Gepubliceerd op 18 april 2024 – Het vallen van ouderen, een wereldwijde zorg te midden van de vergrijzende bevolking, wordt nu aangepakt door een baanbrekend kunstmatig intelligentiesysteem. Onderzoekers van het AMC samen met Julia van Weert en Annemiek Linn hebben een Clinical Decision Support System (CDSS) ontwikkeld om gepersonaliseerd advies te bieden over het afbouwen van medicatie, waarmee artsen de klinische zorg kunnen optimaliseren en het medicatiegerelateerde valrisico bij ouderen kunnen verminderen. Deze bevindingen zijn recentelijk gepubliceerd in Nature Medicine.
Vallen, een belangrijke oorzaak van letselgerelateerde sterfte bij ouderen, heeft aanzienlijke gevolgen voor de kwaliteit van leven en brengt aanzienlijke kosten voor de gezondheidszorg met zich mee. Een belangrijke risicofactor is het gebruik van medicijnen die het valrisico verhogen (FRIDs). Hoewel medicatiebeoordeling en het afbouwen van medicatie effectief zijn gebleken bij het voorkomen van vallen, wordt het gebruik ervan belemmerd door terughoudendheid bij artsen, vaak vanwege tijdgebrek en angst voor gevolgen van het verkeerd afbouwen.
Het CDSS, onderdeel van het ADFICE_IT-onderzoeksproject, maakt gebruik van Machine Learning en biedt gepersonaliseerd advies over medicatieafbouw op basis van patiëntkenmerken. Het algoritme, gebaseerd op 30 klinische richtlijnen, genereert individuele aanbevelingen en schat het valrisico in. Uniek aan dit CDSS is de nadruk op gedeelde besluitvorming, waarbij de waarden en doelen van de patiënt worden geïncorporeerd. Momenteel wordt de CDSS geëvalueerd in een Nederlands clustergerandomiseerd onderzoek, waarbij het streeft naar verbetering van klinische resultaten, waaronder de tijd tot het eerste valincident, kwaliteit van leven, en kosteneffectiviteit.
Ondanks uitdagingen in de implementatie, zoals interoperabiliteitskwesties en naleving van de nieuwe Europese verordening medische hulpmiddelen, staat het CDSS voor een veelbelovende sprong voorwaarts naar op de patiëntgerichte, door AI aangestuurde, medicatiebeoordeling. De onderzoekers hopen dat hun ervaring toekomstige digitale interventies zal verbeteren, waarbij vooruitgang wordt geboekt in complexe medische besluitvorming en de gezondheidszorglevering wordt verbeterd.
Dit project wordt gefinancierd door ZonMw. Het volledige artikel is toegankelijk via de volgende link: AI-based decision support to optimize complex care for preventing medication-related falls | Nature Medicine