Hartfalen voorspellen met machinelearning

Met behulp van machinelearningalgoritmes valt in principe te voorspellen of een patiënt een verhoogd risico loopt om hartfalen te ontwikkelen. Dat stellen Frank Bennis e.a. (Nivel, Vrije Universiteit) op basis van hun onderzoek gepubliceerd in The BMJ Open.

De onderzoekers maakten gebruik van de Nivel Zorgregistraties Eerste Lijn, waarin de zorgdata worden verzameld die zo’n 370 huisartsenpraktijken routinematig vastleggen in patiëntendossiers. Alle patiënten waren ouder dan 70 jaar.

Bennis e.a. gingen na of het mogelijk is om hartfalen één jaar voor de diagnose te voorspellen aan de hand van de gegevens in die dossiers, verzameld in de periode 2012-2019. Ze ‘voedden’ het algoritme met data als consultinformatie, medicatie, demografische gegevens en labwaardes.

Met het model konden ze vervolgens ‘patiënten met een verhoogd risico op hartfalen’ een jaar eerder identificeren dan de huisarts die diagnose stelde. Maar het model is nog allerminst perfect: het correct vinden van 170 patiënten op een totaal van 1189 positief geclassificeerde patiënten, betekende 1019 foutpositieven. Dat is bijna zes foutpositieven per juiste diagnose. Verdere validatie van het model is dus nodig.