A generative digital twin forecasts and simulates intensive care patients without task labels

In de hooggespannen omgeving van een intensive care unit is tijd een luxe die zelden bestaat. Een patiënt arriveert, vaak in kritieke toestand, en binnen enkele uren moet een clinicus een reeks beslissingen nemen van leven of dood. Zal de toestand van de patiënt verslechteren? Zullen ze een machine nodig hebben om voor hen te ademen, of medicatie om hun bloeddruk op peil te houden? Zullen ze de nacht overleven? Traditioneel hebben artsen vertrouwd op klinische scores en hun eigen ervaring om deze vragen te beantwoorden, maar deze instrumenten zijn vaak botte instrumenten, ontworpen voor specifieke uitkomsten en moeite hebbend met het aanpassen wanneer een patiënt in een ander ziekenhuis wordt gezien. Ondertussen is kunstmatige intelligentie een ander pad gaan bieden. In plaats van voor elke specifieke voorspelling die een arts nodig zou kunnen hebben een apart computerprogramma te bouwen, verkennen onderzoekers nu het idee van een "digitale tweeling". Dit is een virtueel model van een patiënt dat leert van hun medische geschiedenis om hun mogelijke toekomsten te simuleren. Als een dergelijk model nauwkeurig zou kunnen voorspellen hoe een patiënt zou reageren op verschillende behandelingen, zou het de manier waarop artsen zorg plannen, medische trials ontwerpen en nieuwe clinici onderwijzen, kunnen revolutioneren.

Een team van onderzoekers heeft nu een dergelijk model gebouwd en getest, genaamd Didymos, wat in het Grieks "tweeling" betekent. In tegen tegenstelling tot eerdere pogingen die getraind waren op data van één enkel ziekenhuis of één enkel land, werd Didymos getraind op een enorme collectie medische dossiers van zeven verschillende databases uit vijf landen, waaronder de Verenigde Staten, Zwitserland, Nederland, Oostenrijk en Zuid-Korea. De onderzoekers voedden het model met de dossiers van meer dan 400.000 volwassen patiënten die tijd hebben doorgebracht op de intensive care. Cruciaal was dat ze het model niet leerden om naar specifieke antwoorden te zoeken, zoals "gaat deze patiënt dood?" of "hebben ze een beademingsapparaat nodig?". In plaats daarvan lieten ze het model de natuurlijke loop van medische gebeurtenissen leren door simpelweg het volgende stukje informatie in een patiëntendossier te voorspellen. Deze aanpak stelde het model in staat om de complexe, onderling verbonden aard van kritieke ziekte te begrijpen zonder in een nauwe box van vooraf gedefinieerde taken te worden gedwongen.

Eenmaal getraind, testten de onderzoekers Didymos op patiënten die het model nog nooit had gezien. Ze vroegen het model om de toekomst van deze patiënten te simuleren op basis van hun dossiers tot een bepaald tijdstip. De resultaten waren opmerkelijk. Wanneer het model honderden mogelijke toekomsten voor een enkele patiënt genereerde en keek naar hoe vaak specifieke gebeurtenissen voorkwamen, voorspelde het uitkomsten zoals overlijden, de noodzaak voor een beademingsapparaat of nierfalen met een nauwkeurigheid die overeenkwam met of de beste gespecialiseerde computerprogramma's die momenteel in gebruik zijn, overtrof. In een ranglijst van twintig verschillende voorspellingsinstrumenten behaalde Didymos de beste gemiddelde rang algemeen, hoewel een ander model, TabPFN-3.5, op de eerste plaats kwam specif voor het voorspellen van overlijden op de IC. Didymos presteerde beter dan modellen die specifiek waren getraind met labels voor elke taak, wat suggereert dat het leren van het algemene verhaal van een verblijf van een patiënt een krachtigere manier is om de afloop te voorspellen dan het memoriseren van specifieke uitkomsten.

