Gezondheid

Binnen het onderzoeksprogramma onderzoeken en ontwikkelen we generische AI-methodologieën die inzetbaar zijn voor talloze toepassingen in de gezondheidszorg. Hieronder vind je de korte uitleg van enkele toepassingen (use cases) of onderzoekuitdagingen waar de onderzoeksgroepen momenteel mee aan de slag zijn.

1. Automatische aanvalsdetectie voor epilepsiepatiënten in een thuisomgeving: Wereldwijd hebben 65 miljoen mensen epilepsie. Ondanks hun medische behandeling en opvolging heeft nog 35% van de patiënten last van plotse en onvoorziene aanvallen. Die aanvallen veroorzaken een verlaagde levenskwaliteit van patiënten. De onderzoeksgroepen van de KULeuven (STADIUS, DTAI, ITEC), de UGent (IDLab, KERMIT, VIB) en UHasselt (CENSTAT) bundelen hun expertise met klinische expertise van UZ Leuven om een methode te creëren die d.m.v. artificiële intelligentie zo correct mogelijk voorspelt wanneer de patiënt een volgende epileptische aanval zal krijgen of wanneer het risico op een aanval significant toeneemt. Met die informatie kan de patiënt zichzelf op termijn beter monitoren. De prioriteit bij dit onderzoek ligt erbij om betrouwbaar aanvallen te kunnen detecteren buiten de klassieke ziekenhuisomgeving. Dit soort technologie maakt het in de toekomst mogelijk dat de behandelende neuroloog de gezondheidstoestand van zijn patiënt nauwkeurig kan opvolgen zonder alle data zelf te moeten interpreteren.

Onderzoek geleid door KU Leuven, STADIUS (Maarten De Vos, Sabine Van Huffel).


2. Betere behandeling van multiple sclerosis (MS): MS is een aandoening van het centrale zenuwstelsel. Personen met MS moeten snel de juiste behandeling krijgen, maar juiste therapie op het juiste moment voor de juiste personen vinden, is erg moeilijk. Dokters, personen met MS en beleidsmakers hebben hulp nodig om beslissingen rond behandelingen te nemen. Slimme computers die gevoed worden door erg veel data en die gebruik maken van artificiële intelligentie kunnen daarbij de dokter helpen. In de use case MS werken we als team samen om nieuwe innovatieve methoden te ontwikkelen om dit doel te bereiken. Het project is spraakmakend omdat het MS use case-team zich in een uitzonderlijk interdisciplinair ecosysteem positioneert. Dit project, onder leiding van de Universiteit Hasselt, bracht al meer dan 40 partners over de hele wereld samen om het effect van de Covid-19 pandemie te bestuderen in de chronische aandoening multiple sclerosis. Op enkele maanden tijd slaagden zij erin om gegevens uit meer dan 80 landen samen te brengen en te analyseren. Daardoor kon het wereldwijde Covid-19 advies voor personen met multiple sclerosis herzien worden voor de zomer van start ging. Dit advies was op enkele dagen tijd beschikbaar in 14 verschillende talen. Het use case MS-team was verantwoordelijk voor het uitbouwen van de data infrastructuur die in dit initiatief gebruikt werd. Dit onderzoek is voornamelijk van belang voor personen met MS, voor neurologen/dokters en voor de farmaceutische industrie.

Meer informatie?
COVID-19 and MS - Global Data Sharing Initiative - MS Data AllianceMS Data Alliance
Onderzoek geleid door UHasselt, Liesbet Peeters


3. Single-cell technologieën voor precisie-geneeskunde: Single-cell technologieën hebben het laatste decennium een ware revolutie veroorzaakt binnen de levenswetenschappen, met een grote impact voor de farmaceutische en diagnostische industrie. Door dit soort technologieën is het nu mogelijk om weefsels en cellen tot in ongekend detail op te meten en te karakteriseren. Op die manier verwerven we nieuwe inzichten die cruciaal zijn voor verschillende medische onderzoekdomeinen, zoals onder andere kanker, neurologie, immunologie of stamcelonderzoek. Die nieuwe technieken zijn baanbrekende methoden die ons zullen toelaten om een volgende stap te zetten in de zogenaamde “precisie-geneeskunde”. Door op individueel celniveau te kijken kunnen we nieuwe biomerkers definiëren en kunnen we beter patiëntengroepen opsplitsen op basis van hun onderliggend ziektebeeld. Op die manier kunnen we tot meer gerichte therapieën te komen. Die nieuwe technologieën genereren echter een massale hoeveelheid data. Voor het interpreteren van die data en om er nieuwe biologische inzichten uit te halen, zetten we binnen het Vlaams AI-Onderzoeksprogramma in op het ontwikkelen van nieuwe methoden om dit soort data te analyseren. Die nieuwe technologische mogelijkheden laten ons toe om biologische systemen beter en meer gedetailleerd in kaart te brengen, wat tot nieuwe inzichten en behandelingen kan leiden. Zo werd recentelijk bijvoorbeeld een nieuwe pipeline ontwikkeld om single-cell data van Covid-19 patiënten te analyseren om zo nieuwe inzichten te verwerven in de immuunrespons op de ziekte. Die data stelden we ook ter beschikking in het kader van het internationaal Covid-19 Cell Atlas project.

