Door data slim te analyseren met algoritmen kunnen we ziektes beter voorspellen en medicijnen persoonlijk doseren. Maar daarvoor moet zo veel mogelijk data beschikbaar zijn, zonder dat de privacy in het gedrang komt. Dat is technisch heel goed mogelijk, zo schetst Max Welling, maar de politieke urgentie ontbreekt nog.
Welling sprak tijdens de e-Health Convention, die Skipr en Emerce op 29 september in Pakhuis de Zwijger in Amsterdam organiseerden, over ‘machine learning’ (ook wel: ‘deep learning’) en de mogelijkheden daarvan in de zorg. Max Welling is hoogleraar machine learning aan de Universiteit van Amsterdam, professor aan de universiteit van California Irvine en senior fellow aan het Canadian Institute for Advanced Research. Daarnaast is hij co-founder van Scyfer BV, een deep learning spin-off van de universiteit.
Darmdata
“Machine learning is computeralgoritmen die relaties en structuur proberen te ontdekken in data. En met de modellen die ze leren proberen ze voorspellingen te doen”, zo definieert Welling zijn kennisgebied. De mogelijkheden daarvan in de zorg zijn talloos, zo somt hij op. “Op basis van MRI-scans kun je voorspellen of iemand bijvoorbeeld Alzheimer gaat ontwikkelen. En bij het bekijken van iemands genoom kun je ‘fouten’ of mutaties zien die mogelijk voorspellen of iemand op latere leeftijd ziekten gaat ontwikkelen.” Daarnaast kun je denken aan het digitaliseren van pathologisch weefsel, om automatisch te analyseren of er kans is op het ontwikkelen van agressieve tumoren. Het kijken naar data over bacteriepopulaties in darmen kan bijvoorbeeld de ziekte van Crohn voorspellen. “Maar ook medicijndoseringen zijn op een heel individueel niveau te voorspellen”, zegt de professor in machine learning.
Privacy
Het Watson-project van IBM is een ambitieus project, vindt Welling, maar ook Google en Apple zijn bezig hun stempel te drukken in dit domein. Wel heb je zoveel mogelijk data nodig, dat maakt de voorspelling nauwkeuriger. Max Welling: “Hoe meer data er is, hoe beter de algoritmen kunnen leren en functioneren. Maar het ontbreekt nogal eens aan data. Vaak zijn de datasets waarmee we werken vrij klein, met een paar honderd patiënten in een studie.” Er is veel vooruitgang te boeken als data uit verschillende studies of uit verschillende ziekenhuizen kunnen worden samengebracht, concludeert Welling. “Maar dat is nu nog niet het geval.”
Een van de hobbels is privacy. “Privacy moeten we respecteren, maar het zit de machine learner in de weg want die wil zoveel mogelijk data.” Er zijn algoritmen die daar omheen kunnen werken, zo vertelt de professor. “Dat werkt zo: Laat data zitten waar ’t zit en breng het algoritme er naar toe. Daar leert ‘ie wat van de data en wat ‘ie geleerd heeft brengt het algoritme terug naar de centrale plek waar het model is. Van alles wat het heen en weer beweegt – en waar iedereen naar kan kijken – kun je garanderen dat er niks kan worden uitgehaald over een individueel persoon.”
Dat is mathematisch allemaal mogelijk, besluit Max Welling. “Maar er moet ook de politieke wil of urgentie zijn om onderzoek hiernaar in een stroomversnelling te brengen. Dat is nu heel erg nodig.”
