...
Als arts moet je vóór een ingreep je patiënt een informed consent vragen, stelt dokter Schatteman. "Maar wat vertel je als een patiënt vraagt naar het risico van een complicatie? Wie kan zich uit het hoofd herinneren hoe vaak een verwikkeling optrad? Wat de meeste artsen doen is een cijfer citeren uit de literatuur. Maar dat wil de patiënt niet weten - hij wil weten hoe zijn kansen liggen bij u." Uroloog Peter Schatteman toont trots een dashboard: "Dit zijn de data van alle laseroperaties van de prostaat in ons centrum van 2014 tot 2018. Hoeveel operaties zijn er uitgevoerd? De leeftijd, de anesthesiescore, de morbiditeit,... Het tweede scherm is nog interessanter. Wat is het aantal complicaties? Verbetert de kracht van de urinestraal? Wat is het prostaatvolume na de ingreep? Wat is de evolutie de PSA-waarde? ... Je kunt een selectie vragen: de resultaten per jaar of per chirurg." Wat de Aalsterse uroloog toont is het werk van een intelligente zoekrobot die door de elektronische dossiers van de afdeling ploegde. Datamining om uit de registraties, de brieven van de artsen, de opgeslagen documenten een aantal voorafbepaalde parameters te halen: een 15-tal voor de laseroperatie van de prostaat (HoLEP). Een 20-tal voor een andere reeks patiënten die van 2014 tot 2018 een cystectomie wegens blaaskanker ondergingen. Het gaat om twee courante ingrepen waarvoor het OLV-Ziekenhuis een gereputeerd centrum is. Het ziekenhuis in Aalst krijgt wel wat fellows over de vloer, die geïnteresseerd zijn in de laseroperatie en robotchirurgie. "Die zijn bereid data te verzamelen, voor een studiewerk." Dat maakte dat de afdeling voor deze twee ingrepen al over een database beschikte. "We hoefden niet zomaar te geloven wat de zoekrobot ons vertelde - we konden het aftoetsen." "In totaal lieten we 800 dossiers doorlichten. Als de afdeling een database wil aanleggen, moet je daar normaal gezien verscheidene datanurses aan zetten. En je mag toch rekenen dat het een tweetal jaar duurt voordat het resultaat er is - die mensen hebben wel nog wat anders om handen in het ziekenhuis." De zoekrobot werkt een stuk sneller. Niet dat je meteen bruikbare resultaten hebt: "Je moet de machine wat trainen. Na een eerste ronde datamining van de dossiers verscheen bijvoorbeeld als resultaat dat 100% van de patiënten na een cystectomie heropgenomen werd. Wat blijkt? Deze patiënten komen na een drietal weken terug om twee buisjes te laten weghalen. Je moet de robot vertellen: dat telt niet mee." "Dat ging dan nog om administratieve, gestructureerde data. Die kan de machine in de regel makkelijk interpreteren. Maar veel parameters moet de machine gaan zoeken in bijvoorbeeld de brieven die de uroloog naar de huisarts stuurt. Daarin vermelden we de complicaties na de ingreep. Dat soort ongestructureerde data is moeilijker te herkennen." De machine moest uiteindelijk toch twee keer door de dossiers gaan voordat de resultaten betrouwbaar leken. "In vergelijking met de menselijke database waren de resultaten ongeveer even accuraat, maar de robot leverde vollediger resultaten op." Uiteraard, wanneer de arts een bepaald gegeven vergeet in te voeren, zal de robot het nooit vinden. "Het is niet zo dat de arts een rommeltje van zijn dossier kan maken en een robot het dan wel zal oplossen. De menselijke intelligentie moet de artificiële intelligentie tegemoetkomen. De arts moet volledig zijn en zorgen dat hij een wat vast stramien volgt." Het hele project kwam tot stand door samenwerking met een gespecialiseerde firma (LynxCare). Het project om de robot te finetunen nam een tweetal maanden in beslag, volgens dokter Schatteman, en dat vraagt wel wat werk van de arts. "Daar ging overigens een lange voorbereiding aan vooraf, samen met de informaticadienst van het ziekenhuis, om de dossiers voor de robot toegankelijk te maken, GDPR-proof, zonder dat er gevoelige persoonsgegevens buiten het ziekenhuis konden lekken. Ook mensen van de firma mogen geen identificeerbare gegevens onder ogen krijgen." De voorbereiding duurde een half jaar - inclusief het verkrijgen van toestemmingen, maar dat werk moet je eigenlijk maar een keer doen. "In principe, wanneer het hele systeem eenmaal klaar is, kun je de resultaten in real-time opvragen. De dienst zou bijvoorbeeld wekelijks een snapshot kunnen maken." "Het resultaat is een droom voor elk ziekenhuis - hiermee kunnen we concurreren met de topcentra in de wereld." De bedoeling van het project was vooral de patiënten beter te kunnen informeren. "Maar je kunt met de resultaten ook sleutelen aan de kwaliteit van je zorg. Je kunt ze gebruiken als benchmark en kijken waar je zwakke plekken zitten. Uit wat we zien blijkt alleszins dat onze minimaal invasieve benadering in het OLV- Ziekenhuis op een goed spoor zit." Een andere mogelijke toepassing is het selecteren van geschikte kandidaten voor clinical trials waaraan het ziekenhuis deelneemt. In het Aalsterse ziekenhuis loopt nu eenzelfde project met dezelfde firma voor de dienst cardiologie. "Nadien zal het ziekenhuis de knoop moeten doorhakken. IT kost geld. Onze dienst is alleszins vragende partij voor zes of zeven trajecten." De investering is voor Schatteman relatief. "Wanneer je mensen op een dergelijk project zet, gaat het je veel meer geld kosten en veel meer tijd - en het resultaat zal niet beter zijn." "Als andere ziekenhuizen dit systeem willen overnemen, zal dat wel weer wat tijd kosten. Ze zullen de robot opnieuw moeten finetunen - want iedere dienst is verschillend en bouwt de patiëntendossiers anders op. Maar de parameters, de eindpunten zijn vastgelegd - de robot zal bij een nieuwe toepassing al heel wat voorsprong hebben. Zeker voor een ziekenhuis die met het Leuvense KWS werkt, zoals wij, zou het veel sneller moeten gaan."