“Wat betekent dat voor mij?”

“Als je met een patiënt in gesprek gaat over de beste behandeling van hart- en vaatziekte – en vooral over het voorkomen ervan – is het medische advies vaak best ingrijpend”, aldus Visseren. “Zeker omdat een patiënt misschien nog helemaal nergens last van heeft. Dat wil je graag zo houden, dus adviseer je een verandering van leefwijze en schrijf je eventueel cholesterol- of bloeddrukverlagers voor, of antistollingsmiddelen. Je kunt daarbij als arts verwijzen naar grote wetenschappelijk onderzoeken en naar de gemiddelde effecten voor de gemiddelde patiënt, maar als iemand in de spreekkamer vraagt: ‘Wat betekent dat voor mij?’ sta je als arts met je mond vol tanden.”

Individuele effecten voorspellen

“Iedereen is anders, maar de manier waarop wij geneeskunde bedrijven is toch een beetje one size fits all.” Die constatering van Visseren bracht hem op de vraag of het mogelijk zou zijn om het effect van behandelingen op individuele mensen te kunnen inschatten. “Met Jannick Dorresteijn (internist-vasculair geneeskundige bij UMC Utrecht, red.) en collega’s uit Harvard hebben we vervolgens een methodologie ontwikkeld om het effect van individuele interventies te voorspellen en uit te drukken in hoeveel gezonde levensjaren, vrij van hart- en vaatziekten, iemand erbij krijgt. Dat kunnen we doen voor mensen die gezond zijn, mensen die al eens een hart- of vaatprobleem hebben gehad en mensen met diabetes.”

Deze manier van werken – niet alleen denken in termen van risico, maar in termen van oplossingen – heeft een plek gevonden in de nieuwe Europese richtlijn die in augustus jl. is uitgekomen. “Je krijgt een heel ander gesprek in de spreekkamer als je de gezondheidswinst kunt uitdrukken in jaren. Iedereen begrijpt dat en kan met zijn of haar arts op grond daarvan beoordelen of het voldoende winst is om bijvoorbeeld een behandeling te starten. Het zegt veel meer dan de mededeling dat een tienjarig hart- en vaatziektenrisico daalt van bijvoorbeeld 18 naar 16 procent als iemand medicijnen gaat slikken. Patiënten kijken ook mee naar het resultaat op het beeldscherm. Het is heel motiverend als je de grafiekjes over je toekomstige gezondheid ziet, en de effecten van veranderingen in leefstijl. Zo staan patiënten zelf meer aan het roer. Deze manier van werken heeft bovendien als resultaat dat je mensen gaat behandelen als dat effect heeft, en ze niet behandelt als medicatie weinig of geen effect heeft. Het is kosteneffectief, dat laten alle onderzoeken zien. En het helpt om zo lang mogelijk gezond te leven. Ik investeer in mijn financiële oude dag door pensioen op te bouwen. Je wilt ook investeren in een gezonde oude dag.”

Lifetime prediction

Zonder al te diep in te gaan op de onderliggende methodologie legt Visseren uit hoe U-Prevent tot stand is gekomen: “We hebben klinische, epidemiologische en statistische kennis bij elkaar gebracht. En vooral heel veel data, waaruit we voorspellingen afleiden die we vervolgens valideren in een onafhankelijke cohorten. Bij gepersonaliseerde schattingen van risico en van behandeleffecten gebruiken we het beste van twee werelden, namelijk de wereld van predictie – we kunnen lifetime voorspellen – en de trial-wereld waarin effecten van geneesmiddelen heel precies worden onderzocht. Uit de gouden trialstandaard – placebogecontroleerd, dubbelblind en gerandomiseerd – volgt een gemiddeld effect. Dit gemiddelde relatieve trial-effect kun je koppelen aan een absoluut individueel risico op hart- en vaatziekten. Als resultaat komt daar dan uit hoeveel absolute gezondheidswinst je boekt. Lifetime prediction moet je doen op basis van degelijke data.” Visseren gelooft zelf niet zo in Big Data in de zin dat veel data altijd goed is, zegt hij: “Veel rotzooi is nog altijd rotzooi. Als je veel data van lage kwaliteit bij elkaar brengt heb je nog steeds data van lage kwaliteit. Ik wil vooral goede data, en daar dan het liefst wel veel van. De kunst is om zulke high quality data bij elkaar te brengen. Je hebt goeie baseline-metingen nodig en goeie follow-up van deelnemers, omdat je de waarde van een bepaalde variabele pas kunt schatten als je weet hoe het met patiënten afloopt. Je weet pas over vijf of tien jaar of een bepaalde risicofactor of biomarker ook werkelijk het risico op hart- en vaatziekten verhoogt. Het zou fantastisch zijn als we in Nederland, net als in Scandinavië, veel meer nationale registers krijgen, zodat Nederland één groot cohort is. Dat kan anoniem, met waarborgen voor de privacy, en als je niet wilt kun je dat aangeven, maar in essentie doet iedereen mee. Dat zou ons als BV Nederland veel opleveren.”

“Ik wil vooral goede data, en daar dan het liefst wel veel van. De kunst is om zulke high quality data bij elkaar te brengen.”

