< Terug naar vorige pagina

Project

Gebruikmaken van gegevensgestuurde modellen in beslissingsondersteunende toepassingen op de intensive care-afdeling

Intensieve zorgeenheid (ICU) behandelt miljoenen kritisch zieke patiënten per jaar, die meestal delicate ondersteuning van hun vitale organen nodig hebben. Ondanks het feit dat IC's worden gecombineerd met ervaren clinici, hoogtechnologische apparatuur en krachtige medicijnen, blijft de sterfte van IC-patiënten in Europa nog steeds ongeveer 20%. Ook wordt opgemerkt dat 40% van de ernstig zieke patiënten last hebben van acute nierschade (AKI), die sterke verbanden vertoont met morbiditeit, mortaliteit en hoge financiële kosten. AKI is een snelle afname van de renale uitscheidingsfunctie en kan worden onderverdeeld in 3 stadia van ernst door het gebruik van bio-markers. Deze biomarkers zijn echter laat en niet-specifiek, en ze zijn slechts tekenen van doorgaande AKI maar geen op handen zijnde AKI. Andere soorten biomarkers zijn ook bestudeerd en gebruikt om de ontwikkeling van AKI te voorspellen, maar hun prestaties variëren van de ene populatie tot de andere, zodat hun klinische waarden nog steeds beperkt zijn. Dit falen van een vroege diagnose van patiënten met een risico op AKI kan het probleem gedeeltelijk verklaren dat de behandeling van AKI nog steeds niet succesvol is. Recent zijn voorspellingsmodellen met eerlijke prestaties met behulp van klinisch verzamelde fysiologische gegevens van de ICU gebouwd door de datamining-groep van het Laboratorium voor Intensieve Geneeskunde in Leuven. Toch zijn er beperkingen die de modellen nooit prospectief hebben getest en de voorspelling van de waarschijnlijkheid van herstel van AKI is nog steeds een uitdaging. Mijn project zal zich richten op de uitbreiding van de bestaande voorspellingsmodellen van AKI door gebruik te maken van datamining, deep learning en signaalverwerkingstechnieken. Het doel is om modellen te ontwikkelen met meer krachtige mogelijkheden met behulp van hoogwaardige klinisch verzamelde patiëntgegevens en de prestaties prospectief te evalueren. Het uiteindelijke doel is de voorspellingsmodellen implementeren in nieuwe bedside-beslissingsondersteunende systemen, IC-artsen een beknopt overzicht van AKI geven en de huidige behandelingen verbeteren.

Datum:1 okt 2018 →  Heden
Trefwoorden:Intensive care unit, Acute kidney injury
Disciplines:Anesthesiologie, Intensieve zorgen en spoedgevallen
Project type:PhD project