Wat als AI jouw nieren kan redden? Met nefroloog Martin de Borst

In deze aflevering hoor je Martin de Borst, hoogleraar interne geneeskunde en nefroloog bij het UMCG over baanbrekend AI-onderzoek naar vroege opsporing van nierschade. Hij onthult hoe geavanceerde voorspelmodellen en biomarkers de toekomst van niertransplantaties kunnen veranderen en patiënten een betere kwaliteit van leven kunnen bieden. Hoi, leuk dat je weer luistert naar een nieuwe aflevering van de AIToday Live. Met mijn naam Niels Naglé Area Lead Data&AI bij Info Support. Mijn naam Joop Snijder, CTO bij Aigency. En zoals je hoort Niels, de stem is nog niet wat het wezen moet. De vaste luisteraar heeft misschien al eerder gehoord. Ik heb een naweeën van een influenza gecombineerd met een longontsteking en een keelontsteking. En dat doet dit dus met je stem. Maar goed, we doen het met wat we hebben. Inderdaad, en ik ben blij om je eigen stem weer te horen. Ik vond het mooi, de aflevering met ElevenLabs. Mocht je nog niet geluisterd hebben, is de short inderdaad die pas een tijdje terug live gegaan is. Dus luister hem ook zeker terug. Maar ik ben blij omdat je je eigen stem weer enigszins terug begint te krijgen, Joop. Daar ben ik heel blij mee. Dus welkom back with the voice. Maar we zitten hier weer gezellig met z'n drieën. En we hebben een hele speciale gast vandaag, Martin de Borst. Martin, zou je eerst jezelf even kort willen voorstaan aan onze luisteraars? Ja, zeker. Dank je wel. Ja, ik ben Martin de Borst. Ik ben internist en nefroloog. Dus dat betekent dat ik patiënten met nierziektes behandel. En met name ook patiënten na niertransplantatie. Ik werk in het UMCG in Groningen en ik ben daar ook hoogleraar interne geneeskunde. Ik doe veel onderzoek naar het ontstaan van nierziekten, vroege opsporing daarvan, maar ook nieuwe behandelmethodes. En ook naar hart- en vaatziekten die veel van onze patiënten krijgen, hoe je die kunt opsporen en behandelen. Dus daar doe ik veel onderzoek naar. Oké, en dat is dan denk ik ook de link naar AI, want kunstmatige intelligentie en de AIToday Live podcast, daar gaan we later nog op in. Maar ik denk goed om eerst even toe te lichten. Wat is daar het effect van bij mensen? Ja, ongeveer 10% van de bevolking in Nederland en ook wereldwijd krijgen te maken met chronische nierschade. Dus het komt eigenlijk best nog wel vaak voor. Het is iets wat veel mensen op oudere leeftijd treft, maar het kan zeker ook bij jongere mensen voorkomen. Bijvoorbeeld bij erfelijke nierziektes. En nou, dus 1 op de 10. Gelukkig krijgt niet iedereen nierfalen. Dus het eindstadium van de ziekte waarin je dialyse nodig hebt of een transplantatie. Dat is gelukkig maar een relatief klein deel, omdat er wel behandelingen zijn om de achteruitgang van de nierfunctie te vertragen. Maar helaas lukt dat nog niet bij alle patiënten. En dat is een van de dingen waar we natuurlijk druk mee bezig zijn. Om aan de ene kant mensen bewust te maken van het bestaan van chronische nierschade. Hoe je erachter kunt komen dat je het hebt. Want zeker in het beginstadium is het zonder klachten. Dus dan moet je echt een test doen, een bloedtest of een urinetest om erachter te komen. En anderzijds om die behandelingen beter te krijgen om de verdere achteruitgang van de nierfunctie zoveel mogelijk te beperken. Ja, en voor het gesprek. En want ik ben echt super blij dat je hier bent. Echt naar uitgekeken. Ik heb natuurlijk ook een persoonlijke relatie met dit onderwerp. Ik heb bijna vier jaar geleden zelf een niertransplantie gehad. De erfelijke variant, zoals jij net al aangaf. Dus vanaf jonge leeftijd wist ik dat dit ooit zou gebeuren. Dus ik ben ook heel erg benieuwd naar jouw verhaal. En wat jullie aan het doen zijn, zeg maar, om nierfalen op te sporen. En hoe AI daar uiteindelijk bij kan helpen. Ja, zeker. Dus we zien natuurlijk de laatste jaren dat steeds meer ook in het medische onderzoek AI een steeds grotere rol speelt. Dus om de grote hoeveelheden data die we eigenlijk al verzameld hebben in de afgelopen jaren, misschien wel tientallen jaren, om die op een betere manier te kunnen analyseren. Ja, zou je eerst kunnen aangeven wat betekent nierschade, nierfalen eigenlijk voor een mens als die dat krijgt, een patiënt? Ja, nou in dit vroege stadium zei ik net al een beetje merk je eigenlijk niet dat je het hebt. Dus dat is ook heel tricky eigenlijk. Want je kan jaren rondlopen met een verminderde nierfunctie zonder dat je er ergens hebt. Gaat dat nou verder achteruit? Want in principe is dat iets progressiefs. Dus het wordt steeds erger als je er niks aan doet. Dingen die je nog aan bij kunt dragen is bijvoorbeeld veel zout eten. In onze voeding zit best wel veel zout. Dus als je niet weet dat je lichaam daar gevoelig voor is, dan hou je daar ook geen rekening mee. En krijg je over het algemeen veel te veel zout binnen. Waardoor je bijvoorbeeld je bloeddruk omhoog kan gaan, wat ook weer slecht is voor je nieren. Maar ook rechtstreeks op de nieren zelf. En als dat dan verder gaat met dat verlies van je nierfunctie, dan op een gegeven moment begin je wel klachten te krijgen. En dan moet je denken aan bijvoorbeeld dikke enkels, vocht in je benen. Maar ook bijvoorbeeld vermoeidheid. Je kan bloedarmoede krijgen. Dus je ziet er bleker uit. Ja, en dat zijn klachten waarmee mensen dan vaak naar een huisarts gaan. En die doet een keer bloedonderzoek. En dan blijkt dat die nierfunctie helemaal ontregeld is. Ja, en dat kan zover gaan dat je uiteindelijk moet gaan dialyseren. En de dialyse is ook een hele grote impact op je leven. Enorm. Ja, want mensen moeten drie keer in de week vier uur lang aan een machine liggen. Dus dat is behoorlijk. Dat betekent eigenlijk drie dagen dat je volledig in beslag wordt genomen door je ziekte. Vaak hebben mensen ook echt weinig energie. Dus fatsoenlijk functioneren in de maatschappij is eigenlijk nauwelijks mogelijk. Er zijn aan de andere kant ook mensen die juist dat best nog wel goed kunnen volhouden. Dat varieert ook enorm. Maar veel mensen hebben er toch echt wel heel veel last van. En dan is een transplantatie een goede uitkomst. Waar ik heel erg van schrok in de voorlichting, ik ben ook over zo'n dialyse afdeling geleid en zo, is dat je eigenlijk maar een heel klein beetje extra nierfunctie krijgt van die dialyse. Daar had ik me eigenlijk niet bij gerealiseerd. Wat een klein beetje? Nou, ik had bijvoorbeeld... Ja. Dat