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.
Europese samenwerking moet longzorg beter voorspelbaar maken
Binnen het EU4Health-programma werken Europese landen aan betere preventie, diagnostiek en behandeling van chronische luchtwegaandoeningen. Het driejarige Joint Action JARED brengt veertien EU-landen, IJsland, Oekraïne en Moldavië samen. Met bijna 5 miljoen euro aan financiering moet het project bestaande kennis en bewezen werkwijzen vertalen naar oplossingen voor verschillende nationale zorgstelsels. Digitale technologie, toegang tot diagnostiek en gezondheidsvaardigheden spelen daarbij een belangrijke rol.
Omdat gezondheidsgegevens en werkwijzen tussen landen verschillen, ontwikkelt JARED een minimale dataset voor chronische luchtwegaandoeningen. Deze gemeenschappelijke basis moet landen helpen gegevens uniform te verzamelen en analyseren. Dat maakt het mogelijk verschillen tussen populaties en zorgsystemen te onderzoeken en interventies breder toepasbaar te maken.
Inmiddels zijn bijna 1.200 mensen met een verhoogd risico met een geharmoniseerde, op spirometrie gebaseerde aanpak onderzocht op COPD. Daarnaast nemen meer dan 420 patiënten deel aan onderzoeken naar digitale ondersteuning bij zelfmanagement. Ook zijn enquêtes uitgevoerd naar preventie en specifieke chronische inflammatoire longaandoeningen. De verzamelde datasets moeten toekomstige aanbevelingen ondersteunen.
Risico’s eerder herkennen
Binnen de samenwerking wordt daarnaast gewerkt aan voorspelmodellen die zorgprofessionals kunnen helpen patiënten met een verhoogd risico op chronische luchtwegaandoeningen of verslechtering daarvan te identificeren. Gestandaardiseerde klinische gegevens, diagnostiek en digitale technologie vormen hiervoor de basis.
De toepasbaarheid van deze modellen hangt af van de kwaliteit en vergelijkbaarheid van de onderliggende data. Daarom zijn de minimale dataset en geharmoniseerde screeningsmethoden belangrijke onderdelen van de aanpak. JARED besteedt bovendien specifiek aandacht aan kwetsbare groepen, zodat nieuwe methoden en digitale toepassingen ook aansluiten bij mensen die de zorg minder gemakkelijk bereiken.
Toepassing in praktijk
Het project werkt toe naar 18 nationale en twee Europese actieplannen. Die moeten onderzoeksinzichten vertalen naar concrete strategieën voor preventie en behandeling. Nationale plannen bieden ruimte voor verschillen in zorgstelsels, diagnostiek en populaties; de Europese plannen versterken gemeenschappelijke uitgangspunten en grensoverschrijdende samenwerking.
JARED maakt deel uit van een breder Europees netwerk rond longgezondheid. Joint Action SAFE brengt zestig partnerorganisaties uit 23 landen samen om tabaksgebruik en blootstelling aan tabaksrook en aerosolen terug te dringen. LungHealth4Life combineert voorlichting met longfunctietesten op basisscholen.
Via gezamenlijke bijeenkomsten en kennisuitwisseling verbindt de Europese Commissie deze initiatieven. Voor JARED staat centraal hoe een gezamenlijke kennis- en databasis kan bijdragen aan eerdere diagnostiek en betere patiëntondersteuning. De onderzoeken en datasets vormen daarvoor een fundament; de actieplannen moeten duidelijk maken hoe de inzichten binnen uiteenlopende zorgstelsels kunnen worden toegepast.
Meer informatie: (link)
AI kan mogelijk heropname bij depressie voorspellen
Een Italiaans AI-model kan mogelijk voorspellen welke patiënten met een ernstige depressie na ontslag opnieuw worden opgenomen in een psychiatrisch ziekenhuis. Het model gebruikt gegevens uit de reguliere zorg, waaronder eerdere opnamen, symptomen, bijkomende aandoeningen en medicatie bij ontslag. Zulke voorspellingen kunnen mogelijk helpen om nazorg beter af te stemmen, maar het model is nog onvoldoende nauwkeurig voor dagelijks gebruik.
De bij de ontwikkeling betrokken onderzoekers analyseerden gegevens van 322 volwassenen die vanwege een ernstige depressie waren opgenomen in een Italiaanse psychiatrische kliniek. Vijftig patiënten, 15,5 procent, werden binnen negentig dagen na ontslag opnieuw opgenomen. Met machine learning zocht het model naar patronen die samenhangen met heropname.
