde apparatuur en zijn niet overal beschikbaar. Daardoor worden patiënten soms laat of helemaal niet herkend.
Aanpak van beperkingen
Het AI-model probeert deze beperking te omzeilen door de maximale zuurstofopname (piek-VO2) te voorspellen. Dit gebeurt op basis van echografiebeelden van het hart, gecombineerd met gegevens uit elektronische patiëntendossiers.
"Dit opent een veelbelovende weg voor een efficiëntere beoordeling van patiënten met gevorderd hartfalen met behulp van gegevensbronnen die al zijn ingebed in de reguliere zorg", aldus hoofdauteur Dr. Fei Wang.
Multimodaal AI-model
Het model combineert meerdere typen data: beeldvorming, golfvorminformatie over bloedstroom en klepfunctie, en klinische gegevens. Het werd getraind op gegevens van 1000 patiënten en getest op een onafhankelijke groep van 127 patiënten.
Bij validatie behaalde het model een nauwkeurigheid van ongeveer 85% bij het identificeren van hoogrisicopatiënten. Volgens de onderzoekers is dat voldoende om klinisch relevant te zijn voor screening en triage.
Belangrijk is dat deze aanpak patiënten in beeld kan brengen die anders buiten het zicht blijven, bijvoorbeeld doordat zij geen toegang hebben tot gespecialiseerde diagnostiek.
Nauwe samenwerking
"Dit was een geval waarin de geneeskunde de toekomst van AI vormgaf, en niet andersom", aldus onderzoeker Dr. Deborah Estrin.
Vervolgonderzoek moet de methode verder valideren en voorbereiden op regulatoire goedkeuring. "Als we deze aanpak kunnen gebruiken om veel patiënten met gevorderd hartfalen te identificeren die anders niet geïdentificeerd zouden worden, dan zal dit onze klinische praktijk veranderen en de resultaten en de kwaliteit van leven van patiënten aanzienlijk verbeteren", zegt medeauteur Dr. Nir Uriel.
Meer informatie: link
Vloeibare biopsie detecteert ziekte met slechts één druppel bloed
Onderzoekers van de Peking Universiteit hebben een nieuwe vloeibare biopsie-technologie ontwikkeld waarmee ziektesignalen kunnen worden gedetecteerd en getraceerd met slechts een zeer klein bloedmonster. Het platform, cf-EpiTracing, analyseert epigenetische kenmerken in slechts 50 microliter plasma – ongeveer een enkele druppel bloed.
De technologie richt zich op fragmenten van celvrij chromatine die in het bloed circuleren. Deze bevatten informatie over de epigenetische toestand van cellen en daarmee over ziekteprocessen in het lichaam. Door deze signalen te analyseren, kan niet alleen worden vastgesteld dát er iets mis is, maar ook waar het probleem zich waarschijnlijk bevindt. De studie werd geleid door onderzoekers van de Peking Universiteit en gepubliceerd in Nature.
Herkomst van signalen
Een belangrijke beperking van bestaande vloeibare biopsieën is dat ze wel afwijkingen detecteren, maar vaak niet kunnen aangeven uit welk weefsel of orgaan die afkomstig zijn. Dat beperkt de klinische bruikbaarheid.
cf-EpiTracing pakt dit probleem aan door epigenetische ‘vingerafdrukken’ te analyseren. Door deze te combineren met machine learning kan het systeem herleiden welke weefsels betrokken zijn en onderscheid maken tussen ziekte-subtypen. Daarmee ontstaat een gedetailleerder beeld van het ziekteproces dan met veel huidige methoden mogelijk is.
Veelbelovende resultaten
In studies naar darmkanker behaalde het systeem een nauwkeurigheid tot 97,6% in trainingsdata en 92,2% in een onafhankelijke validatiecohort.
Daarnaast leverde het systeem nieuwe inzichten op bij lymfomen. Zo werden verhoogde signalen van CD34-positieve cellen gevonden bij patiënten met diffuus grootcellig B-cellymfoom. Dat kan wijzen op betrokkenheid van het beenmerg en een agressiever ziekteverloop.
Volgens de onderzoekers kan het platform ook bijdragen aan betere prognoses en monitoring van ziekteprogressie en behandelingsrespons.