is ongeveer 10% nierfunctie die je zo'n apparaat kan bieden. Voor een hele beperkte tijd. Dus drie keer in de week. Dus je gaat bijvoorbeeld tot maandag wordt je gedialyseerd. Dan heb je op de dinsdag er profijt van. En op woensdag moet je weer, want dan is die alweer ingezakt. Ja. En is dat dan onafhankelijk van hoeveel procent je nieren nog werken? Ja, dat wordt erbij opgeteld eigenlijk. Dus als je van jezelf... Je moet meestal starten met dialyse als je nierfunctie onder de 10% is gekomen van je eigen nieren. En dan komt die 10% extra functie er nog bij op. Maar het zijn ook niet alle functies die het apparaat kan overnemen. Dus het kan vocht uit het lichaam weggehaald worden door het apparaat. Maar dat kan ook niet met liters tegelijk natuurlijk. Want dan gaat je bloeddruk ook enorm naar beneden. En de afvalstoffen worden weggehaald door het apparaat. Maar dat is niet 100% effectief. Dat is dus maar die 10%. En sommige mensen blijven nog een beetje nierfunctie houden wat langere tijd. Dus dan is het misschien in totaal 15%. Maar na verloop van tijd gaat dat ook weg. Dus dan hou je alleen het apparaat over. Dan hou je alleen het apparaat over. En dan moet je dus langer en vaker eraan. Ja, het is zo dat in principe die drie keer per week vier uur is een beetje het standaard beleid. Dus helemaal aan het begin kan je vaak met wat minder af. Maar snel gaat het toch al wel naar die drie keer vier uur toe. Er zijn ook wel nachtelijke behandelingen bijvoorbeeld. Waar je meerdere nachten per week aan een apparaat ligt. En dan is het ook langer dan die vier uur. Dus dan worden de afvalstoffen wel efficiënter weggehaald. Maar ja, dan moet je maar net kunnen slapen met zo'n slangetje uit je arm. En een piepend apparaat naast je bed. Dat is lang niet voor iedereen een optie. En als dat geen optie meer is, dan is de enige optie niet de transplantatie. Ja, je hebt ook nog buikspoeling. Dus dat is ook een vorm van dialyse. Waar je een slangetje in je buik krijgt. Vloeistof inlaat lopen en er weer uit. En dan veelt je als het ware over je buikvlies. De afvalstof uit je lichaam. Dat kan ook. Maar het is ook weer gevoeliger voor infecties. Het is ook niet voor elke patiënt geschikt. En niet elk buikvlies kan dat ook aan. Dus het verschilt per patiënt of dat kan. En dan kom je bij een transplantatie uit. Dus je hoort de impact. Ja, de impact. De effect van nierschade is enorm groot. En ik denk dat het ook heel belangrijk is om te begrijpen. Zo direct van waarom dit onderzoek ook zo belangrijk is. Ja, nou zeker. We hebben gelukkig de Nierstichting in Nederland. Die echt heel erg bezig is met het bekendmaken. Ook van de impact van nierschade. En dat is ook echt wel vrij uniek in de wereld. Dat dat in Nederland er is, de Nierstichting. Er wordt heel veel geld opgehaald. Vanuit bijvoorbeeld collectors natuurlijk. Maar ook erfenissen en zo. Wat bij de Nierstichting binnenkomt en gebruikt wordt. Om onder andere onderzoek te financieren. Wat wij dan weer kunnen aanvragen bij de Nierstichting. Dat is heel belangrijk. Maar zeker ook om mensen bewust te maken in Nederland. Dat dit een ernstige ziekte is. Ja, dan wat je zegt. Een op de tien. En inderdaad met zo'n degradatie en zo'n progressief pad. Is het dus essentieel om er vroeg bij te zijn. Want als je er vroeg bij bent. Kan je er dan meer aan doen? Heb je dan andere paden die eruit gaan komen? Ja, dan kun je er wel wat meer aan doen. Ja, dus dan kun je op tijd beginnen met behandelingen. Kijk, je moet je voorstellen, een nierfunctie die weg is, die krijg je niet meer terug. Dus de nier kan niet meer aangroeien of herstellen of zo. Dus het is echt van belang om tijdig met medicijnen te starten. En bijvoorbeeld dat zout wat ik al noemde. Om je daar heel bewust van te zijn. Dat zijn dingen die je zelf kan doen. En hoe eerder je begint, hoe beter. Ja, vandaar dat het detecteren dus zo belangrijk is. Omdat het eigenlijk zonder symptomen in het begin plaatsvindt. Dus dat is wel ook lastig lijkt mij. Ja, klopt. Want niet iedereen zal zomaar natuurlijk naar een dokter stappen van, laat me urine eens even testen. Dus daar moet vaak dan een reden voor zijn. Er wordt ook wel onderzoek gedaan naar screening in de bevolking. Want voor andere ziektes wordt er wel gescreend. Zoals darmkanker bijvoorbeeld. Borstkanker. Dus er wordt momenteel onderzocht door collega's van mij, ook in Nederland. Of zo'n check die je thuis kunt doen. Dus vaak kan je dat gewoon met een simpele urine test gewoon thuis doen. Om te kijken of er eiwitten in je urine zit. En dat is een uiting van schade aan de nieren. En dat kan dan weer een vervolgstap opleveren om naar de huisarts te gaan. Om het verder te laten onderzoeken. Ja, want die symptomen die je net even beschreven. Ja, dat zijn ook niet symptomen waar je denkt van, oh dat is het. Het kan stress zijn, het kan moe zijn. Het kan gewoon even een slechte week zijn. En dat langere periode denken. Dus het zijn niet van die zaken die in een keer opvallen van, oh wacht, nou moet ik echt even aan de bel gaan. Nee, iedereen is wel eens moe. Ik denk dat 99% van de mensen die moe zijn en naar de huisarts gaan, is er niks of is er niet iets aantoonbaars. Maar een heel klein deel zal nierschade hebben. Ik ben wel benieuwd. We gaan een beetje richting het onderzoek. Dus ik ben eigenlijk wel benieuwd. Kan je wat meer vertellen over het onderzoek? Ja, zeker. Nou, een van de dingen waar we al lang onderzoek naar doen, is inderdaad het vroeg opsporen van nierschade. Dus dat kan met zo'n test in de urine bijvoorbeeld. Maar niet alle patiënten met nierschade krijgen verhoogde eiwitgehalte in hun urine. Er zijn ook nierziektes die dat niet geven en die spoor je dan met zo'n test niet op. En ja, de nierfunctie, de nieren zitten best wel ingenieus in elkaar. Ik ben daar heel enthousiast over. Ja, ik zie het ook. Maar wat ze kunnen doen is namelijk, ze hebben een reservecapaciteit. Dus je hebt twee nieren. Net zoals dat je twee longen hebt bijvoorbeeld. En als je één nier weghaalt, dat is bij een nierdonor ook natuurlijk het geval. Je kunt één nier afstaan, dan kun je gewoon honderd mee worden. Dus je hebt overcapaciteit. En dat is aan de ene kant natuurlijk hartstikke mooi. Want als er dan iets gebeurt, dan kun je nog best wel lang het volhouden. Aan de andere kant is het ook nadelig in het opsporen van schade aan de nieren. Omdat door die compensatie die je hebt, neemt