Nieuws en agenda

Slim horloge helpt bij vroegtijdige opsporing hartproblemen: eerste resultaten veelbelovend

Een slim horloge dat niet alleen stappen telt, maar ook vroegtijdig hartproblemen kan signaleren. Uit eerste onderzoeksresultaten van het HagaZiekenhuis in samenwerking met Google en de TU Delft blijkt dat het mogelijk is: met behulp van een slim algoritme kunnen gegevens van onder meer Fitbits worden gebruikt om hartgezondheid nauwkeurig, eenvoudig, patiëntvriendelijk én kosteneffectief te monitoren.

Van smartwatch naar medisch hulpmiddel

Betrouwbare smartwatches, zoals Fitbits, zijn wereldwijd breed beschikbaar en eenvoudig aan te schaffen. Ze houden onder andere het hartritme en het aantal gezette stappen automatisch bij, oorspronkelijk bedoeld voor niet-medische toepassingen. Inmiddels blijkt uit recent onderzoek dat deze apparaten ook grote potentie hebben voor medische doeleinden.

In 2019 werd vanuit het Hartcentrum van het HagaZiekenhuis gestart met het *ME-TIME-project, waar de eerste ideeën, richting en financiering tot stand kwamen. In dit project werken cardioloog Ivo van der Bilt en AI-onderzoeker Arman Naseri – in samenwerking met Google en de TU Delft – aan de ontwikkeling van algoritmes die via smartwatchdata vroegtijdig hartproblemen kunnen opsporen. Ruim 100 patiënten en 150 gezonde personen zijn bij dit onderzoek betrokken. Het project is een voorbeeld van hoe het HagaZiekenhuis, met zijn Hartcentrum, bijdraagt aan de ontwikkeling van innovatieve technieken binnen de hartzorg.

AI algoritme om hartgezondheid te herkennen

Het eerste AI-algoritme is inmiddels afgerond en gepubliceerd in een internationaal wetenschappelijk tijdschrift (bron: Heliyon). Dit algoritme toont aan dat AI effectief kan worden ingezet om hartgezondheid te herkennen. Het algoritme richt zich op hartritme en het aantal stappen tijdens inspanning en het daaropvolgende herstel, waardoor het ook toepasbaar is op andere smartwatches.

Cardioloog Ivo van der Bilt licht toe: “De traditionele methodes om hartritmedata te verzamelen – zoals een Holter (hartkastje) of implanteerbare recorders – zijn effectief, maar tijdrovend, kostbaar en belastend voor de patiënt. Daarbij zijn er meerdere ziekenhuisbezoeken nodig voor activatie en analyse van de apparatuur. Door AI te gebruiken kunnen we grote hoeveelheden data analyseren om hart- en vaatziekten vroegtijdig op te sporen en mogelijk zelfs te voorspellen, wat de patiëntenzorg aanzienlijk verbetert.”

Vervolgonderzoek en promotie

De ontwikkeling van deze eerste richtlijn om smartwatchgegevens uit te lezen is een belangrijke mijlpaal voor het vervolg van het onderzoek. De volgende fase richt zich op het valideren van het algoritme bij een grotere en diverse patiëntengroep, afkomstig uit meerdere ziekenhuizen. Naar verwachting zal het onderzoek deze zomer uitmonden in de promotie van Arman Naseri.
 
*ME-TIME: Machine learning Enables Time series In MedicinE