succesvol schatgraven in big data · 2019. 2. 28. · drie pilots machine learning voor alle pilots...
TRANSCRIPT
Succesvol schatgraven in big dataDrie machine learning pilots
Het Nivel beschikt over de unieke combinatie van:grote hoeveelheden zorgdataeen up-to-date onderzoeks-infrastructuurinhoudelijke expertisesamenwerkingsverbanden met universiteiten
en andere kennisinstituten
een verzameling methodenwaarin statistische
technieken gebruikt wordenom computers te laten leren
van grote hoeveelheden data. Bijvoorbeeld om
betere voorspellingen tedoen of patronen te
herkennen.
MACHINE LEARNING
Dit willen wij graag inzetten om een voortrekkersrolte vervullen in het ontwikkelen en toepassen vannieuwe analysemethoden voor big data enpersonalized medicine.
[Pilot 1]Kunnen we patronen in
zorggebruik herkennen inde maanden voor
een suïcide(poging)?
[Pilot 2]Is het mogelijk met
Google-zoekopdrachteneen griepepidemie te
voorspellen?
[Pilot 3]Kunnen we op basis van
observationele databepalen of antibiotica heeftgewerkt bij neusinfectie?
Drie pilots machine learning
Voor alle pilots hebben we gebruikgemaakt van onze data van Nivel Zorgregistraties.
In samenwerking met Universiteit Leiden, Maastricht University en Amsterdam UMCzijn we in 2017 begonnen om drie verschillende onderzoekvragen te beantwoorden
met behulp van machine learning.
Suïcide(poging) voorspellen
Het onderzoek
We hebben het zorggebruik van 1.100 patiëntendie een suïcide(poging) hebben gedaan in 2016vergeleken met 13.000 patiënten die geensuïcide(poging) hebben gedaan. Voorspellende factoren
depressiesociale problematiekslaapproblemen
Resultaten Op basis van zorggebruik konden we in tweeop de drie gevallen correct voorspellen wieeen suïcide(poging) deed.
Op basis van zorggebruik bij de huisarts
PILOT 1
MACHINE LEARNINGTECHNIEK
Ensemble based learning
Verloop van griepepidemie voorspellenOp basis van zoekgedrag op het web
Resultaten De schattingen via Google en Wikipedia komensterk overeen met schattingen op basis van hetaantal huisartsbezoeken voor de griep. Vooral in vakantieperioden zijn de schattingenop basis van online zoekgedrag iets hoger.
Veel huisartsenpraktijken zijn dan geslotenwaardoor precieze cijfers ontbreken.
PILOT 2
Het onderzoek
We hebben het zoekgedrag inGoogle en Wikipedia gebruiktom een schatting te makenvan de griepcijfers in 2018. Deze schatting hebben wevergeleken met de schattingenop basis van geregistreerdehuisartsenconsulten voor degriep.
MACHINE LEARNINGTECHNIEK
Lasso regressietechniek
Zie: https://www.biorxiv.org/content/early/2018/10/11/440867s
Op basis van individuele patiëntkenmerken
?Welke - of geen - antibiotica bij neusinfectie?PILOT 3
MACHINE LEARNINGTECHNIEK
Synthetic random forest
Het onderzoek
Op basis van geregistreerde consulten enrecepten bij de huisarts hebben we onderzochthoeveel en welke patiënten met eenneusinfectie baat hebben bij antibiotica. Ookhebben we bekeken welk type antibiotica voorwie het meest effectief is.
Resultaten Gemiddeld genomen bleek antibiotica effectiefvoor neusinfectie.Van de vier vaakstvoorgeschreven antibiotica bij eenneusinfectie bleek er één daadwerkelijkeffectief te zijn. Leeftijd, medicijngebruik, COPD enverminderde afweer bleken van invloed op deeffectiviteit van antibiotica.
De pilots laten de potentie zien vanmachine learning toegepast oproutinematig verzamelde data.
MEER WETEN OVERMACHINE LEARNING EN
HET NIVEL?
Conclusie pilots