Athena effent de weg voor hergebruik van real-world data in de zorg

Athena, een door de Vlaamse overheid gefinancierd multistakeholderproject, heeft aanzienlijke vooruitgang geboekt in de oncologie. Dit lukte door de ontwikkeling van innovatieve machine-learningtechnieken, die op een privacybeschermende manier patiëntdata kunnen analyseren. Onlangs werden in Leuven de projectresultaten voorgesteld.

Athena effent het pad voor meer hergebruik van real-world data in wetenschappelijk onderzoek en de gezondheidszorg. Ziekenhuizen en andere zorginstellingen verzamelen dagelijks enorme hoeveelheden patiëntgegevens of real-world data (RWD), zoals medische dossiers, beeldvormingsgegevens en labanalyses. Deze gegevens kunnen levensreddende inzichten opleveren als ze worden ingezet in onderzoek.

“RWD is een waardevolle bron van kennis die onderzoek in verschillende domeinen kan ondersteunen en katalyseren”, zegt Roel Wuyts, manager onderzoek en ontwikkeling bij imec en professor aan de KU Leuven. “Door RWD te gebruiken om patronen te identificeren, kunnen we de doeltreffendheid en veiligheid van behandelingen beter beoordelen en streven naar een gepersonaliseerde geneeskunde.”

Ondanks het feit dat België lang een pionier was in het gebruik van elektronische patiëntendossiers en een historische leider in de implementatie van klinische studies binnen de EU, loopt het land momenteel achter in het hergebruik van RWD. Om de mogelijkheden voor hergebruik van gegevens te verbeteren, vragen enkele dringende uitdagingen, waaronder gegevensstandaardisatie, beveiliging en privacy van patiënten, om concrete oplossingen. Athena (Augmenting Therapeutic Effectiveness through Novel Analytics) levert essentiële bouwstenen om deze uitdagingen aan te pakken.

Gedurende drie jaar hebben Athena-partners innovatieve modellen ontwikkeld om gegevens te ontsluiten, op elkaar af te stemmen en te integreren. Hierbij werden twee aandoeningen als casus gebruikt: multipel myeloom en blaaskanker. Door middel van gefedereerd gegevensbeheer blijven patiëntgegevens veilig binnen de ziekenhuisomgeving. In plaats van het verzamelen van gegevens en het uitvoeren van machine-learningmanipulaties op de gegevens als geheel, worden analyses uitgevoerd op gegevens terwijl deze op ziekenhuisniveau blijven. “We garanderen volledige privacy van de patiënten door analyses ter plekke uit te voeren en alleen patronen en inzichten te delen”, legt Wuyts uit.