het nierweefsel wat het nog wel doet, de functie deels over. En daardoor duurt het best wel lang voordat je met die nierfunctiemeting die we altijd doen, kan opsporen dat er echt wat aan de hand is. En daarom hebben we nieuwe methodes nodig om beter te kunnen kijken van nou, wat is er nou in een vroeger stadium? Is er iets mis? En ja, dat is één van de onderzoeken waar ik aan werk. Dus ik heb vorig jaar daar een Europese subsidie voor gekregen om daar heel grootschalig op allerlei manieren onderzoek naar te doen. Dan moet je denken aan grote groepen mensen waarvan we al bloed en urine in vriezers hebben liggen. En die we ook al tien of twintig jaar vervolgd hebben. En een deel van die mensen hebben nierschade gekregen en het grootste deel niet. Nou, hoe vis je die er nou uit? En aan de hand van de bloed- en urine-testen die we dan zeg maar nieuw willen ontwikkelen. Nou, daar heb je methodes voor die bijvoorbeeld proteomics en metabolomics. Dat zijn methodes die tienduizenden stofjes tegelijkertijd in één bloedsample kunnen meten of in een urine-sample. En dat levert natuurlijk een enorme hoeveelheid data op echt hoogdimensionele data. Nou ja, dan kom je natuurlijk een beetje in de buurt van de machine learning toepassingen. Met de traditionele statistiek is het nog steeds heel lastig om met toch een relatief beperkt aantal proefpersonen met hele hoogdimensionele data daar de relevante signalen uit te halen. Dus daar komen die nieuwere technieken met machine learning aan de orde om de belangrijkste features, zoals we ze noemen, daar uit te halen. Misschien dat een heel technisch antwoord komt, maar wat zijn een beetje features die naar boven komen waar jullie dan naar kijken? Nou, we hebben natuurlijk een soort positieve controle. Dus als je een bloedsample neemt en je meet daar tienduizend stofjes in. We weten natuurlijk al een aantal van die stofjes, omdat we die dagelijks in de kliniek gebruiken, zoals het creatinine. Dat is een stofje wat wij altijd gebruiken om de nierfunctie mee te schatten. Nou, die zouden wel uit moeten komen als voorspeller van bijvoorbeeld het ontstaan van nierschade. En zo zijn er nog een paar meer. Dus gewoon bekende namen. Als we die tegenkomen in onze lijstjes, dan weten we dat we goed zitten. Daarnaast hopen we natuurlijk ook een aantal nog onbekende stofjes te vinden. En natuurlijk die te combineren op een slimme manier, zodat je voorspelkracht groter wordt dan wanneer je maar één stofje zou hebben. Is er al een eerste resultaat? Nou, het onderzoek is eigenlijk nog maar net begonnen. Het is nog wel vroeg, want het onderzoek omvalt niet alleen maar die patiëntencohorten, maar bijvoorbeeld ook proefdiermodellen. Waar we een deel van de filtertjes in de nier, want de nier bestaat uit ongeveer één miljoen filtertjes. Als je daar zeg maar 100.000 weghaalt, dat is 10%, dan blijft de nierfunctie eigenlijk normaal. Maar er is wel een tiende van je nier doet het niet meer. En er zijn proefdiermodellen, bijvoorbeeld muizen die worden geboren met maar 90% van het normale aantal. Zonder dat ze verder ziek zijn. Dat is een heel mooi model waar we in willen kijken van nou, kunnen we dat ook registreren met onze bloed- en urinestofjes. Dat zijn wel studies die wel een paar jaar duren, want je moet allerlei wet- en regelgeving door. En je moet dat natuurlijk heel zorgvuldig aanvragen en uitvoeren. Dus die resultaten zijn nog niet bekend. Maar we hebben wel een aantal onderzoeken al voor de echte start van dit project kunnen doen. Waar we wel wat aanwijzingen vinden dat het dus wel kan. Oké, dat is wel interessant. Ja, zeker. En wat gaf die veelbelovendheid aan? Nou, dat is bijvoorbeeld, kijk, we gebruiken creatinine dus veel als markeerstofje voor nierschade. Het nadeel van creatinine is dat het een spierafbraakstofje is. Dus hoeveelheid creatinine in je bloed zegt niet alleen iets over je nierfunctie, maar ook over hoeveel spieren je hebt. En nou maakt dat natuurlijk iets uit qua lichaamsbouw. Dus of jij een bodybuilder bent of een oud omaatje, dat maakt enorm uit van hoe hoog je creatinine dan is in je bloed. Dus dat speelt al mee, maar als mensen ziek worden, dan verlies je ook spiermassa. Zeker als je ernstig ziek wordt en je ligt twee weken in bed, dan gaat gewoon echt een behoorlijk percentage van je spiermassa weg. Nou, dat zul je wel herkennen, want dat je gewoon echt wel minder kracht hebt als je een tijdje flink ziek bent geweest. En dan gaat die creatinine dus ook automatisch omlaag. En als wij dat zien, dan krijgt die creatinine omlaag, dan denken we de nierfunctie wordt beter, want die ruimt die creatinine op. Maar dat is helemaal niet zo, want iemand heeft spiermassa ingeleverd. Nou zijn er dus al nieuwe stofjes ontdekt die spiermassa onafhankelijk zijn. Bijvoorbeeld Sistatine C is een voorbeeld van zo'n stofje. We weten dus ook al, als we die invoeren in onze formules, in onze systemen om de nierfunctie te schatten, ja, dan kan je gewoon precies erin schatten. Ik was dan wel benieuwd, want je gaf aan van, mensen leveren natuurlijk niet zomaar bloed of urine in bij de huisarts. Maar je hebt die bloed en urine zo direct wel nodig als input voor die modellen om die nierschade eerder te ontdekken. Klopt. Hoe moet ik dat met elkaar zien? Dat klinkt als een paradox. Ja, dus hoe kom je aan je data vraag je eigenlijk. Aan de ene kant komen we aan data door gebruik te maken van al verzamelde gegevens uit patiëntendossiers bijvoorbeeld. Dat kan. Maar de belangrijkste bron is eigenlijk bestaande cohorten die wij hebben. Dus grote groepen patiënten, maar ook mensen in de algemene bevolkingen. We hebben bijvoorbeeld in Groningen het Lifelines cohort. Daar zitten 160.000 mensen doen daaraan mee, gewoon uit drie generaties. Dus de ouders, de huidige generatie en de kinderen dan weer. En 160.000 mensen komen regulier langs bij ons bij gebouwtjes van Lifelines om daar vragenlijsten in te leveren en om daar bloed en urine af te geven. En die komen elke vijf jaar. Ze gaan net beginnen aan de vierde onderzoeksronde. Dus dat is al meer dan vijftien jaar loopt dat onderzoekronde. En van die mensen weten we precies van hoe is het nou na dat eerste bezoek met hen gegaan. En wat we dus die bloedtest ook blijven herhalen zien we ook van nou deze mensen krijgen misschien wel nierschade en deze niet. En zo kunnen we doordat die samples van vijftien jaar geleden nog in de vriezers liggen, die