Skip to content
Use the search to find information about InterSystems products and solutions, career opportunities, and more.

Hoe AI en Machine Learning oplossingen bieden voor de volksgezondheid

Hoe AI en Machine Learning oplossingen bieden voor de volksgezondheid

Onderzoeker James Collins heeft een missie: antibioticaresistentie aanpakken met behulp van Artificial Intelligence (AI) en Machine Learning. De professor biotechnologie en zijn collega’s maken daarvoor gebruik van synthetische biologie: het herontwerpen van onderdelen van cellen. Met innovatieve ontwerpen, computermodellen en algoritmen dragen zij en verschillende andere organisaties bij aan oplossingen voor de volksgezondheid. En dit heeft al interessante toepassingen opgeleverd.

Grote hoeveelheden zeer verschillende gegevens combineren

Synthetisch biologen kijken vanuit een technisch perspectief naar levende systemen. Ze maken onderdelen van cellen na, voegen hier eigenschappen aan toe en zetten ze vervolgens in voor specifieke doeleinden. Ze plaatsen bijvoorbeeld een extra gen in een bacterie zodat deze een grondstof voor een medicijn produceert. De snel vermenigvuldigende bacterie produceert vervolgens in korte tijd een grote hoeveelheid van die grondstof.

Synthetisch biologen gebruiken voor hun onderzoek en ontwerpen de kennis over de werking van organismen en de moleculen die in organismen voorkomen. Ze combineren enorme hoeveelheden gegevens over bacteriën, cellen, eiwitten, DNA en micro-organismen. In dit multidisciplinaire vakgebied werken onderzoekers op het gebied van bio-informatica, informatietechnologie, microbiologie, natuurkunde, chemie, landbouw en techniek intensief samen.

Antibioticaresistentie aanpakken

Een belangrijke toepassing van de synthetische biologie is de strijd tegen de antibioticaresistentie. Dit groeiende wereldwijde probleem veroorzaakt jaarlijks meer dan 700.000 doden. Het onderzoeksteam van Collins richt zich vooral op een biologische netwerkbenadering om de antibiotica, de verdedigingsmechanismen van bacteriën en de antibioticaresistentie verder te onderzoeken.

Ze maken daarvoor gebruik van een enorme hoeveelheid gegevens over DNA, genen en basenparen. En hebben een computermodel ontwikkeld en dusdanig getraind dat het in de databases met gegevens over 2.500 moleculen en 1.700 goedgekeurde medicijnen kan zoeken naar de chemische kenmerken van de moleculen die E.coli bacteriën doden. In deze grote hoeveelheid gegevens heeft dit computermodel onlangs een specifiek molecuul ontdekt: halicine. Dit molecuul heeft een sterke antibacteriële activiteit en is niet giftig voor menselijke cellen. De onderzoekers gaan dit molecuul nu verder testen en de nieuwe inzichten gebruiken om nieuwe antibiotica te ontwerpen.

Medicijnen sneller ontwikkelen

Een andere interessante toepassing van AI en Machine Learning is de bijdrage aan een snellere ontwikkeling van medicijnen. Hierin spelen moleculen ook een belangrijke rol. Met AI en Machine Learning kunnen grote hoeveelheden gegevens snel gescand worden. Een mooi voorbeeld is een computermodel dat ontwikkeld is door verschillende MIT-onderzoekers. Dit model is erin getraind om uit een database met gegevens over 250.000 moleculen de beste molecuul te selecteren voor de behandeling van een specifieke aandoening. Het systeem maakt daarvoor gebruik van eerder opgedane en opgeslagen kennis over de werking van moleculen in het lichaam van patiënten.

Deze kennis over moleculen wordt nu specifiek gebruikt voor de ontwikkeling van een medicijn. Normaal gesproken duurt het 5 jaar om een nieuw medicijn te ontwikkelen. Maar voor de ontwikkeling van een nieuw medicijn voor patiënten met een dwangstoornis heeft een Brits-Japans consortium dit teruggebracht tot 12 maanden. Met behulp van algoritmen hebben zij 100 miljard mogelijke combinaties van chemische stoffen doorzocht. Dit verliep aan de hand van verschillende parameters om te kijken of de moleculen wel of niet geschikt zouden zijn als bestanddeel voor het medicijn. Dit leidde tot de vondst van een molecuul (DSP-1181) dat nu de fase van de klinische onderzoeken ingaat.

Ziektebeelden beter herkennen

Een andere inspirerende toepassing van AI en Machine Learning ligt op het gebied van de beeldverwerking. Hierbij worden CT-scans, MRI’s en röntgenfoto's met behulp van algoritmen automatisch geanalyseerd. Dankzij AI en Machine Learning zijn op het beeldmateriaal van de patiënt automatisch, sneller en beter kleine maar belangrijke afwijkingen in weefsel of cellen te herkennen. Denk bijvoorbeeld aan snel groeiende kwaadaardige moedervlekken of wratten.