Belangrijke kenmerken
Eerdere psychiatrische opnamen en suïcidepogingen bleken relatief belangrijk voor de voorspelling. Ook angstige kenmerken bij depressie en bepaalde persoonlijkheidsproblematiek droegen bij aan het berekende risico.
Volgens de onderzoekers kan deze informatie in de toekomst helpen patiënten te herkennen die extra ondersteuning nodig hebben. Denk aan eerdere vervolgafspraken of intensievere begeleiding bij de overgang van klinische naar ambulante zorg.
Het algoritme maakte enig onderscheid tussen patiënten die wel en niet opnieuw werden opgenomen, maar het onderscheidend vermogen was matig. Het systeem is daarmee onvoldoende nauwkeurig om zelfstandig beslissingen over patiënten op te baseren. Een verhoogd berekend risico betekent bovendien niet dat heropname daadwerkelijk volgt.
De studie toont evenmin aan dat toepassing van het algoritme heropnamen vermindert. Daarvoor moet worden onderzocht wat er gebeurt wanneer zorgverleners de voorspellingen gebruiken om nazorg te bepalen.
Verdere validatie
De studie is onderdeel van het Italiaanse DEEP READ-onderzoek. Het model is alleen binnen de onderzochte groep getest. Validatie bij andere patiëntengroepen en instellingen is nodig, evenals onderzoek naar de meerwaarde voor de zorg. Voorlopig blijft het een onderzoeksinstrument. Het oordeel van de behandelaar en het gesprek met de patiënt blijven essentieel.
Meer informatie: (link)
Beenmerg-op-een-chip helpt langdurige afweer onderzoeken
Onderzoekers van Georgia Tech en Vanderbilt University hebben een laboratoriummodel ontwikkeld om te onderzoeken hoe antilichaamproducerende plasmacellen migreren, zich ontwikkelen en overleven in menselijk beenmerg. Het platform combineert een organoïde die lymfeklierweefsel nabootst met een beenmerg-op-een-chip. Dit kan bijdragen aan onderzoek naar langdurige immuniteit na infecties of vaccinaties, maar ook naar auto-immuunziekten, allergieën en bloedkanker.
Plasmacellen ontstaan uit B-cellen en produceren antilichamen tegen infecties. Langlevende plasmacellen in het beenmerg kunnen deze productie langdurig voortzetten. Nog niet volledig duidelijk is waarom plasmacellen vanuit onder meer lymfeklieren en milt naar het beenmerg migreren en hoe ze daar overleven.
Omdat deze cellen in levend menselijk beenmerg moeilijk gedetailleerd zijn te volgen, komt veel bestaande kennis uit diermodellen. Het nieuwe platform maakt onderzoek met menselijke cellen onder gecontroleerde omstandigheden mogelijk.
Het team van Georgia Tech ontwikkelde daarvoor een lymfoïde organoïde met B-cellen uit menselijk amandelweefsel en bloed. Geïnactiveerd influenzavirus stimuleerde deze cellen om zich te ontwikkelen tot antilichaamproducerende plasmacellen.
Beenmerg nabootsen
Vervolgens werden de plasmacellen ingebracht in een microfluïdische beenmerg-op-een-chip van Vanderbilt University. Kanalen en gelachtig materiaal bootsen structurele en biologische eigenschappen van beenmerg na, waaronder een omgeving met bloedvaten, voedingsstoffen en ondersteunende groeifactoren.
Het systeem reproduceert twee gebieden: de endosteale omgeving aan de buitenzijde van de beenmergholte en de perivasculaire omgeving rond bloedvaten dieper in het beenmerg. Onderzoekers kunnen cellen daarin volgen en hun reacties op signaaleiwitten meten. Zo wordt zichtbaar hoe verschillende beenmergomgevingen hun gedrag, ontwikkeling en levensduur beïnvloeden.
Ziekten en behandelingen
Door cellen van oudere mensen of patiënten met auto-immuunziekten en allergieën te gebruiken, kunnen onderzoekers verschillen tussen groepen bestuderen. Het model kan helpen verklaren hoe schadelijke antilichaamreacties ontstaan en aanhouden. Ook zien de onderzoekers mogelijkheden voor onderzoek naar bloedkanker en het testen van potentiële behandelingen tegen infecties, auto-immuunreacties en allergieën.
