Verbeterde en efficiëntere epilepsiezorg door AI-ondersteunde personalisatie

Voor de ongeveer 84.000 mensen in Nederland met epilepsie is anti-aanvalsmedicatie (ASM) de eerste behandeloptie. Diverse typen ASM zijn beschikbaar maar het is nog onbekend welk middel in individuele gevallen de beste balans geeft tussen aanvalsfrequentie en bijwerkingen. De zoektocht naar het juiste medicijn kost tijd en bijwerkingen. Om sneller tot het juiste ASM te komen in individuele gevallen is het noodzakelijk dat beschikbare gegevens van eerdere behandelingen gestructureerd beschikbaar komen tijdens de behandeling.

Doel

Met AI modellen is het mogelijk om uit ongestructureerde data in een elektronisch patiëntendossier (EPD) gestructureerde relevante gegevens op te halen en weer te geven. In deze studie zullen wij een lokaal geïmplementeerd AI model trainen om uit ongestructureerde tekst uit het EPD per persoon medicatiegebruik, aanvalsfrequentie, en bijwerkingen op te halen en in onderling verband weer te geven. Wij onderzoeken of deze extra informatie bijdraagt aan het sneller bereiken van een juiste behandelkeuze. 

Aanpak

Er zal lokaal een large language model (LLM) worden getraind om uit de grote hoeveelheid vrije tekst in het EPD  aanvalsfrequentie, medicatiegebruik en bijwerkingen per tijdseenheid te destilleren en te tonen op behandelmomenten, per individu en per cluster patiënten (o.a. ingedeeld naar leeftijdscategorie, geslacht en type epilepsie). In samenspraak met patiënten- en zorgverlenerpanels zullen de uitkomstmaten voor relevantie van het model worden vastgesteld. Na de implementatiefase volgt de interventiefase waarin het model in 150 poliklinische behandelingen beschikbaar wordt gesteld en in 150 niet. In de evaluatiefase volgt de analyse en rapportage van de uitkomstmaten.

Samenwerkingspartners

Door het samenbrengen van klinisch epileptologische expertise en kennis van het lokale EPD vanuit expertisecentrum voor epileptologie Kempenhaeghe, vertegenwoordiging vanuit de patiëntenvereniging kan de implementatie en training van het LLM dat wordt ingehuurd bij een externe partij met kennis en ervaring op dit gebied, maximaal worden geoptimaliseerd voor het beoogde doel. De samenwerking met het Department of Health Services Research van de universiteit van Maastricht waarborgt dat de evaluatie van de waarde van het model in de klinische praktijk zorgvuldig en volgens de geldende standaarden wordt opgezet en uitgevoerd. 

Verwachte resultaten

Aan het eind van het project is er een getraind LLM dat geraadpleegd kan worden tijdens een poliklinisch consult met betrekking tot epileptische aanvalsfrequentie, medicatiegebruik en bijwerkingen per persoon over de tijd, en de geaggregeerde resultaten van het patientencluster waartoe de patiënt behoort. De patienten en de zorgverleners hebben met het model gewerkt en hun ervaringen zijn geëvalueerd. De behandelresultaten (weergegeven in eerder vastgestelde uitkomstmaten en de tijd tot noodzaak voor medicatieaanpassing) zijn  ten opzichte van een groep dit het model niet beschikbaar had geevalueerd.