Vertrouwen in de ‘black box’

Naast samenwerking met universiteiten en datacentra wereldwijd zijn Visseren en zijn collega’s van U-Prevent ook een partnerschap aangegaan met ORTEC. Waarom? “Als wetenschappers identificeren wij een probleem, proberen een bijdrage aan de oplossing te leveren, valideren die en publiceren dat. In het geval van U-Prevent hebben we een website gemaakt waar we de algoritmes op hebben gezet om ze beschikbaar te maken voor de rest van de wereld. Maar we realiseerden ons al snel dat we een partner nodig hadden die weet hoe je op een veilige en betrouwbare manier met data omgaat. ORTEC heeft ook explainable AI bij ons onder de aandacht gebracht. Voor veel mensen is predictie toch een soort ‘black box’: hoe kun je vertrouwen op een uitkomst als je niet weet wat er gebeurt? Een CE-certificering is prima, maar je moet ook mensen helpen om het te begrijpen. En als we U-Prevent succesvol willen toepassen in de praktijk moet het beter worden. De algoritmes zijn gebaseerd op betrekkelijk eenvoudige gegevens als leeftijd, geslacht, cholesterol en bloeddruk van een patiënt. Wanneer je die automatisch kunt laden uit het elektronisch patiëntendossier scheelt dat een hoop tijd en invoerfouten: dan hoeft een arts daar in een consult van tien minuten geen tijd aan te besteden. Daar willen we naartoe. De koppeling met het EPD is technisch al mogelijk; het is een kwestie van goede afspraken maken.”

Er bestaat echter best wat koudwatervrees, ook bij ziekenhuizen. “Dat is inderdaad de grootste hobbel die we moeten nemen Een kopie van de data wordt even buiten ‘het ziekenhuis’ gebruikt om eraan te rekenen, resultaten worden getoond en daarna verdwijnt de data uit de Cloud. Dat kan op een veilige manier, alleen is dit voor veel ziekenhuisbestuurders nog onbekend terrein. Je moet op zoek naar cloud-oplossingen, wil je dit schaalbaar maken en de kosten onder controle houden. Zorgverleners stoppen heel veel informatie in het EPD, maar we doen vervolgens weinig om al die informatie te gebruiken om voor die ene patiënt de beste beslissingen te nemen. Daar heb je rekenwerk voor nodig. Er zijn zo veel variabelen om rekening mee te houden, dat kun je niet meer uit je hoofd. De uiteindelijke beslissing over een behandeling moet genomen worden door de zorgprofessional samen met de patiënt, en dat gesprek moet gevoed worden met slimme individuele informatie. Zo maak je het besluitvormingsproces persoonlijker.” Het liefst ziet Visseren dat U-Prevent een zelflerend systeem gaat worden dat als basis gebruikt gaat worden op allerlei plaatsen in Nederland, maar ook wereldwijd, en dat het algoritme op basis van lokaal beschikbare data gefinetuned wordt. “Om nog betere voorspellingen te doen moet je de voorspelregel aanpassen aan de situatie op een continent, in een land, in een regio. Zo kan door fijnstof in uitlaatgassen de toestand van patiënten in stedelijk gebied en op het platteland verschillen. Zelfs binnen de stad Utrecht kan – alleen al door verwijspatronen – verschil zitten in patiënten in het Diakonessenhuis en het UMC, terwijl we maar een paar kilometer van elkaar afzitten.” Sowieso moet U-Prevent de komende jaren in zijn optiek breed geïmplementeerd gaan worden: “Dit is the way to go. Iedereen vindt dit een goed idee, en U-Prevent is opgenomen in de 2021 Europese richtlijn voor cardiovasculaire preventie. Goed voor patiënten, goed voor zorgverleners en goed voor zorgverzekeraars.”

Over Frank Visseren

Frank Visseren is internist, epidemioloog en hoogleraar vasculaire geneeskunde aan het Universitair Medisch Centrum Utrecht. Als hoofd van de afdeling vasculaire geneeskunde is hij verantwoordelijk voor patiëntenzorg, onderzoek en onderwijs. Visseren houdt zich met name bezig met onderzoek naar patiënten die een verhoogd risico lopen op hart- en vaatziekten en/of insulineresistentie. Met (inter)nationale partners vertaalt hij de resultaten van grote, klinische onderzoeken naar individuele patiënten. Daarnaast is Visseren Principal Investigator van het SMART (Second Manifestations of ARTerial disease) cohort, met ruim 14.000 patiënten met vaatziekten, diabetes of andere ernstige risicofactoren. Visseren is (mede-)auteur van ruim 400 publicaties, en associate editor van twee wetenschappelijke tijdschriften.

Over U-Prevent

U-Prevent is een innovatieve toepassing van UMC Utrecht en ORTEC op het gebied van cardiovasculair risicomanagement. U-Prevent berekent het tienjaars- en lifetime-risico op hart- en vaatziekte van individuele patiënten, en maakt een schatting van individuele behandeleffecten. Hiermee ondersteunt U-Prevent het gesprek tussen zorgverlener en patiënt om tot de beste beslissing te komen, en werken zorgverlener en patiënt samen aan het voorkomen van hart- en vaataandoeningen. ORTEC is eigenaar van U-Prevent en van het platform onder U-Prevent voor risicovoorspelmodellen, ook in andere medische domeinen. Het huidige U-Prevent is door ORTEC volledig opnieuw ontwikkeld om te voldoen aan de eisen en regelgeving die gelden voor het gebruik in de klinische praktijk.