Aan internist-hematoloog Eduard van Beers (UMC Utrecht/ U-trial) en 16 internationale partners is een beurs van 7 miljoen euro toegekend voor het SYNTHEMA-project. In dit project gaan de onderzoekers nieuwe technieken toepassen om de algoritmen in hun AI-model te trainen. Dat is nodig om het ziekteverloop van patiënten met een zeldzame ziekte steeds beter te voorspellen. 

 “Voor een ziekte zoals sikkelcelziekte is het van groot belang om in de eerste levensjaren te voorspellen wat er later gaat gebeuren”, vertelt Van Beers. “Dat geeft een kinderhematoloog de mogelijkheid om vroeg te beslissen of een zware therapie - zoals stamceltransplantatie - een goede optie is voor de patiënt. Timing is van belang. Artsen willen behandelen voordat een patiënt te ziek is om nog een zware behandeling aan te kunnen.”

Supercomputer

Het SYNTHEMA-project is een voortzetting van de activiteiten van Eduard van Beers binnen de ERN Eurobloodnet en het Europese project GENOMED4ALL en is gericht op data van patiënten met een zeldzame ziekte. Binnen dit project wordt gewerkt met een voorspellend AI-model. In het SYNTHEMA-project werken de onderzoekers met de nieuwste datatechnieken: federated learning en synthetic data. “We voegen ook data toe zoals bijvoorbeeld MRI-beelden en data over genen en stofwisselingsprocessen”, aldus Van Beers. Om deze data te kunnen verwerken, gebruiken we de supercomputer van de CINECA campus; een van de krachtigste supercomputers in Europa.”

Om inzichtelijk maken wat de onderzoekers doen, trekt Eduard van Beers een vergelijking. “Ons AI-model dat ziekte ernst in de toekomst voorspelt kun je vergelijken met hoe de AI in een Tesla het effect van het verkeer voorspelt. Het zijn machine learning-algoritmen die je kunt trainen met behulp van data. De kunstmatige intelligentie (AI) in de auto’s van Tesla wordt niet meer op de weg getraind in echte verkeerssituaties, maar de AI van Tesla wordt getraind in een fictieve omgeving waarin veel uiteenlopende verkeerssituaties worden gesimuleerd. Dat noemen onderzoekers synthetische data. Doordat de AI van de Tesla nu veel meer situaties kan oefenen kan hij veel sneller ‘leren’ en beter worden dan als hij in een echte auto zou rondrijden. “In de geneeskunde gaan we ons AI-model net als Tesla ook ‘synthetische patiënten data’ aanbieden om van te leren. Zo kunnen we ons AI-model verbeteren!”  

Voordelen

Het testen van de toepasbaarheid van de techniek van federated learning en synthetische data om tot een betere ziekte voorspelling te komen, is het doel van het SYNTHEMA-project.  “Dit kan de basis zijn voor toepassing in veel meer zeldzame ziektes waar weinig data voorhanden zijn”, zegt Van Beers. “Als je dan bedenkt dat 1 op de 10 Europeanen een zeldzame ziekte heeft kan je voorstellen dat de impact van dit onderzoek in potentie heel groot is.”

Consortium vorming en U-trial

Naast dat de inhoud van het werk van potentieel belang is, illustreert de subsidie ook hoe je door samen te werken met Europese mede-onderzoekers een grote subsidie kan binnen halen en grote projecten kan doen die van belang kunnen zijn voor de gehele gezondheidszorg. Actief deelnemen aan een Europees Referentie Netwerk (ERN) zoals Eurobloodnet, kan een manier zijn om betrekkelijk makkelijk een consortium op te zetten. Vanuit U-TRIAL moedigen we dit soort samenwerkingen aan. U-TRIAL is het klinische trial kennis- en expertisecentrum van UMC Utrecht voor zowel gevestigde PI’s en jong research talent (intern) als voor externe stakeholders zoals CRO’s, farmaceuten, medical devices- en diagnostiek bedrijven. Ieder strategisch speerpunt heeft een vertegenwoordiger binnen U-TRIAL waar je advies en expertise kan in winnen voor het opzetten van consortia en trials. Lees er meer over.