Machine learning helpt vroegtijdige opsporing hart- en vaatziekten

Gebruik van machine learning methoden is in opkomst bij data-onderzoek over hart- en vaatziekten. Het maakt verwerking van grote hoeveelheden verzamelde data mogelijk en anders dan bij traditionele technieken kunnen complexe niet-lineaire verbanden tussen data worden gelegd. Dat verhoogt de voorspellende kracht over het optreden van hart- en vaatziekten. Hoe meer en hoe diverser de gemeten en geregistreerde zorgdata, hoe groter de voorspellende kracht. Dit blijkt uit onderzoek van het Nivel op basis van gegevens uit huisartsendossiers.

De inzet van data science in voorspellende diagnostiek staat nog in de kinderschoenen. In het Nivel experiment werd een deel van de hoog-risico groep hart- en vaatziekten vroegtijdig opgespoord, maar er werden nog (te) veel patiënten gemist of ten onrechte aangewezen als hoog-risico. Maar de gebruikte modellen in dit onderzoek waren relatief simpel. Met meer geavanceerde modellen en deep learning methoden zullen complexere afhankelijkheden worden gevonden en kunnen meetvolgordes (sequentiële data) worden verwerkt. Ook zullen toekomstige technieken meer rekenkracht hebben en meer data aankunnen. Samen met verrijking van de zorgdata zal hierdoor de voorspellende kracht over het optreden van hart- en vaatziekten sterk verbeteren.

Klik hier voor meer informatie.