Het platform bootst de volledige complexiteit van het lichaam niet na, maar reproduceert specifieke structuren en functies. Vervolgonderzoek moet onder meer verklaren waarom B-cellen een opvallend ‘stop-and-go’-bewegingspatroon vertonen en of dit samenhangt met voortdurende migratie door het beenmerg. Daarmee biedt het model een nieuwe manier om het ontstaan en voortbestaan van langdurige antilichaamreacties te onderzoeken.
Meer informatie: (link)
BCI laat avatar tegelijk spreken en gebaren maken
Een nieuwe Amerikaanse brain-computer interface (BCI) laat mensen met ernstige verlamming via een digitale avatar tegelijkertijd spreken en gebaren maken. Volgens de betrokken onderzoekers van de University of California, San Francisco (UCSF), is dit de eerste BCI-technologie die beide communicatievormen gelijktijdig mogelijk maakt. Bij twee deelnemers werden hersensignalen succesvol vertaald naar spraak en bewegingen van een volledige virtuele avatar. De resultaten verschenen in Nature Neuroscience.
Ernstige verlamming door bijvoorbeeld ALS of een hersenstamberoerte kan zowel spreken als non-verbale communicatie onmogelijk maken. Oogbesturing biedt mogelijkheden om tekst te selecteren en te laten uitspreken, maar is relatief langzaam, beperkt de expressie en kan vermoeiend zijn.
UCSF ontwikkelde eerder een systeem met een dunne elektrodenstrip op de motorische hersenschors, een zogenoemde ECoG-array. Algoritmen vertaalden hersensignalen naar commando’s voor een digitale weergave van hoofd en gezicht.
In het nieuwe onderzoek werd dit uitgebreid naar een avatar met een volledig lichaam. Deelnemers met verschillende niveaus van verlamming probeerden zinnen uit te spreken en gebaren te maken, zoals zwaaien of een duim opsteken. Zij deden dit afzonderlijk en tegelijkertijd.
Gecombineerde hersensignalen
Gelijktijdig spreken en gebaren bleek neurologisch complexer dan het optellen van twee afzonderlijke signalen. De hersenactiviteit verschilde duidelijk van de patronen bij afzonderlijke spraak en beweging. Dit had gevolgen voor het trainen van de algoritmen. Decoders die leerden van gelijktijdige spraak en beweging herkenden gecombineerde expressies beter dan modellen die uitsluitend met afzonderlijke handelingen waren getraind. Bij twee deelnemers konden deze signalen een avatar tegelijk laten spreken en gebaren.
Het onderzoek toont daarmee aan dat een BCI in principe meerdere communicatielagen gelijktijdig kan aansturen. Volgens onderzoeksleider Edward Chang kan dit helpen een deel van de veelzijdigheid van menselijke communicatie terug te brengen.
Draadloze vervolgstap
De huidige opstelling gebruikt kabels tussen geïmplanteerde sensoren en externe verwerkingsapparatuur. Dat beperkt gebruik buiten de onderzoeksomgeving. Het team wil daarom een volledig implanteerbare, draadloze versie testen, die meer mogelijkheden moet bieden voor langdurig gebruik. Voorlopig betreft het een proof-of-concept; geschiktheid voor dagelijkse klinische toepassing is nog niet aangetoond.
Meer informatie: (link)
Open platforms moeten ultrasone wearables vooruithelpen
Onderzoekers uit Freiberg, Zürich en Bologna bepleiten open ontwikkelplatforms om draagbare ultrasone systemen sneller naar de praktijk te brengen. Ultrasone pleisters kunnen inmiddels urenlang processen diep in het lichaam meten, maar veel prototypes blijven steken in het laboratorium. Gestandaardiseerde platforms moeten het eenvoudiger maken toepassingen te ontwikkelen, testen en vergelijken.
In Nature Sensors beschrijven Christian Kupsch van de TU Bergakademie Freiberg en zijn coauteurs de obstakels. De technische basis is volgens hen aanwezig, maar onderzoekers moeten voor nieuwe medische toepassingen vaak eerst zelf een ultrasoon systeem bouwen. Open platforms kunnen deze ontwikkellast verminderen.
Dieper meten
Ultrasone pleisters zijn enkele centimeters groot en worden op de huid gedragen. Anders dan optische sensoren, die vooral oppervlakkige veranderingen registreren, kan ultrasoon informatie leveren over dieper gelegen spieren, vaatwanden en het hart. Een transducer zendt ultrasone pulsen uit en vangt echo’s op. Elektronica versterkt en digitaliseert deze signalen, waarna verwerking op de wearable of een extern apparaat plaatsvindt.
