STRAP: Self TRAcking for Prevention and diagnosis of heart disease
RSS Feed
Dit artikel is geplaatst op: c2d
Het doel van STRAP is hartziekte vroeger te vinden en/of hartziekte te voorkomen. Om dit doel te bereiken wordt fundamenteel onderzoek gedaan met creatieve methoden, big data en nieuwe technieken. Dit wordt niet gedaan door vroege preventie, afvallen en sporten bij jongeren te stimuleren, maar daar waar het knelt, bij zieken, om juist dat te bieden, dat ze gezonder en uit het ziekenhuis houdt.
Hartpatiënten kunnen de symptomen van verslechtering zelf niet altijd tijdig herkennen. Adequate algoritmes en self tracking verhogen de autonomie, begeleiden zelfmedicatie en kunnen gezondheidsverlies voorkomen. Door continue monitoring kunnen hartpatiënten op tijd een arts bezoeken, begrijpen ze beter hoe hun lichaam werkt en kunnen beter met de ziekte omgaan. Daarnaast kunnen lotgenoten en betrokkenen ervaringen delen, ondersteunen de patiënten elkaar en leren ze samen. Kortom door betere monitoring kunnen patiënten meer verantwoordelijkheid voor hun zorg zelf nemen en daarmee kan AI veel leed voorkomen.
AI technologie voor impact
De vroege detectie van verslechtering van de hartaandoening bij patiënten met hartfalen demonstreren met behulp van IoT-technologieën voor longitudinale ambulante beoordeling, is het voornaamste doel van STRAP. Want zo voorkomen we verslechtering en opnames net op tijd. STRAP is opgezet om een nieuwe AI-aangedreven oplossing te ontwikkelen, met goedkope technologie, met als doel een grotere impact op de (hoge) zorgkosten. Met het voorkomen van 30% van opnames en verlies aan onafhankelijkheid door vroegtijdig ingrijpen scheelt dit ruim € 100 miljoen per jaar in NL. Daarnaast zal STRAP kunnen bijdragen aan een reductie van behandelkosten door het screenen op hart- en vaataandoeningen door goedkope preventie, geschat tot wel 40% reductie van de huidige € 6,8 miljard per jaar.
Projectteam
Het projectteam wordt aangestuurd door Panos Markopoulos (TU/e) en Eelko Ronner (Cardiron & cardioloog in het Reinier de Graaf Gasthuis). Panos is hoogleraar Design for Behaviour Change. Panos werkt momenteel aan ambient intelligence, ondersteunende technologie voor gedragsverandering, monitoring van slaapkwaliteit, ontwikkeling van eindgebruikers, interactieontwerp voor kinderen, en draagbare revalidatietechnologie. Eelko is initiatiefnemer van het project STRAP, oprichter van Corbotics, werkt in het Reinier de Graaf Gasthuis en CEO bij Cardiron. Panos: “Ons doel met STRAP is om met het gebruik van technologie enkele efficiëntieverbeteringen door te voeren, die het verschil kunnen maken voor cardiologen en patiënten.”
Consortium
Het STRAP-consortium wordt gevormd door drie universiteiten (Technische Universiteit Eindhoven, Erasmus MC en Technische Universiteit Delft), enkele zorgorganisaties en een aantal innovatieve MKB-bedrijven die zich richten op technologische innovaties in de zorg. Deze partners werken samen met het eScience-centrum om big data-oplossingen te ontwikkelen voor de preventie en diagnose van hartziekten.
Lijst van partners: Hangzhou BOBO Technology Ltd., Cardion B.V., HeartSciences, Onmi B.V., Reinier de Graaf Gasthuis, Werkgroep Cardiologische centra Nederland, Smart Building Tech Lab B.V. en Game Solutions Lab B.V.
Eelko vertelt: “Eerlijk gezegd was ik een jaar geleden een beetje sceptisch. Ik dacht dat het hebben van een consortium om nieuwe technologie te gebruiken, het juist veel gecompliceerder maakte. Nieuwe technologie leren kennen sámen met het leren kennen van twintig nieuwe partners verspreid over de hele wereld, dat leek een recept voor een ramp. Er is gelukkig gebleken dat we veel hebben geleerd en inspiratie hebben opgedaan en dat de toegang tot AI voor verschillende partners de meest waardevolle spin-off is geweest, daar profiteren we nu allermaal van.” Ook input van patiënten gaf waardevolle inzichten.
Het onderzoek
STRAP bestaat uit 2 hoofdonderzoeken;
- De eerste bestudeert mensen die poliklinieken cardiologie bezoeken. Zijn er aan de hand van vragenlijst-modellen en nieuwe technologieën patronen te ontdekken die een relatie hebben tot cardiale onderzoeken en problemen? Wie moet welk onderzoek, of juist een afwachtend beleid is hier het dilemma.
- Een tweede onderzoek richt zich op thuisanalyses bij een populatie met hartfalen. Door middel van het meten van beweging en respons op serious gaming, en het gebruiken van andere eHealth en sensor technologieën hopen ze het verschil te bieden. Net niet het ziekenhuis in, geen verslechtering, ten opzichte van de historische hoge kans op opnames en verslechtering.
Data onderzoek
Welke data relateren aan cardiovasculaire gezondheid? Kan Big Data onderzoek onderlinge relaties leggen en zijn deze juist? Hoe kunnen analyses verricht worden op een transparante wijze? Hoe kan je het beste verbanden leggen? Is daar een voorselectie voor nodig? “We testen in STRAP ook of AI ons kan helpen om de huidige dure apparaten te vervangen door wearables. Door het STRAP project leer ik de sterke kant van AI waarderen, vertelt Eelko.
Daarnaast richt STRAP zich op design onderzoek. Hoe wordt sensortechniek ervaren, en continue tracking? Er wordt onderzocht hoe zorgdata moeten worden gepresenteerd aan een zorgverlener. Naast Panos en Eelko werken er meerdere Phd-studenten van de verschillende universiteiten mee aan STRAP. Panos licht toe: “Door gebruik te maken van de telemonitoring technologie die wij creëren, kan men daadwerkelijk tot een beslissing komen die vergelijkbaar is met de beslissing die een professional zou nemen op basis van dezelfde informatie. Dus dit is de proef die we nu gaan beginnen. STRAP omvat dus de technologie die we thuis inzetten, maar ook de onderzoeken die de verschillende promovendi doen.”
Toekomst
Panos en Eelko ervaren het project als succesvol ook al worden de doelen regelmatig bijgesteld. Er wordt veel geleerd, zowel collectief als individueel. Inmiddels is er uitstel aangevraagd om nog een extra Phd student aan te kunnen stellen. Eelko: “Ik heb net een kleine onderzoek subsidie gekregen voor ons ziekenhuis om een proef te starten die STRAP niet kon financieren. Het heeft dus veel en onverwachte positieve spin-offs.” Panos vult aan: “Ik denk dat door te leren, we ons nu realiseren dat er een soort nieuwe ontwikkeling is op het AI-front waar we grip op moeten krijgen. We bedachten dit project ten tijde van big data. Maar nu zijn er al taalmodellen ontwikkeld op basis van generatieve AI, die destijds nog niet kenden. Hoewel dit niet het primaire doel van het project is, moeten we er grip op krijgen en ons niet laten verrassen.” Het gebouwde netwerk kan helpen om ontwikkelingen te versnellen.