ENGINEERINGNET.BE - Medische beslissingen zijn vaak gebaseerd op testuitslagen van het klinisch laboratorium. Om de interpretatie van deze testuitslagen te vergemakkelijken, worden deze vergeleken met de gemiddelde testuitslagen van een groep ‘gezonde’ personen.
Alleen weet je nooit zeker of deze groep wel echt gezond is, en moet je rekening houden met variabelen als leeftijd, geslacht, BMI en dieet. Daar komt bij dat elke persoon uniek is: referentie-intervallen moeten dus eigenlijk worden gepersonaliseerd.
Ook wordt de invloed van andere factoren op testuitslagen, bijvoorbeeld de nierfunctie, meestal niet opgenomen in het referentie-interval. Voor de arts is het zo niet makkelijk om testuitslagen goed te interpreteren.
Door extra patiëntgegevens te verzamelen uit diverse datasystemen van het ziekenhuis en deze te combineren met testuitslagen van het laboratorium, kan de arts hierbij worden geholpen.
Echter, het toepassen van data-analytische technieken binnen het klinisch laboratorium is net in opkomst. Ook zijn ziekenhuissystemen niet ontworpen om klinische data te gebruiken voor data-gestuurde modellen.
Promovenda Saskia van Loon van TU Eindhoven presenteert drie voorbeelden hoe het interpreteren van testuitslagen van het klinisch laboratorium is te vereenvoudigen met data-analytische technieken.
Als eerste laat ze zien dat door laboratoriumdata op een andere manier te visualiseren, bepaalde patronen zichtbaar worden. Hierdoor wordt voor een aantal testen direct duidelijk wat ‘normaal’ is en wat ‘afwijkend’ is binnen een bepaalde patiëntengroep.
Van Loon toont ook een model dat bruikbaar is bij het beoordelen van een verhoogde testuitslag bij onderzoek naar vitamine B12-tekort. Zo kunnen artsen beter beoordelen of de verhoogde testuitslag komt door een tekort aan vitamine B12 of door een verminderde nierfunctie.
Verder beschrijft Van Loon de ontwikkeling van een model dat de gezondheidstoestand van patiënten met extreem overgewicht analyseert. Deze patiënten hebben vaak andere ziekten, zoals suikerziekte of een verstoorde vetstofwisseling. De combinatie van deze ziekten wordt metabool syndroom genoemd en geeft een verhoogd risico op hart- en vaatziekten.
Metabool syndroom is één van de eisen om in aanmerking te komen voor een maagverkleining. Het is echter moeilijk om de metabole gezondheidstoestand van een patiënt goed te beoordelen.
De onderzoekster heeft daarom de metabole gezondheidsindex (‘metabolic health index’, MHI) ontwikkeld. Het Catharina ziekenhuis in Eindhoven maakt inmiddels gebruik van dit model.