Ontwikkelaars moeten daarbij afwegingen maken. Meer afzonderlijk aanstuurbare transducerelementen maken gedetailleerdere metingen mogelijk, maar vergroten ook het datavolume, de benodigde rekenkracht en het energieverbruik. Ook de keuze tussen lokale verwerking en draadloze verzending beïnvloedt het ontwerp.
Modulaire ontwikkeling
Open platforms combineren verwisselbare hardware- en softwaremodules. Daardoor kunnen transducers, elektronica en analysemethoden voor verschillende toepassingen worden hergebruikt.
Het platform WULPUS weegt bijvoorbeeld 13 gram, leest acht kanalen achtereenvolgens uit en verstuurt ruwe gegevens via Bluetooth. Het energieverbruik blijft onder 25 milliwatt, waardoor een kleine batterij meerdere dagen kan meegaan.
TinyProbe beschikt over 32 zend- en ontvangstkanalen, maakt tweedimensionale beelden en meet bloedstromen met Doppler. Gegevens gaan via wifi naar een extern apparaat. Tijdens beeldvorming verbruikt het systeem bijna één watt, met een batterijduur van enkele uren. ModulUS verdeelt de functies over vier printplaten, zodat componenten afzonderlijk kunnen worden vervangen.
Continu monitoren
Een geïntegreerde wearable van de University of California San Diego illustreert de mogelijkheden. Deze mat signalen tot 164 millimeter diep en volgde bij bewegende proefpersonen maximaal twaalf uur de centrale bloeddruk, hartslag en het hartminuutvolume. Machine learning hielp relevante weefselstructuren tijdens beweging te volgen en gegevens te analyseren.
Voor praktisch gebruik moeten pleisters langdurig betrouwbaar op de huid blijven zitten zonder irritatie. Ook tijdens beweging moet het contact behouden blijven om signaalverlies te voorkomen. Daarnaast zijn gegevensbescherming, veiligheid en klinische validatie noodzakelijk.
Volgens Kupsch moeten transducer, elektronica, signaalverwerking, communicatie en toepassing als één geheel worden onderzocht. Open ontwikkelplatforms kunnen helpen die samenhang systematisch te testen en toepassingen sneller verder te ontwikkelen. Ze nemen daarmee ontwikkelbarrières weg, maar vervangen het aantonen van betrouwbare en veilige werking niet.
Meer informatie: (link)
Game maakt autismeonderzoek toegankelijker voor meer kinderen
Een speciale videogame moet bestuderen hoe jongeren met autisme zintuiglijke informatie verwerken en gebruiken bij beslissingen. De game, ontwikkeld aan de Boston University, maakt deelname mogelijk voor mensen met ernstige communicatieve beperkingen en non-verbale deelnemers. Deze groepen vallen regelmatig buiten studies doordat onderzoekstaken afhankelijk zijn van taal en instructies. Daardoor vertegenwoordigen bestaande inzichten mogelijk niet het volledige autismespectrum.
De game Geode, voluit Gathering Evidence to Optimize DEcisions, laat spelers via een schatkaart edelstenen verzamelen. Lichtflitsen aan de schermranden wijzen de weg: aan de kant met meer lichtsignalen zijn edelstenen te vinden.
Onderzoekers variëren het aantal, de duur en de timing van de flitsen en registreren hoe deelnemers daarop reageren. Dat levert informatie op over waarneming, besluitvorming en leren. De game geeft geen instructies; spelers ontdekken zelf de regels. Volgens onderzoeker Benjamin Scott maakt dit deelname mogelijk bij uiteenlopende communicatieve vaardigheden.
Ruim 300 jongeren tussen 11 en 17 jaar namen deel. Iets meer dan 200 hadden autisme, onder wie deelnemers met ernstige symptomen en bekende genetische syndromen. De overige deelnemers waren neurotypische broers en zussen. Een aanzienlijk deel van de gegevens werd op afstand verzameld.
Informatie combineren
De meeste deelnemers leerden de spelregels snel en pasten zich aan toen de game moeilijker werd. Jongeren met autisme hadden gemiddeld meer leertijd nodig en waren minder nauwkeurig. Vooral het verzamelen en combineren van zintuiglijke informatie over een bepaalde periode bleek lastiger.