Meer informatie?
VIB COVID19 Response
Onderzoek geleid door Yvan Saeys, UGent/VIB.


4. Betere voorspelling van de ligduur in ziekenhuizen: De zorgkosten nemen wereldwijd toe. Volgens sommige schattingen zouden de kosten voor de gezondheidszorg tegen 2050 meer dan 20% van het bruto binnenlands product (bbp) van verschillende landen bedragen. Daarvoor wordt een niet-optimaal gebruik van de medische middelen genoemd als een van de redenen. Ligduur (LoS) is een belangrijke parameter bij de ziekenhuisplanning om operaties, diagnostische ziekenhuisopnames en de bijhorende logistiek te plannen. Optimale LoS kan potentieel het beheer en gebruik van middelen van een ziekenhuis, de kwaliteit van de zorg, de prestaties, het niveau en het gebruik van verworven technologie verbeteren. Verder kan het helpen bij het optimaliseren van geplande bezoeken, bijvoorbeeld voor een operatie, en kan het leiden tot kortere wachttijden voor patiënten. Een optimale patiëntenstroom kan de patiënttevredenheid en kostenbesparingen verhogen. Ons doel is om op AI gebaseerde benaderingen te onderzoeken die rekening houden met de specifieke aandoeningen van de patiënt en met de evolutie van de toestand van de patiënt om nauwkeurigere modellen te creëren voor het schatten van LoS.

Onderzoek geleid door KULeuven- ESAT-STADIUS (Prof. Bart De Moor), in samenwerking met UZ LEUVEN (Frank Rademakers)


5. Platform voor uitwisselen van persoonlijke gezondheidsdata: In het Vlaams AI-onderzoeksprogramma werkt VITO met academische partners UHasselt, UGent en VUB aan het onderzoek en de ontwikkeling van een platform voor het beheren en delen van persoonlijke gezondheidsdata. We gebruiken de ‘solid’ technologie, waarbij burgers een eigen data-kluis krijgen waar ze data in verband met hun gezondheid veilig kunnen opslaan. We geven met andere woorden de controle over persoonlijke gezondheidsdata aan de burger. Op die manier kan iedereen preventief aan de slag met hun gezondheid, vóór ze patiënt worden. Daarnaast kunnen burgers mits toestemming hun data laten gebruiken voor onderzoeksdoeleinden door academici, de overheid en de industrie, wat de innovatie en het beleid ten goede komt. De burger-gegenereerde data kunnen zorgverleners ook gebruiken mits ze daarvoor toestemming krijgen. Het platform faciliteert daarmee de preventieve zorg, dan enkel de louter curatieve.

Onderzoek geleid door VITO, Bart Buelens.


6. Analyse van medische beelden: Eén van de AI-onderzoeken binnen de gezondheidszorg, richt zich op de analyse (segmentatie en classificatie) van medische beelden ter ondersteuning van de medische diagnose, de therapieplanning en de opvolging.
Dit onderzoek is vorig jaar nuttig ingezet in het kader van de Covid-19 pandemie. CT-beelden van longen leveren namelijk nuttige informatie om de ziekte beter te begrijpen en de evolutie bij patiënten op te volgen. Artificiële intelligentie (deep learning) wordt gebruikt om zo correct en automatisch mogelijk in de beelden vde longen en longlaesies (abnormale zones in de longen) aan te duiden. Onderzoeksgroepen van de KULeuven (PSI) en de VUB (ETRO) hebben methodes voor een snelle analyse van CT-beelden van longen onderzocht, ontwikkeld en met elkaar vergeleken. De resultaten van het onderzoek zijn gebruikt in het Covid-19 project, een pro bono project dat was opgestart door verscheidene ziekenhuizen en onderzoeksinstellingen. De resultaten zijn ook door Icometrix NV opgenomen en geïntegreerd in de cloud-gebaseerde beeldverwerkingsservice “icolung ” . Icolung wordt dagelijks wereldwijd gebruikt. Het Icovid project heeft voor verder onderzoek subsidies bekogekregenmen in het kader van het Europese Horizon 2020 programma.

Onderzoek geleid door KULeuven, Matthew Blaschko, Frederik Maes
Onderzoek geleid door VUB ETRO, Hichem Sahli