Onderzoekers in het Verenigd Koninkrijk testten een AI-tool genaamd Foresight dat digitale tweelingen van patiënten creëert om toekomstige gezondheids- en behandelingsresultaten te voorspellen.
Het idee om digitale tweelingen te creëren in verschillende industrieën stelt ingenieurs in staat om systemen te testen in een simulatie voordat ze worden ingezet in de fysieke wereld. AI-tools zoals Vooruitzicht maken dit nu mogelijk voor zorgverleners.
Elke keer dat een patiënt een arts bezoekt, wordt er informatie toegevoegd aan het elektronisch patiëntendossier (EPD). Sommige van deze gegevens zijn gestructureerd (leeftijd, geslacht, etniciteit), maar de meeste zijn ongestructureerd, zoals testresultaten of aantekeningen die een arts maakt.
Foresight gebruikt een GPT-gebaseerd model om deze gegevens om te zetten in een model, of digitale tweeling, van de patiënt. Omdat Foresight is getraind op enorme hoeveelheden EHR-gegevens van andere patiënten, kan het vervolgens gezondheidsuitkomsten voorspellen, zoals het soort ziektes dat een patiënt waarschijnlijk zal ontwikkelen, of hun reactie op een bepaalde behandeling.
James Teo, een professor aan het King's College Hospital en co-auteur van de studie, legde het belang hiervan uit. Teo zei op X: "In tegenstelling tot LLM's die eenvoudigweg het volgende woord voorspellen, voorspelt Foresight mogelijke toekomsten voor patiënten, die mogelijke multiverses voorstellen om ziekten te begrijpen."
Je zou het EHR van een patiënt kunnen nemen en vervolgens meerdere versies van de patiënt kunnen simuleren om hun gezondheidstraject te voorspellen. Traditioneel zou een arts het EHR van een patiënt moeten lezen, een behandelingsoptie moeten kiezen en dan na enige tijd de resultaten evalueren om de effectiviteit van de behandeling te controleren.
Met Foresight kan een arts meerdere mogelijke behandelingen simuleren, waarbij het model de korte- en langetermijnresultaten van elke behandeling voorspelt. Dit is een veel kosteneffectievere benadering en bespaart de patiënt de "Laten we dit proberen"-benadering waartoe veel artsen hun toevlucht nemen.
Resultaten
De studie, gepubliceerd in The Lancet Digital Healthlegde uit hoe de onderzoekers drie verschillende modellen van Foresight trainden met behulp van ziekenhuisdatasets van twee Britse ziekenhuizen en een openbaar beschikbare dataset in de VS, voor in totaal 811.336 patiënten.
Foresight kreeg de opdracht om uit een lijst van 10 mogelijke aandoeningen de aandoening te selecteren die een patiënt waarschijnlijk zou ontwikkelen. Het voorspelde de volgende aandoening 68% en 76% van de tijd nauwkeurig bij gebruik van de twee Britse datasets en 88% van de tijd bij gebruik van Amerikaanse gegevens.
Toen Foresight de taak kreeg om het volgende nieuwe biomedische 'concept' te voorspellen, wat een aandoening, symptoom, terugval of medicijn kan zijn, bereikte het een precisie van respectievelijk 80%, 81% en 91% door gebruik te maken van de Britse en Amerikaanse datasets.
De variatie in prestaties laat zien hoe afhankelijk AI-tools zijn van gegevens van goede kwaliteit.
Hoe opwindend deze toepassing van AI ook is, de onderzoekers merken op dat er nog verschillende uitdagingen moeten worden overwonnen. Het vinden van manieren om het model nieuwe behandelingen en interventies goed te laten wegen, of het belang van waarschijnlijkheid versus urgentie en impact goed te evalueren zijn slechts twee voorbeelden.
De onderzoekers werken aan de ontwikkeling van Foresight 2, dat volgens hen een nauwkeuriger model zal zijn.
Met de ontdekking van nieuwe medicijnen en concepten als patiëntmodellering, simulatie en voorspelling zal AI een grote invloed hebben op de kwaliteit van de gezondheidszorg die we krijgen.
