Voor de behandeling en preventie van trombose worden patiënten die in Nederland behandeld worden met vitamine-K-remmers (acenocoumarol en fenprocoumon) door de trombosedienst begeleid.
De trombosedienst meet regulier de zogenoemde INR-waarde van de patiënt. Hierbij wordt een kleine hoeveelheid bloed afgenomen en getest. INR staat voor ‘International Normalized Ratio’ en is een internationale maatstaf voor de stolbaarheid van bloed. Hoe hoger de INR-waarde hoe langzamer het bloed stolt. Een INR van 1.0 is de normale waarde voor mensen die geen antistollingsmiddelen nodig hebben. Een INR van 3.0 betekent dat het bloed drie keer zo langzaam stolt als normaal.
Kern van de behandeling met vitamine-K-remmers is dat de INR-waarde binnen bepaalde grenzen gehouden moet worden om enerzijds het risico op bloedstolsels – en dus het mogelijke ontstaan van trombose – te verminderen en anderzijds het risico op bloedingen zo klein mogelijk te houden. Naarmate de INR-waarde hoger is, stolt het bloed namelijk langzamer en dit vergroot de kans op een bloeding.
Artificial Intelligence en Machine Learning voor ontwikkeling van bloeding-preventiemodel bij gebruik van vitamine-K-remmers
“Atalmedial zoekt continu naar manieren om haar dienstverlening te verbeteren. Voor trombosepatiënten gaat Atalmedial de risico’s van bloedingen zo goed mogelijk in kaart brengen in een ‘voorspelmodel bloeding-preventie’. Met dit model kunnen we de risico’s op bloeding voor patiënten beter inschatten,“ vertelt Melchior Nierman, medisch leider trombosezorg Atalmedial. “We nemen in dit model niet alleen gegevens als leeftijd, geslacht en INR-waarde van patiënten op, maar verfijnen het model door te kijken naar meer en andere kenmerken van patiënten en bijkomende medische behandelingen. Als uit het model komt dat bepaalde patiëntgroepen een hoger of lager risico op bloedingen hebben, kunnen we deze patiëntgroepen gerichtere trombosezorgbegeleiding bieden. Dit is prettiger voor de patiënt en betekent ook betere zorg.”
Om te komen tot een verfijnd ‘voorspelmodel bloeding-preventie’ voor verschillende patiëntgroepen is Atalmedial een samenwerking aangegaan met Artificial Intelligence(AI)-algoritme ontwikkelaar Cascar en softwareleverancier ASolutions Healthcare. De AI-specialisten van Cascar zullen met behulp van Machine Learning in combinatie met de input van Atalmedial algoritmen ontwikkelen met een duidelijk voorspellende waarde. ASolutions Healthcare onderzoekt de toepasbaarheid van de uitkomsten in de trombosezorgapplicatie ‘Trodis’ die zij ontwikkeld heeft.
Atalmedial is één van de grootste samenwerkingspartners in Nederland op het gebied van laboratoriumdiagnostiek, en biedt een breed pakket aan diensten aan zowel huisartsen, ziekenhuizen en andere (zorg)instellingen. Aanvragers kunnen bij Atalmedial terecht voor betrouwbare en betaalbare diagnostiek, consultancy, advies en service op het gebied van klinische chemie, medische microbiologie en trombosezorg. Ook organiseert Atalmedial, in samenspraak en bij voorkeur met regionale partners, andere vormen van diagnostische ondersteuning zoals functiediagnostiek en pathologie. Daarnaast verzorgt Atalmedial voor ruim 20.000 trombosepatiënten de begeleiding bij het gebruik van hun antistollingsmedicatie via reguliere trombosezorg en zelfmeten.
Cascar ontwikkelt op basis van Artificial Intelligence- en Machine Learning-technieken oplossingen en modellen voor uiteenlopende vraagstellingen op medisch gebied. Hiermee draagt Cascar bij aan patiëntveiligheid en een betere behandeluitkomst, omdat medische instellingen op grond van de oplossingen en modellen van Cascar beter geïnformeerde beslissingen kunnen nemen. Daarnaast helpt Cascar medische instellingen om hun mensen en middelen zo effectief en efficiënt mogelijk in te zetten.
ASolutions Healthcare ontwikkelt software die met name gericht is op de gezondheidszorg, en is leverancier van de trombosezorgapplicatie Trodis. Deze applicatie ondersteunt het ketennetwerk rondom trombosezorg verspreid over heel Nederland en is ontwikkeld voor de gehele keten van patiënt tot zorgverlener.