BIGPROMISE ontwikkelt AI-systeem voor vroege detectie van postoperatieve infecties

Operaties en het risico op complicaties

Operaties zijn een essentieel onderdeel van moderne gezondheidszorg, maar blijven niet zonder risico’s. Hoewel het sterfterisico na een operatie in Nederland gelukkig laag is (ongeveer 1%), ontwikkelt tussen de 10 en 30% van de patiënten complicaties tijdens het herstel. Infecties vormen hierbij een belangrijk aandachtspunt: zij komen voor bij ongeveer 20% van de patiënten na grote operaties en kunnen het herstel aanzienlijk vertragen. Vroege herkenning van deze infecties is cruciaal om tijdig de juiste behandeling te kunnen starten.

Kunstmatige intelligentie in de zorg

Bij AI denken we gauw aan robots en ChatGPT, maar ook in de zorg vinden er grote transities plaats. Kunstmatige intelligentie heeft zich ontwikkeld tot een concrete innovatie die patiëntenzorg verbetert en administratieve processen stroomlijnt. In Nederland zien we diverse toepassingen: het UMC Utrecht zet AI in voor het opsporen van uitzaaiingen bij borstkanker en het automatiseren van ontslagbrieven, terwijl het St. Antonius Ziekenhuis een AI-opnamevoorspeller op de spoedeisende hulp gebruikt. Bij coloscopieën helpt AI bij het detecteren van adenomen voor darmkankerscreening.

Ook BIGPROMISE draagt hieraan bij met de AID-studie (Artificial Intelligence for Postoperative Infection Detection in Major Surgery using Linder-Mellhammar criteria), een innovatief project gericht op het automatisch herkennen van postoperatieve infecties. Het project heeft financiering ontvangen van het Innovatiefonds St. Antonius Ziekenhuis.

De AID-studie binnen BIGPROMISE

Traditioneel wordt het vaststellen van een infectie gedaan door artsen die handmatig alle beschikbare informatie beoordelen: laboratoriumwaarden, lichaamstemperatuur, kweekuitslagen, röntgenfoto’s en klinische aantekeningen. Dit is tijdrovend en kan leiden tot onderrapportage.

De AID-studie automatiseert dit proces met de Linder-Mellhammar criteria (LMCI), een wetenschappelijk onderbouwde scoringsmethode. Het onderzoeksteam ontwikkelde een systeem dat deze criteria automatisch toepast op elektronische patiëntendossiers, waarbij zowel gestructureerde gegevens (laboratoriumuitslagen, vitale functies, kweekresultaten) als ongestructureerde gegevens (artsenteksten, operatieverslagen) worden geanalyseerd. Door machine learning en taalmodellen te combineren met medische regels herkent het systeem patronen die wijzen op verschillende infectietypes.

Het onderzoeksteam analyseert gegevens van ongeveer 1700 patiënten uit het BIGPROMISE cohort die tussen oktober 2021 en januari 2025 een grote operatie ondergingen in het St. Antonius Ziekenhuis. Het AI-systeem wordt getraind door voorspellingen te vergelijken met handmatige beoordeling door ervaren clinici.

Waarom is dit belangrijk?

Dit onderzoek geeft beter inzicht in het ontstaan van infecties, waardoor complicaties gerichter kunnen worden behandeld en het herstelproces kan verbeteren. Voor de zorg ontstaat een vollediger beeld van alle infecties, waardoor onderrapportage wordt voorkomen en zorgverleners worden ontlast. Het systeem biedt objectieve detectie en kan alle patiënten continu monitoren.

Een belangrijk onderdeel is ‘Explainable AI’, waarbij transparantie wordt ingebouwd zodat het systeem laat zien waarom een infectie wordt vermoed. Dit vergroot het vertrouwen bij gebruik in de praktijk. Door de deelname van duizenden patiënten die hun gegevens beschikbaar stellen ontstaat een unieke dataset die deze inzichten mogelijk maakt. Het onderzoeksteam verwacht de studie rond april 2026 af te ronden.