gaan wij natuurlijk nu uithalen om te kijken. Wat kunnen we met die bloed- en urine monsters meten en wat kunnen we daaruit voorspellen voor wat er nu gebeurt? Ja, precies. En dat zijn dus vrijwilligers die gewoon meedoen aan dit onderzoek. Niet omdat ze ziek zijn, maar gewoon omdat ze de wetenschap willen helpen en voorzien van data eigenlijk. Ja, klopt. Dat is fantastisch eigenlijk dat mensen daar aan mee willen doen. Zeker. En dat zijn ook zulke grote aantallen. Dus daar heb je echt een enorme schat aan data die je kunt gebruiken hiervoor. En we weten dus uit die vragenlijst ook heel veel over bijvoorbeeld medicatiegebruik, maar ook over leefstijl. Sport. Kwaliteit van leven. Ja, dat soort dingen. Gewoon een heleboel informatie. Sommige van die dingen hebben ook voorspellende waarden en andere weer niet. En dat is dan de algemene bevolking. Dus daarin zijn we natuurlijk geïnteresseerd van wie krijgt er nou nierschade. Er zitten ook wel een paar mensen in. Dus dan 10% heeft natuurlijk nierschade. Maar we hebben ook patiëntencohorten. Dus bij ons in het UMCG lopen natuurlijk patiënten rond met chronische nierschade die wij behandelen. Maar ook bijvoorbeeld transplantatiepatiënten die we vervolgen na de transplantatie. Daar zijn we al heel lang mee bezig om dat ook echt in cohort samen te brengen. Dus om ook deze mensen te vragen om op gezette tijden bloed en urine af te staan en ook weer vragenlijsten in te vullen. En dan kun je ook zien van nou hoe is het nou bij de dialyse, dus voordat iemand getransplanteerd wordt. Wat is de impact van zo'n transplantatie op iemands gezondheid? Maar ook van nou de een krijgt bijvoorbeeld afstoting van het getransporteerde orgaan, de ander niet. En wat voor impact heeft dat? En kun je dat misschien ook wel aanzien komen? En met aanzien komen dus ook weer met een voorspelmodel? Ja, want dan ga je bijvoorbeeld ook naar het immuunsysteem kijken. Naar circulerende witte bloedcellen bijvoorbeeld. Waar je allerlei soort van vlaggetjes op hebt staan. Misschien is het immuunsysteem van deze patiënt wel bezig met het herkennen van die donornier. Van hé, dit is niet een lichaamseigen orgaan. Die moet ik eruit werken. Ik denk dat veel mensen dat ook niet weten. Maar je lichaam is regelmatig, probeert die iets wat niet eigenlijk van jou is, om dat eruit te werken. Ja, jij bent daar een heel goed voorbeeld van. Want als er een virus het lichaam binnenkomt, zal het lichaam natuurlijk geneigd zijn om zo snel mogelijk eruit te werken. Maar tegelijkertijd zit daar ook een spanningsveld in. Want een orgaan wat getransplanteerd is, moet er natuurlijk niet uitgewerkt worden. Dus een van onze taken is eigenlijk om het immuunsysteem te onderdrukken. Maar dan ook weer niet zoveel dat je nou heel erg ziek wordt van een virus of een bacterie. Dus daar is een hele delicate balans eigenlijk in tussen afstoting en infecties. En ja, dat is soms heel erg zoeken naar wat is nou het goede evenwicht. Ja. Ik was nog wel nieuwsgierig over het onderzoek. Wie voerde dat onderzoek allemaal uit? Zijn dat data scientists? Zijn dat specialisten, combinaties? Hoe ziet die groep eruit? Ja, dat is een goede vraag. En dat is best ook wel heel complex. Inderdaad, bestaat mijn groep uit data scientists. Dus dat zijn mensen met bijvoorbeeld een AI-achtergrond. Die een AI-master hebben gedaan bijvoorbeeld. Maar ook computer science bijvoorbeeld. En tegelijkertijd zitten er ook natuurlijk artsen in. En mensen met een medische achtergrond. Het allermooiste is natuurlijk als je mensen hebt met een medische achtergrond die ook geïnteresseerd zijn in data science. Maar daar zijn er nog maar weinig van. Dat is ook iets waarvan ik denk dat de geneeskundeopleiding zou daar echt meer aandacht voor moeten hebben. En dat gebeurt ook wel. Maar daar moeten we denk ik nog echt wel een stap in maken. Hoe we de volgende generatie dokters kunnen opleiden. Dat ze echt begrijpen van wat is nou het belang van data, data analyse. En ja, hoe zet je dat in op een manier die echt de patiëntenzorg verder gaat helpen. En hoe kun je het ook weer vertalen naar een manier dat patiënten het ook snappen. Zet je jezelf op dat snijvlak? Ja, zeker. Want ik ben natuurlijk eigenlijk maar een simpele dokter die op een gegeven moment ook maar begonnen is. Ja, toch met te verdiepen in data science, in AI en ook vanuit interesse. Het UMCG, dat is wel leuk om te vertellen, heeft vorig jaar voor het eerst een AI bootcamp georganiseerd. En dat was twee keer drie weken fulltime werden we met tien man in een klasje gezet. En dat werd georganiseerd door ExquAIro. Dat is een organisatie vanuit het UMCG samen met het bedrijf My Company. Dat heet tegenwoordig Rewire. En zij hebben de handen ineengeslagen om zo'n bootcamp te organiseren. Oh, wat goed. Ja, en dat was dus heel leuk. Want dan zit je dus met een paar dokters, maar ook mensen vanuit een labachtergrond. Dan zit je echt zes weken fulltime in die AI te duiken. Nou ja, dat is natuurlijk maar eigenlijk een druppel op de gloeiende platen. Want ik ben natuurlijk nu heus niet heel goed in code geworden in die zes weken. Maar je hebt wel een beetje het overzicht van nou, wat speelt er nou allemaal? En wat kan er allemaal? Welke termen zijn er? Wat betekent het ongeveer? Dus het was best wel een brede training die we hebben gekregen. En dat heeft mij echt enorm geholpen om bijvoorbeeld subsidieaanvragen te schrijven vanuit de gedachte. Ja, maar als ik dit breng bij de data die wij al verzameld hebben in de afgelopen jaren. Ja, dan kan je ineens geweldige dingen doen. Nou ja, dat is ook gelukt. Dus ik heb vorig jaar echt die EU-subsidie binnengehaald, maar ook een grote subsidie vanuit NWO en de Nierstichting. En dat gaat over het voorspellen van de kwaliteit van donornieren. Dus dat hebben we net voor de kerst te horen gekregen. Oh, hoe gefeliciteerd. Ja, dank je. En dat is echt een heel gaaf project. Er komen eigenlijk twee vragen in me op. Eerst even nog over dat opleidingsdeel. Van wat heeft je daar eigenlijk het meest verrast? Of weet je, dat je zegt van ja, maar dat wist ik eigenlijk voor die training niet op het gebied van AI. Nou, ik denk dat eigenlijk bouwt AI gewoon toch wel voort op meerdere traditionele statistieken. Dus ik was eigenlijk ook wel een beetje verbaasd over wat ik al wel wist. Ja, heel goed. Ja, gewoon de regressiemodellen en zo die we natuurlijk gewoon al jaren en jaren deden. Dat