Dat blijkt uit een machine learning-studie van Nivel, in samenwerking met Europese collega’s uit het HarmonicSS-project. De resultaten zijn deze maand gepubliceerd in het wetenschappelijke tijdschrift BMC Primary Care.
Het Syndroom van Sjögren is een langdurige auto-immuunziekte die de vochtproducerende klieren aantast. De ziekte is lastig te herkennen in de huisartsenpraktijk, omdat de verschijnselen en symptomen sterk verschillen tussen personen. Daardoor duurt het vaak erg lang voordat patiënten op de juiste manier behandeld kunnen worden.
Zorgregistratie
Met behulp van machine learning kan daar verandering in komen. De algoritmes filteren uit een grote hoeveelheid EPD’s anoniem patiënten die mogelijk de ziekte van Sjögren hebben op basis van de beschikbare gegevens, zoals medische voorgeschiedenis, leeftijd, aantal consulten, medicatiegebruik en geslacht. Nivel en collega’s testten welk algoritme daartoe het best in staat is. Daarvoor werden geanonimiseerde EPD-data van 2012 tot en met 2017 uit Nivel Zorgregistratie Eerste Lijn gebruikt, die werden gekoppeld aan EPD’s van ziekenhuizen uit de DBC-info database die beschikbaar is bij het CBS.
Het ontwikkelde algoritme kan uiteindelijk worden toegepast in de klinische praktijk. Daarvoor moet het wel worden geoptimaliseerd. Dat kan door het te trainen en valideren met andere datasets. Nivel wil samen met zoveel mogelijk huisartsen kijken of het algoritme aansluit bij hun wensen.
