IJzertekort opgespoord door algoritme
Wereldwijd hebben 1,2 miljard mensen last van bloedarmoede. Vooral kinderen en vrouwen in hun vruchtbare levensjaren. Klachten zijn onder meer hoofdpijn, moeheid, duizeligheid en kortademigheid. In veruit de meeste gevallen van bloedarmoede is ijzergebrek de boosdoener. Dit tekort kan leiden tot ontwikkelingsstoornissen bij jonge kinderen. Bij zwangere vrouwen verhoogt het de kans op een laag geboortegewicht. Het diagnosticeren van een ijzergebrek is dus belangrijk maar is niet eenvoudig. Klinisch chemicus in opleiding Steef Kurstjens (Jeroen Bosch Ziekenhuis) ontwikkelde een algoritme dat ijzergebrek geautomatiseerd opspoort. Het diagnostisch algoritme is inmiddels in het laboratoriumsysteem van het ziekenhuis ingebouwd.
Translate instructions
If you wish to view the page on your phone or tablet, then the steps below may not work. Please switch to a desktop computer to translate this website. For translating the text, please follow this instruction:
1. Select the text you want to translate.
2. Choose ‘Vertalen’.
3. Select the language you prefer.
4. You can read and/or listen to the translated text (by Google).
foto v.l.n.r. Ron Kusters (coauteur), Steef Kurstjens en Armando van der Horst (coauteur).
Wanneer mensen met vermoeidheidsklachten bij de huisarts komen, is meestal niet duidelijk wat de oorzaak is. De huisarts vraagt dan een beperkt oriënterend bloedonderzoek aan waaruit vaak bloedarmoede naar voren komt. Over het algemeen wordt deze veroorzaakt door een ijzertekort. Om dat vast te stellen, moet het ferritinegehalte in het bloed worden gemeten. Als dat niet actief door de klinisch chemicus wordt onderzocht, dan kan het ijzertekort onopgemerkt blijven. Steef Kurstjens: “In het oriënterend bloedonderzoek zijn subtiele aanwijzingen te vinden = voor een ijzergebrek. Het idee ontstond om met behulp van machine learning een algoritme te ontwikkelen dat die subtiele aanwijzingen zou kunnen herkennen en zo nieuwe ijzertekorten zou kunnen opsporen.”
Algoritme nauwkeuriger dan klinisch chemici
Steef Kurstjens, klinisch chemicus in opleiding : “Voor het ontwikkelen van het algoritme hebben wij laboratoriumwaarden van patiënten met bloedarmoede gebruikt. Het ging dan om patiënten waarvoor bloedonderzoek was aangevraagd in het Jeroen Bosch Ziekenhuis in ‘s-Hertogenbosch , het St. Jansdal Ziekenhuis in Harderwijk en Medlon BV van het Medisch Spectrum Twente. Samen met collega’s van het Radboudumc genereerden wij op basis van deze data door middel van machine learning een algoritme. Vervolgens hebben wij het algoritme vergeleken met de beoordeling van de labresultaten door twaalf klinisch chemici van de ziekenhuizen waar het bloedonderzoek was gedaan. Het algoritme bleek nauwkeuriger te zijn in het detecteren van een ijzertekort dan de klinisch chemici.”
Het Jeroen Bosch Ziekenhuis heeft het diagnostisch algoritme inmiddels geïntegreerd in het laboratoriumsysteem van het klinisch chemisch laboratorium. Daar is het aantal gemiste diagnoses door huisartsen in het verzorgingsgebied van het ziekenhuis inmiddels gereduceerd met gemiddeld één per dag.
Indrukwekkende resultaten
Kurstjens: “Het aantal diagnostische instrumenten dat ontwikkeld is door middel van machine learning neemt snel toe. Zeker als je kijkt naar specialismen als radiologie en pathologie. De resultaten zijn indrukwekkend. In de coronacrisis is wederom het belang van dit soort diagnostische instrumenten aangetoond. Wij hebben toen een algoritme ontwikkeld, de corona-score, dat COVID-19 kan opsporen op basis van routine bloedonderzoek en een longfoto. Deze is veelvuldig gebruikt en heeft daarmee zijn nut aangetoond. Toch worden algoritmes die door machine learning zijn ontwikkeld, vooralsnog slechts beperkt toegepast in de dagelijkse praktijk van ziekenhuizen.”
Gratis beschikbaar
Het algoritme wordt gratis beschikbaar gesteld via https://github.com/Tdebel/ferritin-ai.
Een artikel over dit algoritme is inmiddels gepubliceerd in het blad ‘Clinical Chemistry and Laboratory Medicine’.