is natuurlijk eigenlijk bouwt dit er wel een beetje op voort. Maar je kan toch ook wel echt complexere verbanden. En die zijn er natuurlijk heel veel in de biologie. Dus niet lineaire verbanden en interacties. Dus de relatie tussen A en B voor een bepaalde gegeven C, zeg maar. Dus dat soort verbanden kun je met AI toch veel beter bestuderen en krachtiger dan met de traditionele statistiek. Ja, waarbij het wel helpt dat je die statistiek onder de knie hebt. Ja, nee zeker. Dat is je startpunt. En dan is dit een volgende stap in. Ja. En de andere was, want dat voorspelmodel voor de kwaliteit van de transportatie in die hier. Kan je daarvan aangeven eigenlijk waarom dat zo belangrijk is? Ja, zeker. Nou, dus ik vertelde al, ik ben nefroloog. Dus ik ben nierspecialist. En ik had bijvoorbeeld afgelopen maandag dienst. En dan word ik midden in de nacht gebeld om hoofd drie door iemand van Eurotransplant. Die zit in Leiden. Dat is de organisatie die eigenlijk de toewijzing van donororganen regelt in zeven landen in Europa. Dus Nederland is daar ook bij aangesloten. En dan hebben wij onze patiënten op een wachtlijst staan. Dus je moet je voorstellen, voor het UMCG zijn dat mensen uit de hele regio Noordoost-Nederland. En dan word ik gebeld midden in de nacht. Vraag is dat dan midden in de nacht, helaas voor mij. En dan bellen ze van, nou, we hebben een nieraanbod voor een patiënt van jou. En dat is dan, nou, dan ga ik natuurlijk kijken van, nou, voor welke patiënt is het dan? Dan ga ik mijn collega bellen die de behandelend arts is van die patiënt of in het ziekenhuis waar diegene... En voor wie het is, dat wordt bepaald door een andere organisatie. Dat bepaal jij niet. Nee, dat bepaalt Eurotransplant inderdaad. En die hebben een heel systeem daarvoor. Dus die hebben, er is een wachtlijst, daar kom je op te staan. En daar weegt bijvoorbeeld best wel zwaar van hoe lang je al aan het dialyseren bent. Het is dus een beetje van wie er het langste wacht komt dan als eerste aan de beurt. En dat is een belangrijk iets wat meespeelt. Maar er wordt bijvoorbeeld ook naar de matching gekeken. Dus hoe goed past een donornier in dit geval bij een ontvanger. Wanneer heb je, ik heb geen idee, maar wanneer heb je dan wel een goede match of geen goede match? Ja, dat heeft met je bloedgroep te maken, maar ook met je weefselgroep. Dus bloedgroep is gewoon A, B en AB0. En de weefselgroepen, dat is nog een wat ingewikkelder systeem met letters en cijfers. Maar het heeft ermee te maken van, ja, je hebt een bepaalde aanleg wat maakt dat jij jij bent. En dat is voor iedereen vrij uniek qua weefselgroepen, zeg maar. Hoewel er ook wel een perfecte match kan zijn. Vaak is dat toch bij een broer of zus, of bij een tweeling is het natuurlijk sowieso het geval. Maar ook dus kan het toevallig zo zijn dat ergens in Europa iemand rondloopt die net dezelfde weefselgroep heeft als jij. En dan noemen we dat een perfecte match. Meestal zijn er wel wat verschillen. Ja, maar je wil zo dicht mogelijk bij de match zitten. Dus eigenlijk, en daar zit dan ook AI-systemen achter? Nou, er wordt wel gewerkt aan AI-systemen, maar diegene die wij toepassen is gewoon nog een vrij analoog systeem. Met eigenlijk een zespuntsschaal, zeg maar. Dus je kan een match hebben van mismatch, noemen we dat dan van 0 of 0-0-0, zeg maar. Dat zijn eigenlijk drie subschalen. Dus 0-0-0 tot 2-2-2, dat is dan de slechtste match, zeg maar, of de grootste mismatch. En hoe lager dat getal dus is, hoe beter de match. Het is niet zo dat als het 2-2-2 is, dus volledige mismatch, dat het dan kansloos is. Integendeel, onze medicatie die we nu geven qua afweeronderdrukking is eigenlijk zo goed, dat dat eigenlijk het overruled. Dus dat de kans op afstoting weliswaar heel iets groter is, maar dat weerhoudt ons er niet van om toch te transplanteren. Dus nou, dan krijg je dat orgaan aangeboden voor die persoon. En dan moet ik dus eigenlijk de afweging gaan maken van nou, is het een goede donornier? Dus dan, ik krijg op mijn scherm zeg maar dat informatie over hoe oud is de donor, waar is die aan overleden? Die ligt dan, die donor ligt trouwens niet dan, nog niet echt overleden, maar ligt op een intensive care en zal eigenlijk spoedig komen te overlijden. En dan, nou bijvoorbeeld, wat voor nierfunctie heeft iemand? Dus dan krijg je dat creatinine weer. En zo zijn er zeg maar in totaal iets van 10, 15 parameters waar we dan naar kijken. En we zetten dat af tegen de ontvanger. Dus je kan je voorstellen, als het een donor is van 75, die zijn hele leven lang gerookt heeft en een hoge bloeddruk had en drie keer een hartinfarct heeft gehad. Ja, nou als je dan een 30-jarige ontvanger hebt, die zal je niet echt de plezier doen daarmee. En aan de andere kant kan het soms zo zijn dat een nier die wel zeg maar een krasje heeft, om het zo te zeggen. Voor een oudere ontvanger misschien best eigenlijk wel prima kan zijn, want ja, die hoeft het dan misschien ook niet 50 jaar te doen. Oké, zo. Aardig wat factoren die meespelen in dat beslissingstraject. Ja, best complex. En dat speelt zich dan af in mijn hoofd. Ik overleg soms, ik overleg met collega's, dus met een chirurg. Er is een immunoloog die helpt met dat matchen en zo, dus die bel ik dan ook wakker om drie uur s'nachts. Maar het is niet zo dat we nou even een team bij elkaar gaan roepen midden in de nacht natuurlijk. Dus het komt toch eigenlijk wel een beetje op mij aan, zeg maar, qua beslissing. En toen dachten we eigenlijk van, nou ja, weet je, ik weet niet hoe jullie denken om drie uur s'nachts als je wordt wakker gebeld. Ik heb soms wel even een kopje koffie nodig. En ik baseer me natuurlijk heel eerlijk gezegd ook wel op de ervaringen van de afgelopen tijd. Dus heb ik de laatste keer misschien iets te scherp gekozen en een nier geaccepteerd voor een patiënt, wat ik misschien toch achteraf misschien beter niet had kunnen doen. Dan zal ik toch anders in die beslissing staan dan wanneer ik juist misschien te voorzichtig ben geweest en iets heb laten gaan. We praten daar met elkaar ook wel over in het team, zeg maar, van nou, hoe doe jij dit, hoe jij dat met casus. Maar er is recent onderzoek gedaan en daar blijkt dat er echt een enorme variatie zit tussen ziekenhuizen in Nederland, maar ook binnen een ziekenhuis tussen nefrologen, in welke, ja, hoe die beslissing eigenlijk genomen wordt. Sommige mensen zijn veel conservatiever, andere zijn