Mayo Clinic zet AI in tegen vroege astma-complicaties bij kinderen

Dankzij kunstmatige intelligentie kunnen artsen voortaan al vanaf de leeftijd van drie jaar vroegtijdig bepalen welke kinderen met astma extra kwetsbaar zijn voor ernstige aanvallen.

De uitdaging van kinder-astma

Astma is een wijdverbreid gezondheidsprobleem: in de Verenigde Staten alleen al treft het bijna 6 miljoen kinderen, en het is een belangrijke oorzaak van schoolverzuim, bezoeken aan de spoedeisende hulp en ziekenhuisopnames. De symptomen — zoals hoesten, piepende ademhaling en luchtweginfecties — verschillen sterk van kind tot kind, en kunnen veranderen over tijd. Daardoor is het voor artsen vaak moeilijk in te schatten wie extra risico loopt op een ernstige astma-aanval. 

Om deze lacune te dichten, ontwikkelden onderzoekers van de Mayo Clinic nieuwe AI-tools die zélf signalen uit medische dossiers kunnen aflezen om risicogroepen te identificeren. 

Hoe de AI-tools werken

De onderzoekers gebruikten elektronische medische dossiers (EHR’s) van meer dan 22.000 kinderen die tussen 1997 en 2016 in zuidoost-Minnesota werden geboren. Met technieken als machine learning en natural language processing (spraak-/tekstanalyse) extraheren de AI-instrumenten gegevens uit doktersverslagen, zoals symptomen, familiegeschiedenis en andere aanwijzingen.

Vervolgens pasten de onderzoekers twee bekende diagnostische criteria toe voor astma bij jonge kinderen: de Predetermined Asthma Criteria en de Asthma Predictive Index. Kinderen die op beide lijsten voldeden, vormden een speciale subgroep met een verhoogd risico op ernstige complicaties.

Risicogroep al zichtbaar vóór de leeftijd van drie jaar

Toen de onderzoekers deze risicogroep vergeleken met andere kinderen in de dataset, vielen duidelijke verschillen op:

• Tegen de leeftijd van 3 jaar hadden de kinderen in de risicogroep twee keer vaker longontsteking (pneumonie) en bijna drie keer vaker griep (influenza) gehad.
• Zij ondervonden ook vaker ernstige astma-aanvallen die stuurbehandeling, spoedbezoeken of ziekenhuisopnames vereisten.
• Infectie met respiratoir syncytieel virus (RSV) was in de eerste drie levensjaren eveneens vaker aanwezig in die groep. 
• Bovendien was er vaker sprake van een familiegeschiedenis van astma, eczeem, allergische rhinitis of voedselallergieën.
• Uit laboratoriumtesten bleek dat deze kinderen vaker tekenen van allergische ontsteking hadden, zoals verhoogde eosinofielen (een type witte bloedcel), allergie-specifiek IgE-antistoffen en periostine, én een verminderde longfunctie.

Samen wijzen deze gegevens op een subtype van astma dat kinderen extra gevoelig maakt voor respiratoire infecties én ernstige opstoten.

Wat nu? Uitbreiding en verfijning

De onderzoekers willen hun AI-tools verder testen in uiteenlopende klinische settings, in andere populaties en binnen verschillende gezondheidssystemen. Hun ambitie is om de AI-modellen te combineren met biologische gegevens om zo de definitie en behandeling van astmasubtypes in vroege stadia te verfijnen.

Daarnaast is er een gepland onderzoek naar een verbinding die overactieve immuunreacties — die met astma in verband staan — zou kunnen temperen. Met behulp van in het laboratorium gekweekte celmodellen (organoïden) hopen ze middelen te vinden om kinderasthma nog vroeger en op grotere schaal te detecteren en te voorkomen.