Research dat resulteerde in U-Prevent: ‘De gemiddelde patiënt bestaat niet’

Na zijn afstuderen in 2009 raakt Jannick Dorresteijn ‘min of meer toevallig’ verzeild in een symposium over predictie, ter gelegenheid van het eredoctoraat van Harvard-professor Paul Ridker aan de Universiteit Utrecht. “Het symposium werd georganiseerd door Frank Visseren en Yolanda van der Graaf. Naar aanleiding daarvan zijn we na gaan denken over de vele grote onderzoeken die in de medische wereld worden gedaan, zogeheten randomized control trials, waar duizenden mensen jarenlang worden gevolgd. Die onderzoeken leveren natuurlijk een schat aan informatie op. Traditioneel gesproken worden al die data geanalyseerd en ingedampt tot één getal. Wij stelden onszelf toentertijd de vraag: kunnen we met al die informatie niet méér? Kunnen we data effectiever inzetten om uitspraken te doen over individuele personen?”

Harvard-onderzoek

Dorresteijn wordt als promovendus vasculaire geneeskunde vervolgens gevraagd om naar Boston te komen. Daar gaat hij met Harvard-collega’s aan de slag met onderzoeken als de JUPITER-trial (over het effect van cholesterolverlagende medicijnen) en de Women’s Health Study (aspirine versus placebo bij gezonde vrouwen). “We hebben gekeken of we met die gegevens iets verstandigs konden doen voor de individuele patiënt, met gebruikmaking van een algoritme. Het gemiddelde effect van zo’n trial is op helemaal niemand van toepassing. Want de gemiddelde patiënt bestaat niet. Er zijn mensen binnen de groep die meer dan gemiddeld baat hebben bij een behandeling en mensen die er minder baat bij hebben. De uitdaging is om de groep te identificeren die meer dan gemiddeld baat heeft. Dat probeer je als arts in de spreekkamer tenslotte ook voor iedere patiënt in te schatten.” Het lastige van cardiovasculaire preventie is alleen dat je iets probeert te voorkomen wat ver in de toekomst mogelijk kan gebeuren, legt Dorresteijn uit. “Je hebt een algoritme nodig om in te schatten hoe groot die kans is. Dat is iets heel anders dan het beoordelen van een CT-scan, waar eveneens algoritmes voor gebruikt worden.” Het gebruik van algoritmes in de geneeskunde was ook voordat Dorresteijn c.s. in Boston van start gingen niet nieuw: “Ze werden al op beperkte schaal gebruikt, maar waren eigenlijk alleen toepasbaar op gezonde mensen van middelbare leeftijd. Wij zijn er gaandeweg achter gekomen dat het heel goed mogelijk is om dit soort algoritmes in te zetten bij mensen die al vaatziekten of suikerziekte hebben. En ook bij mensen van boven de 70 jaar.”

Klinische praktijk

De onderzoeksvragen die Visseren en Dorresteijn stelden, zijn ontstaan in hun eigen spreekkamers in het UMC Utrecht. Beiden zijn namelijk niet alleen onderzoeker, maar ook vasculair internist. Steeds vaker voelden zij de noodzaak om preventieve behandelopties selectief toe te passen bij de patiënten die er het meeste baat bij hebben. Ook voelden ze de behoefte om patiënten persoonlijk voor te lichten over het individuele effect van medicatie, zodat ze hierover samen verstandige beslissingen konden nemen. Dus richtten ze hun research op de vraag of er rekenkundige algoritmes konden worden ontwikkeld die in de praktijk toepasbaar waren voor grote groepen patiënten. “De doorbraak kwam toen we bestaande methodieken gingen combineren en zo met een andere blik naar data gingen kijken. Voorheen kon je met een algoritme maar een beperkte tijd in de toekomst kijken, meestal 5 tot 10 jaar, omdat grote onderzoeken voor een dergelijke tijd zijn opgezet. Maar in plaats van kijken naar de tijd die iemand in het onderzoek zit, zijn wij gaan kijken naar de leeftijd waarop iemand het onderzoek in- en weer uit is gegaan. Door leeftijd als tijdsschaal te nemen kun je veel verder vooruitkijken, en lifetime risico’s berekenen. Op deze manier zijn we steeds verder gekomen in de methodologie en hebben we steeds meer samenwerkingen opgedaan met ander onderzoekers, wat geresulteerd heeft in een enorm groot netwerk en toegang tot enorm veel data, en uiteindelijk in U-Prevent.” De onderzoekers konden onomstotelijk bewijzen dat het theoretisch mogelijk was om de risico’s op hart- en vaatziekten, en de effecten van behandelingen, te personaliseren op basis van bestaande gegevens. Daarna is er heel veel extra kennis vergaard. Door voortdurend te onderzoeken hoe de betrouwbaarheid van voorspellingen kon worden vergroot is er verder doorontwikkeld – “tot we”, zegt Dorresteijn, “op een punt kwamen dat we zeiden: dit is zó goed, dit moet naar de klinische praktijk.”

“De doorbraak kwam toen we bestaande methodieken gingen combineren en zo met een andere blik naar data gingen kijken.”

