Mobiele menu

Samenwerken tegen Corona met Intensive Care Data

Projectomschrijving

Behandeling op de intensive care blijkt voor veel COVID-19 patiënten noodzakelijk. Het is van groot belang meer inzicht te krijgen in het ziektebeloop van intensive care patiënten met COVID-19 en de factoren die dat beïnvloeden. Dat kan richting geven aan de behandeling van toekomstige patiënten, helpen bij de keuze wie wel en niet te behandelen op de intensive care en bijdragen aan een toekomstige capaciteitsplanning.

Onderzoek

Het project onderzoekt welke combinatie van behandelingen bij en eigenschappen van welke individuele intensive care patiënten met COVID-19 leidt tot de beste uitkomsten. Dat gebeurt aan de hand van machine learning, een belangrijke vorm van kunstmatige intelligentie, die wordt toegepast op grote hoeveelheden data van intensive care patiënten met COVID-19 vanuit zo’n 50 samenwerkende ziekenhuizen.
Het project wordt ondersteund door de Nederlandse Vereniging voor Intensive Care en de Stichting Nationale Intensive Care Evaluatie.

Verslagen


Eindverslag

Behandeling op de intensive care bleek voor veel COVID-19 patiënten noodzakelijk. Om meer inzicht te krijgen welke behandelingen goed werken hebben de intensive cares van 25 ziekenhuizen samengewerkt. Door de gegevens die in het elektronisch patiëntendossier tijdens de behandeling van intensive care patiënten werden vastgelegd op een verantwoorde manier te delen, combineren en analyseren. Onder andere met behulp van geavanceerde statistische technieken zoals machine learning.

Het project heeft geleid tot een enorme database, vele nieuwe inzichten, bevindingen en publicaties. Zoals welke patiënten de beste overlevingskansen hebben. En welke patiënten veilig van de beademing af kunnen. Het is belangrijk om data te delen zodat we klaar zijn voor een nieuwe pandemie en om intensive care behandelingen beter te maken. Daarom is het geweldig dat intensive cares doorgaan met data delen in een nieuw project, icudata.nl.

Samenvatting van de aanvraag

Nederland gaat gebukt onder de coronacrisis. Behandeling op intensive care blijkt voor veel COVID-19 patiënten noodzakelijk. Daarvoor was een forse opschaling van intensive care bedden, apparatuur en zorgpersoneel nodig. En om te voorkomen dat desondanks de capaciteit alsnog tekort schoot, zijn vele maatregelen genomen om de virusverspreiding tegen te gaan. Die maatregelen ontwrichten economie en samenleving. Daarom is het van groot belang om meer inzicht te krijgen in het ziektebeloop van intensive care patiënten met COVID-19 en de factoren die dat beïnvloeden. Dat kan richting geven aan de behandeling van toekomstige patiënten, helpen bij de keuze wie wel en niet te behandelen op de intensive care en bijdrage aan toekomstige capaciteitsplanning. In dat kader willen wij onderzoeken welke combinatie van behandelingen bij en eigenschappen van welke individuele intensive care patiënt met COVID-19 leidt tot de beste uitkomsten. Dat zullen wij doen door machine learning, een belangrijke vorm van kunstmatige intelligentie, toe te passen op grote hoeveelheden data over intensive care patiënten met COVID-19 vanuit vele samenwerkende ziekenhuizen. Het betreft zowel de enorme hoeveelheden ruwe data uit het elektronisch patiëntendossier van intensive care patiënten als data die wordt ingevuld in elektronische case record forms van patiënten die in het ziekenhuis behandeld zijn. Het onderzoek is reeds gestart en wordt gecoördineerd door Amsterdam UMC. De internationale projectgroep waarborgt expertise op het gebied van intensive care geneeskunde en machine learning. Het project wordt ondersteund door de Nederlandse Vereniging voor Intensive Care en de Stichting Nationale Intensive Care Evaluatie. Zo’n 50 ziekenhuizen hebben toegezegd te participeren. Het is de verwachting dat de eerste resultaten binnen enkele maanden beschikbaar zijn.

Kenmerken

Projectnummer:
10430012010003
Looptijd: 100%
Looptijd: 100 %
2020
2023
Onderdeel van programma:
Gerelateerde subsidieronde:
Projectleider en penvoerder:
Dr. P.W.G. Elbers
Verantwoordelijke organisatie:
Amsterdam UMC Locatie VUmc