Een nieuwe AI-toepassing die digitale tweelingen van patiënten kan creëren en hun toekomstige gezondheid kan voorspellen, wordt gezien als een potentiële doorbraak voor zowel gepersonaliseerde zorg als klinisch onderzoek. Onderzoekers van de Universiteit van Melbourne trainden een bestaand large language model (LLM) met drie grote datasets vol elektronische patiëntgegevens.
Het AI-model, DT-GPT genaamd, analyseerde medische data van patiënten met Alzheimer, niet-kleincellige longkanker en patiënten op intensive care afdelingen. Op basis daarvan maakte het model een digitale tweeling van elke patiënt, die de individuele ziekteontwikkeling onder behandeling kan simuleren.
Gezondheidsparameters beter voorspellen
DT-GPT voorspelde gezondheidsparameters zoals zuurstofsaturatie, magnesiumwaarden en ademhalingsfrequentie over een periode van 24 uur, uitsluitend op basis van eerdere laboratoriumuitslagen, diagnosen en medicatiegeschiedenis. Het model kreeg geen informatie over daadwerkelijke uitkomsten, waardoor de onderzoekers de nauwkeurigheid van de voorspellingen onafhankelijk konden valideren. De resultaten zijn gepubliceerd in npj Digital Medicine.
“Voor elke patiënt creëerden we een virtuele replica met hun klinisch profiel als startpunt,” zegt onderzoeker Michael Menden. Voor 35.131 IC-patiënten wist het model veranderingen in cruciale parameters zeer nauwkeurig te voorspellen. DT-GPT presteerde beter dan 14 toonaangevende machine learning modellen.
De onderzoekers zien brede toepassingen: van het simuleren van klinische trial-uitkomsten tot het sneller en goedkoper ontwikkelen van nieuwe therapieën. Ook in de dagelijkse zorg kan het model artsen helpen om vroegtijdig verslechtering te signaleren en gerichter te behandelen. Daarnaast kan de AI voorspellen welke bijwerkingen een patiënt mogelijk krijgt, zodat behandelplannen beter gepersonaliseerd worden.
Op naar voorspellende en gepersonaliseerde zorg
DT-GPT kan complexe en ongestructureerde data razendsnel interpreteren en heeft een chatbot-achtige interface waarmee zorgprofessionals kunnen doorvragen op de gemaakte keuzes en voorspellingen. Omdat het model generatieve AI inzet, kan het bovendien zero-shot voorspellingen doen, geïnformeerde schattingen voor waarden waarop het niet expliciet is getraind.
Zo voorspelde het model nauwkeurig hoe LDH-waarden bij longkankerpatiënten veranderden 13 weken na de start van hun behandeling, zonder dat het daarvoor getraind was. In 18% van de gevallen waren deze onbeoefende voorspellingen zelfs nauwkeuriger dan die van traditionele, specifiek getrainde modellen.
Met de ontwikkeling van digitale tweelingen zet de gezondheidszorg opnieuw een stap richting een toekomst waarin diagnoses nauwkeuriger worden, risico's eerder worden herkend en behandelingen beter aansluiten op de individuele patiënt.
Digitale tweeling spoort ziektes op
Vorig jaar toonden onderzoekers van St. George’s University in Londen al eens aan dat een digitale tweeling van het hart kan helpen om littekenafhankelijke ventriculaire tachycardie (VT) sneller, veiliger en nauwkeuriger te diagnosticeren. Deze ernstige hartritmestoornis wordt normaal opgespoord via een risicovolle en langdurige katheterablatie, waarbij artsen het hart handmatig in kaart brengen. Door verbeterde beeldvorming en patiëntgegevens te combineren, creëerden de onderzoekers digitale hartmodellen van 18 VT-patiënten.
Deze digitale tweelingen voorspelden met hoge nauwkeurigheid waar abnormale elektrische ritmes zouden ontstaan: de gemarkeerde gebieden vertoonden 41% meer afwijkingen dan niet-gemarkeerde zones. Ook werd ongeveer 80% van de elektrische vertragingen nabij littekens correct voorspeld. Volgens de onderzoekers kunnen digitale tweelingen ingrepen verkorten, risico’s verminderen en leiden tot effectievere, doelgerichtere behandelingen.
Vorige maand schreven wij over een andere ontwikkeling op het gebied van digitale tweelingen. Een internationaal team van meer dan honderd experts uit 22 landen werkt inmiddels aan een digitale tweeling van het menselijke immuunsysteem: de Immune Digital Twin (IDT). Deze virtuele, dynamische kopie moet het mogelijk maken om medicijn- en behandelreacties veilig te simuleren, afgestemd op de individuele patiënt.
Het immuunsysteem is echter extreem complex en moeilijk realtime te meten, wat de ontwikkeling uitdagend maakt. Daarom bundelt de RDA-BIDT-werkgroep expertise van immunologen, clinici, datawetenschappers, ingenieurs en ethici. Door wereldwijd data en standaarden te delen wil de Research Data Alliance de IDT uitbouwen tot een krachtig hulpmiddel voor gepersonaliseerde zorg en de aanpak van complexe immuunziekten.