Breder diagnostisch landschap
De ontwikkeling past in een bredere trend richting niet-invasieve diagnostiek. Zo werd recent een bloedtest ontwikkeld die Alzheimer met hoge nauwkeurigheid kan detecteren via biomarkers zoals p-tau217.
Ook zijn er AI-gedreven technieken zoals MisMatchFinder, die circulerend tumor-DNA analyseren om mutatiesignaturen van kanker te identificeren. Daarmee kan diagnostiek sneller en minder belastend worden, terwijl artsen tegelijkertijd beter inzicht krijgen in ziekteverloop.
De verwachting is dat dergelijke technologieën in combinatie – een zogeheten multi-omische benadering – de precisie van diagnostiek verder zullen vergroten.
Meer informatie: link
AI-model voorspelt risico op kankeruitzaaiing op
basis van genprofielen
Onderzoekers van de École Polytechnique Fédérale de Lausanne (EPFL) hebben een nieuw botachtig composietmateriaal ontwikkeld dat botregeneratie mogelijk kan versnellen. Het materiaal kan met behulp van 3D-printing worden gevormd tot poreuze steunstructuren en maakt gebruik van enzymen om mineralisatie bij kamertemperatuur te stimuleren.
Daarmee wijkt de aanpak af van conventionele methoden, waarbij hoge temperaturen nodig zijn om hydroxyapatiet – een belangrijk bestanddeel van bot – te produceren. Die processen zijn energie-intensief en beperken de integratie van biologisch actieve componenten. De nieuwe methode maakt juist gebruik van die componenten om botvorming te ondersteunen.
Alternatieve methode
De onderzoekers ontwikkelden een bio-inkt waarin het enzym alkalische fosfatase is ingebed in gelatine-microdeeltjes. Wanneer deze in contact komen met calcium- en fosfaationen, stimuleert het enzym de vorming van hydroxyapatietkristallen.
Het resultaat is een structuur die zowel mechanisch stabiel als biologisch actief is. Het doel was om eigenschappen te benaderen van trabeculair bot, dat voorkomt in bijvoorbeeld wervels en uiteinden van lange botten.
Gecontroleerde porositeit
Een belangrijk kenmerk van het materiaal is de porositeit. Door naast enzym-houdende deeltjes ook enzymvrije gelatinefragmenten toe te voegen, ontstaan tijdens het proces poriën in de structuur.
Deze poriën bieden na implantatie ruimte voor cellen om binnen te dringen en nieuw botweefsel te vormen. Door de samenstelling aan te passen kan de porositeit nauwkeurig worden gecontroleerd. In de huidige opzet bestaat ongeveer de helft van het volume uit poriën.
Snelle ontwikkeling
Het mineralisatieproces verloopt relatief snel. Binnen vier dagen kan het materiaal al belasting dragen; na zeven dagen is het volledig belastbaar. In laboratoriumtests met menselijke stamcellen werden na twee weken duidelijke signalen van botvorming gevonden, waaronder collageen en osteocalcine. De druksterkte van het materiaal is vergelijkbaar met die van natuurlijk bot en kan zelfs hoger uitvallen dan bij traditionele productiemethoden.
Toekomstige toepassingen
De technologie is compatibel met bestaande bioprinters en maakt het mogelijk om complexe structuren te produceren. Op termijn denken de onderzoekers ook aan injecteerbare varianten.
Hoewel verdere klinische studies nodig zijn, kan de aanpak bijdragen aan snellere botreparatie en kortere hersteltijden voor patiënten.
Meer informatie: link
‘Zelfbewuste’ biosensoren verbeteren digitale gezondheidsmonitoring
Draagbare medische sensoren spelen een steeds grotere rol in de digitalisering van de zorg. Ze maken continue monitoring mogelijk, zowel in het ziekenhuis als thuis. Tegelijkertijd neemt het belang van betrouwbare metingen toe, omdat klinische beslissingen steeds vaker op deze data worden gebaseerd.
Onderzoekers van KAUST ontwikkelden daarom een systeem dat automatisch detecteert wanneer elektroden van sensoren slecht contact maken met de huid – een veelvoorkomende oorzaak van onnauwkeurige metingen.
