Relevantie van met data-analyse gevonden verbanden belangrijker dan vinden ervan

Op de website www.icthealth.nl, een online magazine over zorg-ICT, verscheen op 13 februari 2018 een artikel met als titel “De data-analist als nieuwe collega van de dokter”. Daarin schetst gastauteur Pieter Veefkind, senior business analist healthcare van IT-dienstverlener Sogeti, een zusterbedrijf van het Franse Capgemini met een gloedvol betoog hoe de data-analist in de gezondheidszorg de collega van de dokter gaat worden. De arts geeft in zijn optiek opdracht aan de data-analist om verbanden op te sporen en bepaalt of hij de resultaten al dan niet adopteert. Het is een geluid dat je steeds meer hoort met als argument dat op die manier klinische trials vervangen zouden kunnen worden. Het probleem is echter dat met behulp van big-data, geanalyseerd door data-analisten best wel verbanden gevonden kunnen worden tussen bepaalde klachten, verschijnselen, onderzoeksgegevens, maar dat het helemaal de vraag is of die verbanden wel relevant zijn. Met data-analyse gevonden verbanden zullen dan ook altijd gevalideerd moeten worden door ander onderzoek, zoals gerandomiseerde klinische testen alvorens de arts er waarde aan kan hechten.

Markt

Het is overduidelijk dat de grote tech- en consultancybedrijven nu de zorg zien als specifiek aandachtsgebied zien in hun businessmodel. Er gaan grote hoeveelheden data in de zorg om en het is een markt waarin vele miljarden euro’s en dollars uitgegeven worden. Data-analyse van grote hoeveelheden data lijkt veelbelovend en wordt gebracht als vervanging van kostbare en vaak langdurige klinische proeven, in de vorm van randomized clinical trials die uitgaan van een bepaalde onderzoekshypothese. Ook de schrijver van het artikel heeft het over het niet meer nodig zijn van deze trials.

Integratie?

In het stuk stelt de schrijver terecht vast dat de complexiteit van de geneeskunde flink toegenomen is en geleid heeft tot superspecialisatie binnen specialistische deelgebieden. Hij stelt dan ook dat data-analyse kan helpen om de data uit die deelgebieden te integreren. Dat is echter maar helemaal de vraag omdat niet alle gevonden verbanden wel relevant zijn. Om te weten of ze relevant zijn is validatie van de gevonden verbanden noodzakelijk.

Validatie

Om te komen tot validering van genoemde verbanden is nader onderzoek nodig. Dat zal zeer vaak dan toch weer in de vorm van klinische proeven moeten zijn die voldoen aan betrouwbaar te achten statistische eisen. De inpunt van die proeven wordt gevormd door de hypothese dat het gevonden verband mogelijk relevant is. De schrijver die enerzijds volop opgeeft over het vinden van verbanden door data-analyse weet dat zelf ook, want hij vermeldt anderzijds dat de dokter op zoek kan gaan om gevonden verbanden in de praktijk te toetsen en daarmee te beslissen de resultaten al dan niet in te zetten.

Paradigma shift?

Vooral vanuit de hoek van adepten van big-data-analyse wordt de laatste paar jaar gesteld dat evidence based healthcare, werkend met dubbel blinde gerandomiseerde klinische onderzoeken, eigenlijk verleden tijd zou zijn. Het alternatief zou nu de data-driven-medicine zijn met zoekalgoritmen die grote hoeveelheden data doorploegen. Er wordt binnen dit “alternatief” ook wel eens gesproken van practice-based evidence. Naar stellige overtuiging er nog steeds niet sprake van een paradigma-shift.

Vergeten

Bij het beargumenteren van de data-driven-medicine wordt vaak voor het gemak vergeten dat data-analisten en artsen volkomen andere  verantwoordelijkheden hebben. De data-analist is niet zoals de arts verantwoordelijk voor een veilige en verantwoorde uitoefening van de geneeskunst, waarbij nieuwe therapie-ontwikkelingen nimmer slechter mogen zijn dan bestaande en verbeteringen niet dienen te leiden tot meer schade/bijwerkingen dan de voorgaande therapie. De patiënt als primaire belanghebbende dient er zeker van te zijn dat de hem/haar geboden therapie effectief, state-of-the-art en veilig is. De arts zal dan ook altijd zeker willen weten of met data-analyse gevonden verbanden relevant zijn en deze willen valideren door nader onderzoek.

Ik ben dan ook geen tegenstander van data-analyse, maar verwerp de gedachte dat daarbij geen sprake zou zijn van het onderzoeken van een hypothese. Immers, bij het verificatie-onderzoek is het gevonden verband de te testen hypothese van dat onderzoek.

W.J. Jongejan