Sepsis (bloedvergiftiging) bij te vroeggeboren baby’s voorkomen door middel van Artificial Intelligence, kan dat? Zes studenten zochten het uit tijdens de Fruit Punch Challenge AI.

Een baby die te vroeg geboren wordt – voor de 37e week van de zwangerschap - heeft een hoger risico op complicaties. Een van die risico’s is het ontwikkelen van sepsis. Het is een ontstekingsreactie van het lichaam op een infectie die zo ernstig verloopt, dat weefsels beschadigd raken en orgaanfuncties uitvallen. Dit kan ernstige gevolgen hebben of het kindje kan zelfs overlijden.

Nog nauwkeuriger en beter voorspellen


Het UMC Utrecht gebruikt een machine learning (ML) voorspelmodel, dat op basis van hartslag en zuurstof saturatie kan voorspellen hoe hoog het risico is dat een baby sepsis ontwikkelt tijdens het verblijf op de NICU. Afgelopen maanden daagden Fruit Punch Artificial Intelligence en het UMC Utrecht zes studenten uit om een model te ontwikkelen dat sepsis bij te vroeggeboren baby’s nóg beter kan voorspellen. Met als doel om artsen van een nauwkeurige risicoanalyse te voorzien zodat zij snel de juiste maatregelen kunnen nemen om gezondheidsschade of sterfte bij te vroeggeboren baby’s te kunnen beperken. De studenten deden dit onder de leiding van neonatoloog Daniel Vijlbrief en de Digital Health Data science experts O’Jay Medina en Richard Bartels van het UMC Utrecht. Op vrijdag 24 juni presenteerden zij hun oplossingen. Hun verkregen inzichten uit de challenge nemen zij mee in de ontwikkeling van een nieuwere, verbeterde versie van het machine learning (ML) voorspelmodel.

Resultaat: verfijning en vernieuwing van bestaande voorspelmodellen


De studenten zijn in twee groepen aan de slag gegaan. Met als resultaat een verfijning van het bestaande logistic regression model, een nieuw XGBoost model en een uitwerking met SHAP (Shapley Additive Explanations – een methode om de data die voortkomt uit bijvoorbeeld het ML voorspelmodel te interpreteren) voor XAI (Explainable Artificial Intelligence). “De winst van de afgelopen maanden zit met name in de nieuwe inzichten die gegenereerd zijn, waar wij naar kunnen kijken om ons algoritme te verbeteren. Beiden teams zijn een iets andere weg ingeslagen met het opbouwen en berekenen van de features die gebruikt worden om het risico op sepsis te voorspellen. Die features gebruiken we nog niet. Aan ons nu de taak om te kijken hoe wij dit kunnen integreren om ons algoritme mogelijk nog beter te maken,” aldus O’Jay Medina.

Deelnemers aan de FruitPunch AI challenge

Het smaakt naar meer

Dit was de eerste keer dat een AI vraagstuk vanuit het UMC Utrecht middels een FruitPunch challenge opgelost werd. Dat smaakt naar meer. De organisatie is zeer tevreden en streeft ernaar om in het vervolg een- of tweemaal per jaar een dergelijke challenge te organiseren. Annemarie van ’t Veen, lead applied datascience bij het UMC Utrecht: “Het werken met data die verzameld zijn in de dagelijkse klinische praktijk werd door studenten als zeer waardevol ervaren. En de studenten hebben ons op hun beurt ook weer geïnspireerd. We roepen iedereen met een achtergrond in data science op om een volgende keer deel te nemen. Dat kunnen onze studenten zijn, maar bijvoorbeeld ook datascientists werkzaam in andere industrieën zoals de bankwereld. De kruisbestuiving van kennis is van onschatbare waarde voor ons allemaal.”