juist veel liberaler. En ja, dat is best lastig uit te leggen ook aan patiënten van sta je in Groningen of in Nijmegen of in Amsterdam op de wachtlijst. En dat bepaalt gewoon of jij sneller of minder snel een nier krijgt. En is dat inzichtelijk voor de patiënten? Dat denk ik niet, hè? Dat proces. Dat is wel ook weer een proces van waar we de laatste jaren echt wel mee bezig zijn om dat toch transparanter te krijgen. En waar we nu staan is eigenlijk dat we wel die inzichten aan het genereren zijn en dat we zelf kunnen zien voor ons eigen centrum, hoe doen wij het ten opzichte van andere centra. Maar het is niet zo dat er nu openbaar is van nou, weet je, hoe die beslissingen precies worden gemaakt of zo per persoon of zo. Nee, vooral niet om er zoveel factoren bij te komen kijken. Lijkt me dat ook logisch, want anders dan wordt er een aanname gedaan op een van die karakteristieken. Ja, je weet soms ook niet wat beter is, hè? Want soms is een liberalere beslissing best wel goed, omdat het heel goed kan uitpakken. En dan heeft iemand een nier gekregen waar hij zijn leven lang plezier van heeft. Dat is uit de dialyse. Aan de andere kant is het risico van te liberaal zijn, dat je misschien toch een risico neemt dat de nier toch het minder goed doet dan je had gedacht. Maar zo direct heb je dan dat model, heb je jullie geïmplementeerd. Wat gaat er dan veranderen in dit proces wat je nu net helemaal hebt uitgelegd? Ja, meerdere dingen zoals wij het voor ons zien. Dus dit project is een consortium. Dat wil zeggen dat we met meerdere UMC's, dus universitaire medische centra in Nederland, maar ook universiteiten. Dus bijvoorbeeld Twente doet ook mee, Universiteit van Groningen. Maar ook meerdere bedrijven samenwerken. Een van de dingen die we willen doen is die stofjes in het bloed en de urine verbeteren. Want ik noemde creatinine al. Nou, dat is dus niet een hele goede marker voor de nierfunctie als je op de IC ligt. Want daar gaat je spiermassa natuurlijk helemaal snel weg. Dus eigenlijk is dat een hele slechte marker. Maar we gebruiken hem al tientallen jaren en we denken dat daar echt een slag gemaakt kan worden. Maar wat betreft de AI willen we natuurlijk, als we dan toch betere biomarkers gaan ontwikkelen, willen we het liefst natuurlijk met AI vaststellen van welke combinatie van biomarkers geeft nou de beste voorspelling van ja, hoe lang zo'n nier het nou gaat doen. En wat er dan verandert is dat... Hebben we het nu over het model voor transportatie of dat kwaliteitsmodel voor de transportatie? Nee, dan hebben we het over inderdaad voorspellen. Dus eigenlijk op het moment dat ik gebeld word, is mijn verwachting dat ik dan een overzichtje voor mijn neus krijg met een voorspelde overlevingsduur van de dier. Oh, zo ja. En eigenlijk het liefste ook een voorspelde overleving van de patiënt. Zodat ik dat naast elkaar kan zetten. Met een bepaalde... Het zou eigenlijk explainable moeten zijn van waarom is die voorspelling zo gedaan, op bepaalde van welke factoren. En een soort betrouwbaarheid erin. Je hebt natuurlijk altijd een bepaalde onzekerheid van de voorspelling van hoe zeker weet het model dat nou? Is het echt bijna zeker of is het super onzeker? En dat bepaalt denk ik ook wel van... In hoeverre je zelf ook nog moet gaan nadenken van wat denk ik eigenlijk zelf van. Ja. En wat verandert er dan in dat besluitvormingstraject? Ja, wij zien het als een beslissingsondersteuning. Dus wij zien het niet zo van dat het model gaat beslissen of voor deze patiënt de nier wel of niet geaccepteerd moet worden. Maar dat is ook wel een punt waar we veel over willen gaan spreken de komende jaren. Want dat onderdeel zit ook echt in het project van... met alle professionals die betrokken zijn bij de transplantatie, maar ook patiënten en ook mensen vanuit de maatschappij bij elkaar gaan zitten over... Wat denken wij dat AI nou voor een rol heeft binnen de transplantatiewereld? Want je kan wel zeggen het is een beslissingsondersteuning. Maar als ik om drie uur s'nachts word wakker gebeld en ik zie voor mijn neus van die moet je doen. Ja, misschien denk ik ja lekker doen inderdaad wat het algoritme zegt. Dus is het wel beslissingsondersteuning of beslist AI het straks gewoon? Ja. Ja, en moet je dat willen? Ja, wat denk je AI? Nou, het zou nog wel eens dat laatste kunnen zijn. Mijn eerste gedachte was het is een ondersteuning en het moet mensen niet ontslaan vanzelf nadenken. Maar in de praktijk ben ik wel heel benieuwd hoe dat gaat. En we zouden daar ook wel wat onderzoek naar willen doen. Om bijvoorbeeld casus voor te leggen aan mensen om te kijken van in hoeverre vertrouwen ze nou op AI in dit soort beslissingen. En kan het ook zijn dat er over reliance is, dus teveel vertrouwen op AI. Dat zou best nog wel eens zo kunnen zijn. Ja, dat risico bestaat zeker. Ja, ik dacht die kans groot aanwezig. Ja, en we hameren daar natuurlijk. We werken in de zorg natuurlijk steeds meer geprotocoleerd. Dus dat zien we in allerlei andere settings ook al wat terugkomen. Dat bijvoorbeeld een patiënt die op de poli nu komt, er wordt een brief over gemaakt. En dat is vaak een soort invullesje van nou dit is goed, dit is goed, dit is goed. Als je daar teveel op dat lesje gaat letten, dan ga je ook niet meer zelf nadenken. Zo van nou, ja maar klopt dit eigenlijk allemaal wel? Of wat mis ik? Dus dat is wel een valkuil. Ja, als je een checklist hebt, dan ga je de checklist af. En je bedenkt niet van, ik heb nog een checklist onderin staan nog drie puntjes. Oh wacht, die drie puntjes, die moeten er wel staan om nog de vraag te stellen die je anders niet gaat stellen. Klopt. Ja, en de setting is vaak ook toch wel complex bij donornieren. Omdat elke donor heeft weer zijn eigen verhaal. En er kunnen soms hele zeldzame ziektes meespelen bij een donor die misschien best wel impact hebben. Ja, zo'n model die heeft misschien die informatie eigenlijk nog nooit gezien. Dus die kan daar helemaal niet een goede voorspelling maken op basis van die data. Dus ja. En als je, we hebben ze in een ander seizoen hebben wij, maar dat komt uit de financiële wereld. Dan kan je wel of niet bijvoorbeeld kredieten krijgen. En wat deze kredietverstrekker gedaan had, is een AI model niet laten voorspellen zeg maar of iemand wel of niet het krediet zou mogen hebben. Maar ingezet als criticus van de mens. Dus die kijkt zeg maar als jij het besluit hebt genomen of dat zeg maar