De resultaten ondersteunen volgens Scott het idee van ‘noisy evidence integration’: afzonderlijke stukjes zintuiglijke informatie bevatten extra ruis, die zich kan opstapelen wanneer meer informatie wordt samengevoegd. Een mogelijke verklaring is een veranderde balans tussen prikkelende en remmende activiteit in neurale circuits. De studie toont echter niet aan dat dit mechanisme de gevonden verschillen veroorzaakt.
Uitkomstmaat bij behandeling
Geode is geen diagnostisch instrument. De game meet aspecten van informatieverwerking, leren en besluitvorming, maar kan niet vaststellen of iemand autisme of een andere neuropsychiatrische aandoening heeft.
De onderzoekers zien vooral mogelijkheden als uitkomstmaat in klinische studies. Door deelnemers vóór en na een behandeling te laten spelen, kan worden onderzocht of een geneesmiddel of andere interventie de gemeten vaardigheden verandert.
De belangrijkste ambitie is groepen met communicatieproblemen beter bij onderzoek te betrekken. Daarmee kan een breder beeld ontstaan van verschillen in waarneming en informatieverwerking binnen het autismespectrum.
Meer informatie: (link)
AI-model voorspelt glucoseverloop bij diabetes
Onderzoekers van de Kaunas University of Technology (KTU) in Litouwen hebben een AI-model ontwikkeld dat glucosewaarden en het risico op hypoglykemie bij diabetes type 1 tot 30 en 60 minuten vooruit kan voorspellen. Het combineert glucosemetingen met informatie over insuline, koolhydraatinname en lichamelijke activiteit. De technologie kan mogelijk klinische besluitvorming ondersteunen, maar moet nog onder werkelijke zorgomstandigheden worden onderzocht.
Continue glucosemonitoring en afgestemde insulinetoediening helpen mensen met diabetes type 1 hun glucosewaarden binnen veilige grenzen te houden. Toch blijven onverwachte schommelingen mogelijk. Naast voeding en insuline beïnvloeden onder meer beweging, stress, slaap en hormonale veranderingen het glucoseverloop.
Continue glucosemeters leveren iedere paar minuten een meting. De onderzoekers ontwikkelden een raamwerk dat verschillende AI-methoden combineert om patronen in deze gegevens te herkennen. Het model verwerkt metingen niet uitsluitend als een chronologische reeks, maar stelt ieder tijdstip voor als een knooppunt in een netwerk. Verbindingen met vergelijkbare situaties uit het verleden moeten helpen relaties tussen fysiologische toestanden te herkennen.
Relevante signalen
Een zogenoemd attention-mechanisme bepaalt welke eerdere meetmomenten en kenmerken het zwaarst meewegen bij een voorspelling. Volgens KTU-hoogleraar Rytis Maskeliūnas lijkt dit op de manier waarop een ervaren arts relevante informatie selecteert. Deze aanpak moet ook bijdragen aan de uitlegbaarheid: het model kan aangeven welke gegevens een voorspelling vooral hebben beïnvloed. Dat kan zorgprofessionals helpen de uitkomsten te beoordelen.
Bij tests met internationale datasets van mensen met diabetes type 1 behaalde het model volgens de onderzoekers een hoge nauwkeurigheid voor glucosewaarden en hypoglykemierisico. De prestaties verbeterden wanneer het beide taken tegelijkertijd leerde. Ook bij patiënten van wie het model niet eerder gegevens had gezien, bleven de resultaten volgens hen goed.
Klinische validatie
De onderzoekers bekeken daarnaast retrospectief of AI gepersonaliseerde aanpassingen van de insulinetoediening kan evalueren. Dit is bedoeld als mogelijke beslisondersteuning voor klinische analyse, niet als advies waarmee patiënten zelfstandig hun behandeling kunnen aanpassen.
Het model is uitsluitend onderzocht met historische patiëntgegevens. Klinische studies moeten uitwijzen of de voorspellingen in de dagelijkse zorg betrouwbaar blijven. Ook gegevensbeveiliging, privacy en aansluiting op bestaande werkprocessen vragen aandacht.
Als vervolgonderzoek de resultaten bevestigt, kan het model bijdragen aan meer gepersonaliseerde diabeteszorg. Het vooraf signaleren van risicovolle glucoseschommelingen kan daarbij zorgprofessionals helpen de beschikbare patiëntgegevens beter te benutten.
Meer informatie: (link)
