ACR 2021: Vroeg en nauwkeurig axSpa herkennen met behulp van machine learning

Een machine learning-algoritme was in staat om op zeer nauwkeurige wijze mogelijke gevallen van axiale spondyloartritis (axSpA) vast te stellen, en kan nuttig zijn om de diagnostische delay te verminderen. Er zit gemiddeld 6,7 jaar tussen het begin van de symptomen en het stellen van de diagnose axSpA, en eerdere pogingen om de ziekte tijdig vast te stellen waren niet erg succesvol. Tijdens het ACR-congres zijn resultaten gepresenteerd van een Brits, op machine learning gebaseerd algoritme, ontwikkeld met gegevens uit elektronische patiëntendossiers, met als doel om op basis van eerdere klinische indicatoren en de voorgeschiedenis van de patiënt axSpA te herkennen.

Ruim 5000 patiënten met axSpA werden gekoppeld aan een even groot aantal gezonde controlepersonen. Het algoritme identificeerde 89 beste klinische voorspellers uit 820 ingevoerde variabelen, waaronder het totale aantal tests en verwijzingen, de leeftijd bij eerste symptomen, de leeftijd bij het eerste consult en de ernst van lagerugpijn. De sensitiviteit van het model was 75%, de positief voorspellende waarde 81%, de specificiteit 96% en de negatief voorspellende waarde 83%.

De auteurs concluderen dat dit algoritme op zeer nauwkeurige wijze mogelijke gevallen van axSpA kon vaststellen, en stellen dat verdere validatie in de dagelijkse praktijk nodig is; een dergelijke vervolgstudie is inmiddels van start gegaan.