Het doseren van Vitamine K antagonisten (VKA) is een ingewikkeld en continu proces, waar veel verschillende factoren een invloed op hebben. Op dit moment vindt de dosering plaats door onze antistollingsartsen en adviseurs met behulp van beslisondersteuning in het doseerprogramma. We hebben de afgelopen jaren onderzocht of een algoritme kan helpen om de dosering nog beter af te stemmen op de individuele patiënt.
In 2018 is de Star-shl een samenwerking aangegaan met Pacmed, een organisatie gespecialiseerd in 'machine learning' en het ontwikkelen van Artificial Intelligence (AI) voor de gezondheidzorg. Pacmed heeft in samenwerking met de Star-shl een zelflerend algoritme gemaakt met behulp van kunstmatige intelligentie om de verwachte INR beter te voorspellen op basis van voorgeschiedenis, medicatie, voorgaande INR’s en doseerschema’s van de afgelopen 5 jaar van een patiënt. Dit algoritme is in staat om miljoenen variabelen te analyseren. Op basis van deze variabelen kan het algoritme een voorspelling doen voor een geschikte dosis en uiteindelijk INR voor de patiënt.
In 2019 hebben we aangetoond dat het algoritme kan helpen bij een doseeradvies bij stabiele patiënten. Bij patiënten van de experimentele en niet-stroom bleek het voorspellen van een INR niet altijd mogelijk. Dit komt omdat er een aantal variabelen niet inzichtelijk zijn voor het algoritme waardoor de voorspelling van de INR lastig was. Voorbeelden van deze variabelen zijn de therapietrouw, dieet en interactie met andere medicatie van de patiënt. Hierdoor ontstaat er een ‘blinde vlek’ bij het algoritme.
Op basis van deze bevindingen is in 2020 het algoritme aangepast met behulp van de medische expertise van Star-shl. In plaats van het voorspellen van de volgende INR en de bijbehorende dosering, werd het algoritme omgebouwd om te functioneren als beslisondersteuning voor de doseerders (antistollingsartsen en -adviseurs). Bij deze aanpassing is er gebruikmaakt van de gegevens van de 10% ‘beste’ doseerders. Het algoritme is getraind met deze gegevens om zo een goed doseeradvies te geven. Dit advies kan worden gebruikt als beslisondersteuning voor het doseren van de VKA bij onze patiënten.
Afgelopen periode hebben wij dit aangepaste algoritme getoetst begeleid door Chantal Visser, arts onderzoeker i. o. van het Erasmus MC. Hiervoor hebben we het advies van het Pacmed algoritme vergeleken met de adviezen van de nu al beschikbare beslisondersteuningen en het menselijke advies van onze doseeradviseurs. Bij 280 patiënten hebben we gekeken naar de werkelijke doseeradviezen in 2018 en de adviezen op basis van de verschillende bestaande beslisondersteuningen: Pacmed, Trodis (het nu door Star-shl gebruikte programma) en het Beinema II algoritme, dat in 2016 beschreven is en dat momenteel werkzaam is bij enkele andere trombosediensten in Nederland. De daaruit volgende adviezen hebben wij laten beoordelen door de doseerders.
Aan dit onderzoek hebben 6 doseerders van Star-shl meegedaan. Per patiënt hebben zij een advies van een van de beslisondersteuningen of de werkelijke dosering gekregen om op basis van dat advies te doseren. Elke patiënt werd aan 2 doseerders voorgelegd. Er waren dus 4 adviezen: de dosering van destijds, het Trodis advies, het Beinema II advies en het Pacmed advies. De doseerders wisten niet door welke beslisondersteuning het advies werd gegeven. Daarnaast hebben we gekeken naar hoe goed de overeenkomst was tussen de doseringen van de verschillende doseerders.Als laatst hebben we de doseerders gevraagd een cijfer te geven aan het advies wat zij hadden gebruikt.
Uit de eerste analyses komt dat er kleine maar significante verschillen zitten tussen de mediane doseringen na gedoseerd te hebben met de verschillende beslisondersteuningen. Zo is het doseeradvies verkregen na hulp van het Pacmed algoritme lager dan het werkelijke advies wat in 2018 is gegeven. Als een doseeradviseur gebruik maakt van Trodis of Beinema II, dan is het doseeradvies juist hoger dan de werkelijke dosering die destijds in 2018 is gegeven. Als we kijken naar de verschillende patiëntgroepen, dan wordt het advies van Pacmed vaker aangepast. Het advies van Beinema II werd minder vaak veranderd door de doseerders, ook bij de experimentele- en niet-stroom. Verder blijkt dat doseerders van Star-shl vergelijkbare doseeradviezen geven. Er waren geen grote verschillen tussen medewerkers. Als we als laatst kijken naar het rapportcijfer, dan scoort Beinema II het hoogst, gevolgd door Trodis en Pacmed.
Op basis van deze resultaten is er met alle betrokkenen een refereersessie gehouden om te kijken wat we kunnen concluderen uit deze resultaten. In ieder geval kunnen we concluderen dat het ontwikkelen van een algoritme met behulp van kunstmatige intelligentie (machine learning) voor het voorspellen van de volgende INR lastiger lijkt dan in eerste instantie gedacht. Naar aanleiding van de refereersessie zullen we samen met Pacmed kijken naar eventuele verdere analyse om definitieve conclusies te kunnen trekken.