Kunstmatige intelligentie (AI) vindt steeds vaker zijn weg naar de neonatale intensive care (NICU). Een internationale onderzoeksgroep onder leiding van de SABIEN-groep van het ITACA Institute van de Universitat Politècnica de València (UPV) heeft uitgebreid in kaart gebracht hoe AI momenteel wordt ingezet en welke impact deze technologie heeft op de zorg voor pasgeborenen. De studie analyseert tien jaar onderzoek en beoordeelt 41 studies waarin AI is toegepast binnen de neonatale klinische praktijk.
Het onderzoek, gepubliceerd in het wetenschappelijke tijdschrift Seminars in Fetal and Neonatal Medicine, is uitgevoerd in samenwerking met het Hospital Universitari i Politècnic La Fe, IIS La Fe en de Queen Mary University of London. De auteurs brengen niet alleen de technologische ontwikkelingen in beeld, maar benoemen ook de belangrijkste technische, methodologische en ethische uitdagingen. Daarnaast formuleren zij prioriteiten om AI veilig en verantwoord te implementeren in de dagelijkse zorg.
Impact op neonatale zorg
Uit de analyse blijkt dat AI een steeds belangrijkere rol speelt bij vroege diagnostiek, geavanceerde monitoring en het voorspellen van complicaties bij premature en ernstig zieke pasgeborenen. Toepassingen richten zich vooral op het cardiovasculaire, neurologische, respiratoire en infectieuze domein. Hier kunnen algoritmen subtiele signalen herkennen die bij conventionele beoordeling soms onopgemerkt blijven.
De onderzoekers noemen onder meer vroege detectie van sepsis, inschatting van hersenrijping, voorspelling van ademhalingsproblemen en optimalisatie van continue monitoringssystemen op basis van fysiologische signalen, video- en geluidsdata. Volgens Vicente Traver, hoofd van de SABIEN-groep en mede-auteur, produceren NICU’s enorme hoeveelheden real-time data. “AI kan helpen deze gegevens beter te interpreteren, klinische besluitvorming te ondersteunen en complicaties eerder te signaleren, wat de zorg voor de meest kwetsbare patiënten versterkt.”
Obstakels voor brede implementatie
Tegelijkertijd signaleert de studie belangrijke knelpunten die brede klinische toepassing nog in de weg staan. Zo verschillen patiëntpopulaties sterk, zijn datasets vaak niet representatief en is er risico op bias, met name bij niet-invasieve monitoring. Ook ontbreekt in veel studies externe validatie, wat de betrouwbaarheid en generaliseerbaarheid van modellen beperkt.
Daarnaast is er behoefte aan grotere, hoogwaardige databronnen en aan AI-modellen die beter aansluiten bij de klinische workflow, zodat zorgprofessionals ze daadwerkelijk gaan gebruiken.
Ethische aandachtspunten
De auteurs benadrukken het belang van intensieve samenwerking tussen ingenieurs, clinici, dataspecialisten en ethici. Volgens Antonio Martínez Millana, adjunct-directeur van ITACA, is het potentieel van AI groot: van voorspellende diagnostiek tot gepersonaliseerde behandelstrategieën. Tegelijkertijd blijven privacy, transparantie, uitlegbaarheid en gelijke toegang tot technologie cruciale aandachtspunten.
De studie wijst op kansen voor de ontwikkeling van meer voorspellende en efficiënte NICU’s, onder meer door integratie van multimodale data, real-time monitoring en uitlegbare, ethisch verantwoorde AI-modellen. Volgens onderzoeker Andrea García Montaner bieden deze technologieën “een beslissende kans om toe te werken naar preventievere, nauwkeurigere zorg, afgestemd op de behoeften van iedere pasgeborene.”
AI op de NICU
Op de NICU van Children’s Hospital Colorado worden te vroeg geboren baby’s intensief gescreend op retinopathy of prematurity (ROP), een oogaandoening die tot blindheid kan leiden. Deze onderzoeken zijn essentieel, maar belastend voor zowel baby’s als ouders en bovendien afhankelijk van specialistische expertise. Een interdisciplinair team onder leiding van oogarts Emily Cole en AI-onderzoeker Praveer Singh ontwikkelt daarom AI-modellen die directe klinische waarde bieden. Door fundusbeelden automatisch te analyseren, kan AI de ernst van ROP objectiever en consistenter vaststellen.
In plaats van een grove indeling gebruikt het model een gedetailleerde schaal om vaatkronkeling te meten, een cruciale indicator voor behandeling. Dit verkleint verschillen tussen artsen, versnelt besluitvorming en kan het aantal belastende onderzoeken verminderen. Daarmee biedt AI perspectief op efficiëntere en patiëntvriendelijkere ROP-zorg in de NICU.
Onderzoekers van Mount Sinai ontwikkelden enkele jaren geleden al een deep learning-algoritme, Pose-AI, dat videobeelden van baby’s op de neonatale intensive care unit (NICU) analyseert om neurologische veranderingen vroegtijdig te herkennen. Continue neurologische monitoring is op NICU’s nog beperkt en gebeurt meestal alleen op vaste momenten, terwijl achteruitgang plotseling kan optreden.
Pose-AI gebruikt bestaande camerabeelden en werd getraind op ruim 4.700 uur video van 115 baby’s, gekoppeld aan EEG-data. Het algoritme herkent nauwkeurig lichaamshoudingen en kan hiermee onder meer versuffing en cerebrale disfunctie voorspellen. Daarmee biedt Pose-AI een minimaal invasieve en schaalbare methode voor continue neurologische bewaking. Volgens de onderzoekers kan deze aanpak leiden tot snellere interventies en betere uitkomsten, met AI-gestuurde waarschuwingen vergelijkbaar met hartslag- of ademhalingsmonitoring.