De onderzoekers keken echter ook verder dan alleen de nauwkeurigheid van de voorspellingen. Ze onderzochten of de simulaties van het model realistisch en veilig te gebruiken waren. Een bezorgdheid bij generatieve modellen is dat ze simpelweg de data die ze gebruikt hebben voor training kunnen memoriseren, wat potentieel de privacy van echte patiënten kan schenden. Het team voerde rigoureuze tests uit om te zien of een aanvaller kon bepalen of het dossier van een specifieke patiënt deel uitmaakte van de trainingsdata. De resultaten toonden aan dat het model deze informatie privé hield; de kans om een echte patiënt te identificeren op basis van de output van het model was niet beter dan willekeurig gokken. Bovendien, toen de onderzoekers het model vroegen om te simuleren hoe een patiënt zou reageren op een behandeling, zoals het starten van medicatie om de bloeddruk te verhogen, kwamen de resultaten nauw overeen met wat er daadwerkelijk in de echte wereld werd waargenomen. Dit suggereert dat het model de ware oorzaak-gevolgrelaties in de data heeft geleerd, en niet slechts oppervlakkige patronen.

De studie onderzocht ook hoe deze technologie in de echte wereld gebruikt zou kunnen worden. De onderzoekers vonden dat door de voorspellingen van het model als hulpmiddel voor het plannen van medische trials te gebruiken, ze het aantal patiënten dat nodig is om een nieuwe behandeling te testen, aanzienlijk konden verminderen. In sommige gevallen kon de vereiste steekproefomvang met meer dan een derde worden teruggebracht, waardoor klinische trials sneller en goedkoper worden. Ze testten ook of het model kon aanpassen aan ziekenhuizen die het nog nooit had bezocht. Wanneer het model werd geconfronteerd met data van twee nieuwe ziekenhuizen in Rusland en China, presteerde het aanvankelijk goed, maar na slechts enkele minuten training op de ongelabelde data van het nieuwe ziekenhuis, steeg de prestatie tot het niveau van lokale experts. Dit vermogen om snel te leren van nieuwe omgevingen zonder dat er een volledige hertraining nodig is, is een belangrijke stap naar het praktisch bruikbaar maken van dergelijke instrumenten voor diverse gezondheidszorgsystemen.

Ondanks deze successen waren de onderzoekers transparant over de beperkingen van het model. Ze ontdekten dat hoewel het model uitstekend was in het voorspellen van het risico op een gebeurtenis, de werkelijke gesimuleerde tijdlijnen het optreden van de dood soms vertraagden ten opzichte van de werkelijkheid. Dit betekent dat hoewel het model erg goed is in het zeggen van "deze patiënt loopt een hoog risico", de exacte timing van een gesimuleerd overlijden in een virtuele tijdlijn iets later kan liggen dan in een echt ziekenhuis. Het team identificeerde dit als een bekend probleem met hoe deze modellen sequenties genereren en stelde een methode voor om dit te corrigeren bij het berekenen van risico's. Ze merkten ook op dat het model de vooroordelen en praktijken reflecteert van de data waarop het is getraind, wat betekent dat het beschrijft hoe patiënten momenteel worden behandeld in plaats van hoe ze behandeld zouden moeten worden in een ideaal scenario.

In een laatste test van menselijke perceptie vroegen de onderzoekers twintig specialisten in de intensive care om naar een mix van echte patiëntendossiers en de synthetische dossiers gegenereerd door Didymos te kijken. De artsen waren niet in staat het verschil te zien; ze gokten minder dan de helft van de tijd correct, wat niet beter was dan toeval. Dit geeft aan dat de digitale tweelingen niet alleen statistisch accuraat zijn, maar ook visueel en logisch niet te onderscheiden zijn van echte patiënten voor de experts die voor hen zorgen. De studie concludeert dat een enkel, generatief model getraind op diverse, wereldwijde data kan dienen als een krachtige digitale tweeling voor intensive care-patiënten. Het biedt een manier om uitkomsten te voorspellen, reacties op behandelingen te simuleren en realistische trainingsgevallen te genereren zonder dat er voor elke nieuwe vraag een nieuw model nodig is. Hoewel de technologie nog niet klaar is om artsen aan het bed te vervangen, biedt het een robuust fundament voor het verbeteren van hoe we ziekte voorspellen, onderzoek ontwerpen en de volgende generatie medische professionals onderwijzen.