overeenkomt met de data. En zegt van hé, dat is eigenlijk wel een apart besluit. Ja. Want in gelijksoortige gevallen heb je, of is de wereld feiten, is er een ander besluit genomen van misschien moet je het nog eens heroverwegen. Ja, ik vind dat een hele goede suggestie. Dat zouden we best mee kunnen nemen. Want inderdaad, dan verplicht je de dienstdoende nefrologen zeg maar wel om eerst zelf na te denken van wat zou ik doen. En vervolgens geef je feedback van nou, we hebben soortgelijke gevallen in de afgelopen tientallen jaren een x aantal keer gezien. En zo en zo liep het af met de nier. Stuurt dat je beslissing eventueel nog bij? Want ik geloof wel heel erg in die datengedreven besluitvorming. Zeker, ja. We hebben natuurlijk, we zijn heel gekleurd, dat zei ik al, recente ervaringen zeg maar. Maar we kunnen straks een model bouwen op basis van 20.000 niertransplantaties die in Nederland zijn gedaan in de afgelopen 40, 50 jaar. Ja, en dat heeft natuurlijk echt wel veel meer waarde dan wat ik in mijn eentje kan bedenken. Ja, en de ervaring gaat dus verder dan alleen je eigen ervaring. Daar zit er natuurlijk ook heel veel waarde. Ja. En inderdaad, we zijn gewoon gewend wat recents gebeurd is, dat zullen we ook het meest actueel hebben. Wat ik nog maar afvroeg was, als daar de keuze gemaakt is, je krijgt de donor nier, wordt dan automatisch ook die data verzameld om dat traject te volgen, zodat je dat weer als feedback loop kan nemen voor die keuze? Ja, absoluut. Dus dat gebeurt gelukkig ook al tientallen jaren, omdat in de transplantatiewereld in Nederland, en dat geldt niet alleen voor de nieren, maar ook voor de andere organen, wordt er gelukkig heel goed bijgehouden hoe het verder gaat met mensen na een transplantatie. Dus er worden registers bijgehouden, en die worden zeg maar per UMC lokaal bijgehouden, maar die worden ook weer teruggegeven aan een landelijk register. Dus die gegevens blijven gewoon doorgaan met verzameld worden, en ja, we zouden ons algoritme daar ook op aan kunnen passen. Waar het niet dat het ook weer zo is dat het natuurlijk moet voldoen aan wet- en regelgeving, dus de MDR bijvoorbeeld, de Medical Device Regulation, die maakt dat zo'n algoritme is natuurlijk een apparaat, een medical device. Ja, er moet aan wet- en regelgeving voldoen, dus op een gegeven moment moet daar een stempel op van nou, dit doet wat het claimt te doen, dus dat moet gevalideerd zijn en zo. En als dat dan zo is, maar volgende week is het model weer hertraind, ja, dat wordt natuurlijk lastig. Dus dat is wel een spagaat waar we een beetje in zitten van nou, hoe gaan we dat nou steeds up-to-date houden, maar het kan ook weer niet elke dag. Nee, dat is denk ik wel een ontwikkeling die vooral in de medische sector met name is, maar ik denk wel steeds belangrijker wordt op meerdere vlakken waar certificering op dit soort oplossingen plaatsvindt. Klopt, ja. Dus dat moeten we gaan zien, wat dat betekent voor ons model de komende jaren. En hoe lang duurt het onderzoek? Het is een project van vijf jaar, dus en we werken er dus met drie UMC's aan. Dat is het Erasmus MC en het UMC Utrecht en het UMCG. En daarnaast dus een heel aantal bedrijven, maar ook bijvoorbeeld Eurotransplant en de Nederlandse Transplantatiestichting. Het zijn allemaal echt belangrijke partijen die allemaal hun eigen stem inbrengen. En natuurlijk de Nierpatiëntenvereniging Nederland die ook hierover meedenkt vanuit het perspectief van de patiënten. En betekent dat ook dat je over vijf jaar dan de uitslagen hebt of tussendoor al de inzichten die opgedaan worden geïmplementeerd? Ja, we zullen zeker de komende jaren al de eerste resultaten gaan zien. En we verwachten, we hopen dat aan het eind van die vijf jaar er echt een voorspelmodel ligt, wat we ook al hebben ingevoerd in de huidige workflow, zeg maar. En dat proberen we echt te doen. Want het doel van deze subsidie was ook echt, zeg maar, impact maken in de praktijk. Het is heel leuk als je een tool ontwikkelt die niemand verder niet gebruikt. Maar als je het invoegt in de workflow, en daarom is de Nederlandse Transplantatiestichting ook heel belangrijk, want zij zijn degene die het dashboard die wij nu gebruiken, zeg maar, onderhouden. Dus zij zijn ook bereid om met ons mee te denken van, nou, kunnen we deze nieuwe tool er ook in stoppen? Ja, en dan denk ik echt dat het ook gebruikt gaat worden. En hopelijk zien andere landen dat dan ook en willen ze het ook overnemen. En zou het ook voor andere organen bijvoorbeeld kunnen gelden, zoals de lever en het hart en de longen? Ja, zeker. Ja, ik snap waarom je hem uit wilde nodig. Dit soort technologie gewoon op de grond krijgen, implementeren en gaan leren. Ja, hartstikke mooi. Ja, precies. We hebben ook een item waarbij we vragen wat iemands ultieme droom zou zijn als je zonder beperkingen zou denken over AI. En het hoeft niet in je vakgebied te zijn, maar gewoon, het is natuurlijk een technologie die ons heel veel raakt. Nou ja, en we hebben even een korte jingle waar je er even over na kan denken. Ja. Ja. Een leven vol gemak. Technologie die alles doet waar we van dromen. Geen grenzen meer, niets houdt ons nog tegen. Het leven zoals wij het altijd wilden beleven. Heerlijk, dat is rustgevende muziek. Ja, hè? Ik kan er bijna bij in slaap. Ja, nee, ik denk in de medische wereld waar AI echt wat kan betekenen is, denk ik echt in de vroege opsprong van ziekte. Dus daar hadden we het al over. Ik zou me bijvoorbeeld kunnen voorstellen dat er een apparaatje thuis in het toilet hangt in het geval van nierziekte die op een gegeven moment melding geeft van, joh, kijk eens eventjes wat er in je urine gebeurt. Dit is niet goed. Je moet je wat mee. Dus echt die vroege detectie. En in het geval van de transplantatie, denk ik, wat dat motto is van de subsidie die we net hebben gekregen is One Kidney for Life. Dus iemand een nieuwe nier geven waar je leven lang mee kan doen. Ja, want dat is niet zomaar gegeven. Zou je daar nog iets over kunnen vertellen? Ja, nou dat klopt. Zeker bij, want je hebt nog het onderscheid van nieren van een levende donor en een overleden donor. Dus mensen die iemand kennen die niet aan hen wil afstaan, die donor wil zijn. Dat kan een familielid zijn, maar ook een vriend of een kennis of een partner. Ik heb bijvoorbeeld van een vriendin, dus van een levende donor. Veel mensen denken dat het alleen van een broer of zus kan