Estimating VO2max in patients with obesity using machine learning: A retrospective observational cohort study

Het menselijk lichaam is een opmerkelijke motor, maar de meest vitale meter is vaak het moeilijkst af te lezen. Deze meter is de cardiorespiratoire fitheid, de maatstaf voor hoe efficiënt het hart, de longen en de spieren samenwerken om zuurstof te verbruiken tijdens intensieve inspanning. In medische termen staat deze piekcapaciteit bekend als VO2max. Het is een krachtige voorspeller van de langetermijngezondheid; een lage score brengt een risico op vroegtijdige dood met zich mee dat vergelijkbaar is met roken of diabetes. Decennialang was de enige manier om dit nauwkeurig te meten door een persoon op een loopband of een hometrainer te zetten, hen te laten trainen tot ze niet meer verder konden, en hun ademhaling te analyseren met dure, complexe machines. Dit proces is tijdrovend, vereist gespecialiseerd personeel en kan fysiek ontmoedigend zijn, vooral voor individuen die extra gewicht meedragen. Gevolgelijkskelijk worden veel mensen, met name mensen met ernstig obesitas, nooit getest, waardoor artsen zonder een cruciaal stukje gezondheidsinformatie blijven staan.

Een team van onderzoekers in Noorwegen zette zich in om dit probleem op te lossen door de vraag te stellen of een computer kon leren om het fitnessniveau van een persoon te raden met behulp van alleen de basisinformatie die al beschikbaar is in een standaard medisch dossier. Ze richtten zich specifiek op volwassenen met ernstig obesitas, een groep die vaak wordt uitgesloten van de studies die de oude, standaardformules voor het schatten van fitheid hebben gecreëerd. Door gegevens van 253 patiënten in geavanceerde computerprogramma's te voeren, trainden de onderzoekers deze modellen om patronen te vinden tussen eenvoudige metingen — zoals leeftijd, lengte en gewicht — en de werkelijke zuurstofconsumptie die werd gemeten tijdens intensieve inspanningstesten. Hun doel was niet om de gouden standaard van de medische test te vervangen, maar om een betrouwbaar, toegankelijk alternatief te creëren voor situaties waarin de volledige test onmogelijk uit te voeren is.

De onderzoekers benaderden het probleem in drie stappen, waarbij ze de computer geleidelijk meer informatie gaven om mee te werken. In de eerste stap zag het model slechts vier basisfeiten: het geslacht, de leeftijd, de lengte en het lichaamsgewicht van de patiënt. In de tweede stap voegden ze metingen van de middel- en heupomvang toe, samen met bloeddrukmetingen. In de laatste, meest gedetailleerde stap leerde het model ook over de vetmassa van de patiënt en hoe snel hun hart in rust en op hun maximale frequentie klopte. Het team testte elf verschillende soorten computerleermodellen om te zien welk model de meest nauwkeurige schattingen kon maken. Ze ontdekten dat twee specifieke soorten modellen, bekend als Bayesian Ridge Regression en Automatic Relevance Determination, het beste presteerden. Deze modellen leerden het belang van elk stukje informatie verschillend te wegen, afhankelijk van hoeveel gegevens er beschikbaar waren.

Toen de modellen werden getest op patiënten die ze nog nooit eerder hadden gezien, vertoonden ze een duidelijk patroon van verbetering naarmate er meer gegevens werden toegevoegd. Het eenvoudigste model, dat alleen de vier basisfeiten gebruikte, maakte een gemiddelde fout van ongeveer 12,5 procent bij het raden van de zuurstofconsumptie. Wanneer het model de extra details over lichaamsvorm en bloeddruk kreeg, daalde de fout naar 12,0 procent. Met de volledige set informatie, inclusioneel hartslag en vetmassa, daalde de fout verder naar 11,3 procent. Hoewel dit niet zo precies is als de directe meting vanaf een loopband, die meestal een fout van slechts 2 tot 6 procent heeft, merkten de onderzoekers op dat een foutmarge van 11 procent vaak acceptabel is voor klinische schattingen wanneer de directe test niet kan worden uitgevoerd. De studie onthulde ook dat de computermodellen opmerkelijk consistent waren in wat zij als belangrijk beschouwden. Over alle drie de niveaus van complexiteit heen waren het geslacht en de leeftijd van de patiënt de sterkste voorspellers van fitheid. Mannen vertoonden consequent hogere fitnessniveaus dan vrouwen, en de fitheid nam af naarmate de leeftijd toenam, een patroon dat aansluit bij decennia aan gevestigde medische kennis.

De studie onthulde ook hoe de lichaamssamenstelling deze schattingen beïnvloedt. In het eenvoudigste model leek het lichaamsgewicht er niet veel toe te doen. Echter, zodra het model leerde over de vetmassa en andere fysiologische details, werd het lichaamsgewicht een significante factor. Dit is logisch, omdat een zwaarder persoon meer massa moet verplaatsen, wat meer zuurstof vereist, maar alleen als die extra massa actief weefsel is in plaats van alleen vet. De onderzoekers vonden dat de middelomvang ook een nuttige aanwijzing was; een grotere taille was gekoppeld aan een lagere fitheid, waarschijnlijk omdat overtollig buikvet de beweging van het middenrif kan beperken en ademhalen tijdens het bewegen moeilijker maakt. Verrassend genoeg hadden de heupomvang en de bloeddrukmetingen weinig invloed op de uiteindelijke schattingen, wat suggereert dat deze metingen voor deze specifieke groep patiënten niet veel nieuwe informatie toevoegden bovenop wat al bekend was van leeftijd, geslacht en gewicht.

Een van de meest veelbelovende kenmerken van de computermodellen was hun vermogen om twijfel te uiten. Omdat de best presterende modellen gebouwd waren op een type wiskunde dat met waarschijnlijkheid omgaat, konden ze de onderzoekers vertellen hoe zeker ze waren van elke gok. De studie vond een directe link tussen de omvang van de fout en de door het model geuite onzekerheid: wanneer het model minder zeker was, was het ook vaker fout. Dit kenmerk zou cruciaal kunnen zijn in een echte klinische praktijk, omdat het een arts in staat zou stellen om niet alleen een getal te zien, maar ook een waarschuwingssignaal als dat getal waarschijnlijk onnauwkeurig is. Dit zou clinici helpen beslissen wanneer het veilig is om op de schatting te vertrouwen en wanneer een patiënt echt de volledige, rigoureuze inspanningstest nodig heeft.

De onderzoekers merkten er zorgvuldig bij op dat hun bevindingen gebaseerd zijn op een relatief kleine groep patiënten uit één enkel ziekenhuis in Noorwegen, en dat de modellen nog steeds tekortschieten in de nauwkeurigheid van directe metingen. Ze benadrukten dat hoewel deze instrumenten een stap voorwaarts zijn, ze geen voltooide oplossing zijn. De studie suggereert dat met grotere groepen mensen en misschien meer gegevens over levensstijlgewoonten, deze computerraden nog scherper kunnen worden. Voor nu demonstreert het werk dat machine learning succesvol routineuze medische gegevens kan vertalen naar een betekenisvolle schatting van hart- en longgezondheid, wat een nieuwe, minder belastende manier biedt om de fitheid te monitoren bij een populatie die historisch gezien moeilijk te beoordelen is geweest.