Nieuw computermodel voorspelt overlevingskans van kinderen na reanimatie
Na reanimatie van een kind volgt voor ouders een lange periode van onzekerheid. Vaak blijft het lange tijd onduidelijk of en hoe hun kind zal herstellen. Om hier verandering in te brengen ontwikkelden onderzoekers van TU Delft en Erasmus MC een machine learning model dat de overlevingskans van kinderen al 24 uur na een reanimatie kan voorspellen. Het wetenschappelijke artikel over dit onderzoek is gepubliceerd in het gerenommeerde journal Neurology.
'De onzekerheid is volgens veel ouders bijna erger dan slecht nieuws,' vertelt neuroloog Robert van den Berg, van het Erasmus MC. Als een kind na een reanimatie niet wakker wordt, kan het dagen tot weken duren voordat er meer duidelijkheid is over de overlevingskans. Om dit proces te versnellen, ontwikkelden Robert en kinderneuroloog Maayke Hunfeld samen met masterstudent Applied Mathematics Femke Lückerath en professor Geurt Jongbloed van TU Delft een machine learning model dat de overlevingskans na een reanimatie kan voorspellen.
‘Het was bijzonder waardevol om onze statistische kennis in te zetten voor de ontwikkeling van dit model. Bij TU Delft werken we graag mee aan onderzoek met een grote maatschappelijke impact, en dit project is hier een lichtend voorbeeld van’, vertelt Geurt.
Hersenactiviteit
Het computermodel maakt de voorspelling op basis van hersenactiviteit. Dit wordt in het ziekenhuis gemeten met een EEG-apparaat. ‘Bij volwassen patiënten kunnen artsen zelf een inschatting maken van de overlevingskans door naar patronen in het EEG, te kijken’ vertelt Robert. ‘Bij kinderen is dit helaas lastig omdat reanimatie bij hen – gelukkig – zeldzaam is. Daardoor is er minder data beschikbaar.’
Daarom ontwikkelden de onderzoekers een machine learning model dat helpt bij het voorspellen van de overlevingskansen van kinderen. Ze trainden het model met EEG-data van kinderen die waren gereanimeerd plus hun gezondheidsuitkomsten na één jaar. Het model leerde vervolgens zelf verbanden leggen. En met succes: het kan nu binnen 24 uur na een hartstilstand de overlevingskans van een kind bepalen.
Hierbij is het model beter in het voorspellen van overlijden dan overleven, vertelt Robert. ‘Ons uitgangspunt was: het model mag nooit onterecht zeggen dat een kind zal overlijden. Dit kan er namelijk ook toe leiden dat we bepaalde behandelingen niet meer starten. Het model is daarom 100% correct als het een overlijden voorspelt, maar iets minder nauwkeurig in het voorspellen van overleven.’
Meer dan een voorspelmodel
Wat het model extra bijzonder maakt, is dat het een uitleg geeft bij al zijn voorspellingen. Robert: ‘We willen tot in de puntjes begrijpen waarom het model bepaalde keuzes maakt.
Femke Lückerath
Geurt Jongbloed
Dit helpt artsen om de voorspelling op waarde te schatten. Het kan bijvoorbeeld zijn dat het model een beslissing baseert op een EEG-patroon waarvan jij weet dat het door bepaalde medicatie komt. Als dat zo is, dan wil je dat weten.’
De onderbouwing die het model geeft, leverde de onderzoekers ook nieuwe inzichten op. Ze leerden bijvoorbeeld dat stiltes in de hersenactiviteit een belangrijke voorspeller is voor overlijden na een reanimatie: hoe meer stiltes, hoe slechter de uitkomst. ‘Dit lijkt logisch, maar dit patroon zien we bij kinderen veel duidelijker dan bij volwassenen. Bij hen konden we zelfs een exacte grenswaarde vaststellen waarboven een slechte uitkomst waarschijnlijk is.’
Human learning
Het model wordt op dit moment nog niet in de kliniek gebruikt, het wordt eerst nog in andere ziekenhuizen getest. De onderzoekers hopen dat het model in de toekomst ook leert voorspellen hoe een kind zich na een reanimatie zal ontwikkelen en welke behandeling het beste zal aanslaan. ‘We hebben maar een beperkt aantal behandelopties na een reanimatie en weten niet goed welke patiënten baat hebben bij welke behandeling. Ik hoop dat het model ons hier de komende jaren bij kan helpen,’ zegt Robert.
De onderzoekers zijn heel trots op het model dat er nu staat. ‘Het is geweldig hoe we dit samen hebben gedaan: van de kinder-intensive care en de neurologie tot de technische geneeskunde en de wiskunde. Ik vind het mooi dat we ouders, die door de zwaarste periode van hun leven gaan, met dit model iets van houvast kunnen bieden.’
Robert van den Berg en Marit Verboom (zij is als technisch geneeskundige en promovendus bij dit project betrokken)
Prettige samenwerking
De samenwerking tussen TU Delft en het Erasmus MC beviel goed. ‘Men zou het misschien niet verwachten van een afdeling toegepaste wiskunde, maar wij voeren binnen onze afdeling veel medisch-gerelateerd en -geïnspireerd onderzoek uit’, vertelt Geurt. Dat onderzoek gaat van optimale planning in ziekenhuizen naar beeldanalyse, van predictieproblemen naar het modelleren van bloedstromen en van het modelleren van epidemieën tot het optimaal stationeren van ambulances om aan een gewenst serviceniveau te voldoen.
‘Momenteel bundelen we de brede samenwerking tussen wiskundigen en mensen in de gezondheidszorg onder de noemer MatheMedics’, licht Geurt toe. ‘Mijn ervaring is dat onze wiskundestudenten, als Femke, in hun werk graag iets willen bijdragen aan oplossingen voor problemen die in de gezondheidszorg spelen. De samenwerking met het Erasmus MC is ons vertrouwd en verloopt zeer prettig. En het is geweldig dat deze samenwerking ook nog heeft geleid tot een paper in Neurology. Dit smaakt voor beide kanten naar meer.’
Robert valt hem bij. ‘Het was een win-winsituatie: wij kregen hulp bij het beantwoorden van onze vragen, en zij kregen de kans om hun mooie ideeën en algoritmes toe te passen op een concreet vraagstuk. Zo kwamen de klinische vraag en technische expertise prachtig bij elkaar.’