Radiologen hebben daardoor meer tijd voor de uitleg aan de patiënt. En de patiënt krijgt eerder en beter inzicht in zijn of haar ziektebeeld. Hierdoor worden meer mensen eerder en tegen lagere kosten behandeld. Wat een flinke boost aan de volksgezondheid geeft.

Coronavirus bestrijden

Dan tenslotte de toepassing van synthetische biologie, AI en Machine Learning in de aanpak van de momenteel grootste bedreiging van de volksgezondheid: de coronavirus-pandemie. In de bestrijding ervan spelen meerdere initiatieven op AI-gebied een hoopgevende rol:

  • In de monitoring van de verspreiding Een specifiek voor dit doel gemaakt AI-platform verwerkt miljarden gegevens over de locaties en de verplaatsingen van met het coronavirus besmette mensen. Met behulp van algoritmen destilleert het platform hier vervolgens analyses uit over de snelheid en omvang van de verspreiding van het virus.
  • In de diagnose Verschillende organisaties met AI-oplossingen ondersteunen zorginstellingen om snel de grote hoeveelheden verschillende CT-scans van de longen van patiënten te analyseren. Plus de soms minuscule veranderingen hierin snel op te sporen. En de nieuwe COVID19-functionaliteit van het InterSystems TrakCare elektronisch patiëntendossier zorgt ervoor dat COVID19-testresultaten uit het lab direct en automatisch in het patiëntendossier opgenomen worden. Waardoor ook snel overzichten gecreëerd worden van het aantal positief geteste patiënten en het aantal herstelde patiënten van de zorgorganisatie.
  • In de ontwikkeling van een medicijn Met behulp van synthetische biologie, AI en Machine Learning onderzoeken wetenschappelijke instituten snel grote hoeveelheden gegevens over bestaande medicijnen tegen vergelijkbare virussen. Om hierin juist die bestanddelen en combinaties van medicijnen te ontdekken die effectief kunnen zijn in de behandeling van het nieuwe coronavirus.
  • In de ontwikkeling van een vaccin Wetenschappers en Google werken intensief samen aan de ontwikkeling van AI-tools en databases. Met behulp van algoritmen doorzoeken ze in een ongekend tempo tienduizenden relevante onderzoeksartikelen over virussen en vaccins. Daarnaast ondersteunen ze bij de ontwikkeling van 3D-schaalmodellen van het coronavirus. Deze geven meer inzicht in de eiwitstructuren die relevant zijn voor de ontwikkeling van een vaccin voor dit impactvolle virus.

AI en Machine Learning oplossingen voor een moderne zorgorganisatie

Ontwikkelingen in de synthetische biologie, AI en Machine Learning leveren interessante en hoopgevende oplossingen voor de volksgezondheid. Oplossingen die hard nodig zijn, vooral voor de aanpak van antibioticaresistentie en de bestrijding van het nieuwe coronavirus. Als zorgorganisatie wil je waarschijnlijk zo snel als mogelijk en verantwoord is, gebruik maken van deze oplossingen. En misschien wil je ook uitwisselingsstandaarden, innovatie zorgapps en wearables meer gaan inzetten. Zodat je beter kunt inspelen op de huidige ontwikkelingen in de zorg en je je organisatie verder klaarstoomt voor de toekomst. Wil je hier meer over weten? Download dan hieronder het ebook “De route naar een moderne zorgorganisatie”.
 
De route naar een moderne zorgorganisatie E-book voor bestuurders in de zorg

 

RELATED TOPICS

Andere Berichten Die Je Misschien Leuk Vindt.

Le Standard FHIR permet d'améliorer la vue d'ensemble des données des patients et de rationaliser les flux d'informations, améliorant ainsi les traitements et les résultats des patients.
De gezondheidszorg staat aan de vooravond van een technologische revolutie, gedreven door de integratie van kunstmatige intelligentie en machine learning.
Vice President, Healthcare
We are pleased to conclude with you the last project of Hack Healthcare 2023. WeCare2 aims to address patient records fragmentation and establish a healthcare landscape that seamlessly caters to the needs of patients.
In this post, we will showcase the third outcome of Hack Healthcare 2023 – The Bee Project, which aimed to improve communication and access to medical records by bridging the gap between the first and second lines of healthcare.
In this edition, we delve into one called “Patient Buddy”. It revolves around capturing and leveraging patient feedback to improve healthcare experiences.
Hack Healthcare 2023. This event`s primary objective was to tackle healthcare challenges by devising solutions with the assistance of experts and pitch coaches.
After the workshop’s string, we finally reached the Hack Healthcare 2023 event! We want to remind you that Hack Healthcare is not an ordinary hackathon. It is a dynamic blend of creativity and collaborations.
After conducting the Exploratory and Challenge Identification workshops, we had to step out of our comfort zone and share our past discoveries with the wider audience.
It is time to roll our sleeves up and dive deeper into the discoveries made during the Challenge Identification Workshops, which followed the Exploratory Workshops.
We explore a fundamental aspect of problem-solving, which involves finding and understanding the source of our challenges. This is precisely the purpose of the Exploratory Workshop.