Kwetsbaarheid van metingen
Bij langdurig gebruik kunnen elektroden losraken door beweging, transpiratie of slijtage. Dat kan leiden tot verstoorde signalen zonder dat dit direct zichtbaar is. Vooral bij thuismonitoring vormt dit een risico.
Traditionele methoden, zoals impedantiemetingen, gaan uit van stabiele omstandigheden en zijn minder geschikt voor dynamische situaties.
Nieuwe benadering
De onderzoekers kozen daarom voor een andere aanpak: het lichaam zelf wordt gebruikt als onderdeel van het meetsysteem. Kleine digitale signalen worden via het lichaam tussen elektroden verstuurd.
De kwaliteit van deze communicatie weerspiegelt direct de kwaliteit van het huidcontact. Goed contact resulteert in heldere signalen, terwijl verslechtering leidt tot fouten of signaalverlies.
Technische uitwerking
Het systeem maakt gebruik van een speciaal ontwikkelde chip die signalen verzendt en ontvangt tussen elektroden op verschillende locaties op het lichaam.
Een verwerkingsunit analyseert deze signalen en kan onderscheid maken tussen stabiel contact, beginnende problemen en volledig losgeraakte elektroden. Dit gebeurt zonder de medische metingen zelf te onderbreken.
Testresultaten
In experimenten op menselijke huid kon het systeem verschillende contactniveaus betrouwbaar onderscheiden. Ook subtiele, vroege veranderingen werden gedetecteerd – signalen die met traditionele methoden vaak gemist worden.
Dit kan vooral relevant zijn bij langdurige monitoring, waarbij kleine afwijkingen grote gevolgen kunnen hebben voor de interpretatie van data.
Toekomstige toepassingen
Het systeem heeft een laag energieverbruik en is daarmee geschikt voor integratie in wearables. De volgende stap is verdere miniaturisatie en integratie in bestaande apparaten.
Volgens de onderzoekers kan de technologie bijdragen aan betrouwbaardere data en daarmee aan een grotere rol voor wearables in klinische besluitvorming.
Meer informatie: link
Smartphone-tool meet zuurstof in weefsel voor thuismonitoring
Onderzoekers van Dartmouth College hebben een smartphone-gebaseerde methode ontwikkeld om het zuurstofniveau in weefsels te meten. Daarmee verschuift de focus van bloed naar weefsel, wat een gevoeliger indicator kan zijn voor de gezondheidstoestand.
“De pulsoximeters die worden gebruikt op spoedeisendehulpafdelingen, in ambulances en in de thuiszorg meten het zuurstofgehalte in het bloed weliswaar nauwkeurig, maar dat verandert eigenlijk niet veel totdat je in feite op sterven ligt,” zegt Brian Pogue. “Wat we eigenlijk willen, is niet het zuurstofgehalte in het bloed, maar het zuurstofgehalte in het weefsel. Dat is een veel subtielere indicator voor de weefselfunctie en een betere dynamische indicator voor de gezondheid.”
Meten met licht
De technologie combineert een smartphonecamera met een LED-lichtbron en een speciale crème die de productie van Protoporphyrin IX stimuleert. Dit molecuul zendt licht uit afhankelijk van het zuurstofniveau in cellen.
Door deze lichtsignalen te analyseren kan het systeem veranderingen in weefselzuurstof detecteren.
Klinische relevantie
De metingen zijn relevant voor aandoeningen zoals perifere vaatziekten, wondgenezing en infecties. Vooral veranderingen in de tijd geven inzicht in herstel of verslechtering.
Zo kan ontstoken weefsel een hoger zuurstofniveau hebben, dat afneemt naarmate genezing optreedt.
Richting toepassing
De onderzoekers werken aan uitbreiding van de technologie, onder meer voor brandwonden en infecties, en aan een gebruiksvriendelijke app voor thuisgebruik.
Volgens hen kan de combinatie van lage kosten en gebruiksgemak bijdragen aan bredere inzet van monitoring buiten het ziekenhuis en betere ondersteuning van klinische besluitvorming.
Meer informatie: link