Continue verbeteringen

Binnen de European Society of Cardiology (ESC) hebben experts op het vakgebied uit heel Europa zich verenigd in de Cardiovascular Risk Collaboration (CRC), om gezamenlijk rekenkundige algoritmen te ontwikkelen die door de Europese richtlijnen kunnen worden aanbevolen. “In 2021 is de geüpdatete versie van de SCORE-tabel uit 2003 gepubliceerd. Die was verouderd en niet goed gekalibreerd voor gebruik in Oost-Europa. De nieuwe SCORE2 is wel toepasbaar in heel Europa en voorspelt niet alleen het risico op overlijden, maar ook op het krijgen van een hartinfarct of beroerte. Daarnaast werd een vergelijkbare score ontwikkeld voor ouderen van 70-89 jaar, waardoor het nu ook mogelijk is om voor die groep het cardiovasculaire risico betrouwbaar te schatten. En voor patiënten die al vaatziekten hebben, werd de SMART2-risicoscore ontwikkeld door de CRC. Dit algoritme werd afgeleid uit het Utrechtse SMART-cohortonderzoek en wordt nu dus in heel Europa gebruikt. Dat is belangrijk, want met name voor patiënten met vaatziekten zijn er tegenwoordig veel meer opties dan vroeger, qua behandeling. Maar wie heeft waar baat bij? Dat rekent het SMART2-algoritme uit. De ESC-richtlijn die U-Prevent en de door ons ontwikkelde algoritmen aanbeveelt is nu dé geldende lijn, daar ben ik best trots op.” Net als op het grote aantal gebruikers van U-Prevent: “Het is een grote stap geweest om algoritmes te verwerken tot een calculator. U-Prevent krijgt veel complimenten, en we blijven het instrument continu verbeteren. Recent hebben we uitgezocht wat je moet doen als je iets niet weet van een patiënt wat je wel moet invullen in het model. Een variabele in de SMART2-risicoscore is bijvoorbeeld de CRP-waarde: die wordt niet routinematig gemeten. Als je in zo’n geval de waarde invult die gemiddeld is voor die groep, doe je de schatting niet veel geweld aan. Uit onderzoek blijkt dat die nog steeds betrouwbaar is. Ook dat is weer een stap voorwaarts.” Een volgende stap die al is gerealiseerd is dat extra informatie over de patiënt die niet standaard in het U-Prevent-model is opgenomen, toch kan worden toegevoegd aan de risico-inschatting die het algoritme heeft berekend. “Dat gaat weer veel extra gebruiksgemak opleveren en maakt het algoritme beter toepasbaar voor grotere groepen patiënten.”

“De ESC-richtlijn die U-Prevent en de door ons ontwikkelde algoritmen aanbeveelt is nu dé geldende lijn, daar ben ik best trots op.”

Kansen bij huisartsen

Artsen benaderen hun patiënten natuurlijk altijd als individu, en behandelingen zijn dus al geïndividualiseerd, wil Dorresteijn benadrukken. “Het nieuwe aan onze aanpak is dat je getalsmatig kunt onderbouwen hoe het zit met de effectiviteit van de behandeling en vervolgens met elkaar in gesprek kunt. Dus dat je de toch al gepersonaliseerde behandeling verder kunt personaliseren.” Het algoritme is zeker niet bedoeld ter vervanging van de Nederlandse CVRM-richtlijn: “Het doel van U-Prevent is het ondersteunen van zorgverleners bij het uitvoeren van de richtlijn. De richtlijn is ook geen wetboek: de patiënt heeft altijd het laatste woord. De richtlijn beschrijft wat je moet voorleggen aan de patiënt, wat je moet bespreken om voor iedere persoon tot de juiste beslissing te komen. In twee vergelijkbare gevallen kan de beste beslissing een andere zijn.” Er liggen nog grote kansen bij huisartsenzorg en het juiste gebruik van algoritmen, vindt hij: “Hoe kunnen we in een gezonde populatie vroegtijdig bepalen wie risico loopt op hart- en vaatziekten en die mensen vervolgens preventieve zorg bieden? Op dit gebied loopt nu een samenwerking met onderzoekers van de Universiteit Leiden, om te kijken of we U-Prevent in kunnen zetten voor population health management. Dus om patiëntenbestanden van huisartsen door te lichten op hoog-risico-patiënten. Die kun je ook opsporen met door hen zelf thuis gemeten bloeddrukken of suikerwaardes, of door een keer cholesterol te laten prikken in de supermarkt. Als een algoritme dat oppikt en iemand kwalificeert als ‘hoog-risico’, hoeft de huisarts zelf daar niet meer actief op te screenen. Dat neemt een huisarts veel werk uit handen.”

“Het nieuwe aan onze aanpak is dat je getalsmatig kunt onderbouwen hoe het zit met de effectiviteit van de behandeling en vervolgens met elkaar in gesprek kunt.”

Over Jannick Dorresteijn

Jannick Dorresteijn studeerde geneeskunde (2009) en epidemiologie (2011) aan de Universiteit Utrecht. Zijn promotieonderzoek richtte zich op het personaliseren van de behandeling van hart- en vaatziekten op basis van rekenkundige modellen. Dit onderzoek verrichtte hij deels aan de Universiteit van Harvard en leidde in 2013 tot een cum laude promotie aan de Universiteit Utrecht. Zijn opleiding tot internist (2012-2019) volgde hij in het Diakonessenhuis Utrecht en het UMC Utrecht. In 2016 ontving hij een Dekkerbeurs van de Hartstichting om zijn onderzoek te continueren. Dit onderzoek resulteerde in 2018 in de go-live van http://U-Prevent.nl, een website die rekenkundige modellen voor medicatie-op-maat over preventieve medicatie voor hart- en vaatziekten beschikbaar maakt voor gebruik in de spreekkamer. Van 2019-2020 werkte hij als internist-vasculair geneeskundige in het Rijnstate ziekenhuis in Arnhem en sinds 2020 in het UMC Utrecht.