zijn, maar het kan zeker ook van iemand die niet direct familie is. Dat kan het zijn. Dat is ongeveer de helft van de transplantaties die wij doen in Nederland, komt van een levende donor. Dus dat is echt wereldwijd ook een hele bijzondere verhouding in die zin dat er best wel... Nederlanders zijn best wel vrijgevig wat dat betreft. En misschien ook wel onze nuchterheid dat we denken van nou het zal wel goed komen als we niet meer afstaan. Maar het is iets heel groots. Dus je staat echt letterlijk gewoon een stuk van jezelf af. Ongelooflijk dat mensen doen. Ik heb daar echt ook enorm respect voor. Elke keer weer is dat gewoon een bijzonderheid. Ook al doen we zeg maar ongeveer honderd van dit soort transplantaties elk jaar in het UMCG. Het is toch elke keer weer echt heel bijzonder met een eigen verhaal van zowel een donor als een ontvanger. En de andere helft van de mensen, ja, die moeten dus op de wachtlijst staan waar we het eigenlijk net over hadden om te wachten op een overleden donornier. En van die overleden donornieren weten we dat die het echt nog wel een stukje minder goed doen dan de nieren van een levende donor. Dat is iets waar we echt ook een slag willen slaan. Dus dan moet je denken dat ongeveer ruim 30% van de nieren na 10 jaar na de transplantatie het niet meer goed doen. En dan hebben mensen dus een tweede transplantatie nodig of zelfs een derde. Oké. En dat is echt heel heftig. Maar het kan dus wel? Het kan wel, ja. Ja, nee zeker. Dus er zijn mensen die meerdere transplantaties hebben ondergaan. Dat kan. Maar het kan ook wel weer zijn dat het moeilijker wordt. Want ja, weet je, het lichaam herkent dan een orgaan als lichaamsvreemd. Stoot het af. En de volgende nier wordt dan misschien ook sneller herkend en ook weer afgestoten. Dus dat kan best wel moeilijker worden. Los van dat het toch ook weer een extra operatie is. En op een gegeven moment al die nieren in je buik, dat wordt ook wat vol. Dus op een gegeven moment moet er ook weer wat uit. En ja, dat zijn best uitdagingen. Want daar staan mensen. Ja, precies. Ik heb dus nu drie nieren. Het is niet zo dat er bij mij dan een nier uitgehaald wordt. En dan de nieuwe nier zeg maar daarvoor in de plaats wordt gezet. Je hebt dan ruimte in je buikholte. En daar wordt de nier bij geplaatst. Ja, inderdaad. Als dat kan. Soms dan hebben mensen veel last van hun eigen nieren. Dus bijvoorbeeld met ontstekingen of zo infecties. Maar meestal kunnen ze blijven zitten en dan komt er inderdaad in de onderbuik links of rechts een nier bij. En dan kan er aan de andere kant dus nog een extra nier bij. Dus vier, dat is wel zo'n beetje de max. En dan moeten we gaan denken over, kan er weer een uit? Zodat er weer ruimte gemaakt kan worden. Wauw. Ja, dus ik ben met meer het ziekenhuis uitgegaan dan ik erin kwam. Een bonusnier. Ja, precies. Wauw. Die komt even binnen. Ja. Dat had ik even niet als die komt. Ik had nog een vraag over die 160.000 mensen die jullie hebben in het onderzoek. Hoe uniek is dat in de wereld? Ja, dat is best wel bijzonder. Dus ook die drie generaties die we hebben, wat ook weer enorm kan helpen. Bijvoorbeeld in genetisch onderzoek, wat we ook doen. Maar 160.000 is natuurlijk een waanzinnig aantal. Dus dat geeft ons heel veel mogelijkheden. Tegelijkertijd zijn er ook wel weer uitdagingen. Want stel je voor dat je een bepaalde bepaling wil testen in een onderzoek. Stel dat die 20 euro kost per meting. Nou ja, keer je 160.000, dat gaat je kosten. We moeten proberen om daar een manier te vinden om toch met relatief beperkte middelen toch een hele grote aantal dingen te doen. Een van de mogelijkheden is natuurlijk gebruik te maken van al verzamelde data. Dus al bestaande data. Die je dan bijvoorbeeld in predictiemodellen kunt stoppen. En een goed voorbeeld daarvan is bijvoorbeeld dat een subgroep van deze 160.000, dat zijn 12.000 mensen, die hebben in de afgelopen jaren een CT-scan van hun hart ondergaan. Eigenlijk van hun borstkas. En dat was in het kader van een screeningsonderzoek naar longkanker. Dus eigenlijk wilden ze de longen op de scan zetten. Maar ja, het hart komt er dan automatisch ook weer op. En het voordeel daarvan was dat je ook de verkalkingen in de bloedvaten van het hart kunt meten. Eigenlijk kun je dan gewoon dezelfde beelden gebruiken. En dan doe je wat extra metingen op die kransvaten van het hart. En daar kun je dus allerlei scores uithalen die ook worden gebruikt als maat om hart- en vaatziekten te voorspellen. Dus bijvoorbeeld een hartinfarct. Nou, dan heb je dat van 12.000 mensen, wat ook weer uniek is. Dus dat zijn maar heel weinig groepen patiënten in de wereld waar die data van beschikbaar zijn. Groepen mensen. En we hebben natuurlijk bloed en urine van deze mensen in de vriezer liggen. Dus dat is ook weer een project wat ik eigenlijk als een soort spin-off van die bootcamp die ik had gedaan. Ze gaven een soort pilot grant. En daar heb ik een project uitgekregen wat wil onderzoeken van die verkalkingen in die kransvaten. Want dat is ook iets waar nierpatiënten veel last van hebben. Ja, welke factoren dragen daar nou aan bij? We willen dan bijvoorbeeld van die 12.000 mensen in samenwerking met een bedrijf die heel goed is in metabolomics. Dus zeg maar 10.000 metabolieten in één bloedsample meten. Dus allerlei stofjes die eiwitten en zo in bloed kunnen voorkomen. Die meten we dus van 12.000 mensen 10.000 stofjes per persoon. Dan heb je natuurlijk een enorme bak aan dat. Nou, daar kan je je lekker op uitleven met je predictiemodellen met AI. En daar proberen we natuurlijk dan combinaties van stofjes te vinden die echt kunnen voorspellen van hoeveel verkalkingen zitten er nou in je hart. Zodat je dat met een makkelijkere bloedtest kunt achterhalen in plaats van zo'n scan wat ook weer straling is en zo. En ook best wel duur is en intensief. Zou je dat met een bloedtest ook kunnen meten. En daarmee kunnen voorspellen van wie heeft er nou meer kans om bijvoorbeeld hart- en vaatziekten te krijgen. Nou, wat mooi. Ja, en een scan is niet alleen duur qua geld, maar natuurlijk ook qua tijd. We hebben last van wachtlijsten. Dus dat zou dat ook helpen om dat terug te dringen. Ja, nou dus als je kijkt van hoe wij het UMCG bijvoorbeeld AI inzetten. Dan proberen we ook tijd te besparen door bijvoorbeeld met generatieve AI dan samenvattingen van dossiers te maken. Suggesties voor antwoorden op vragen van patiënten te geven. Dat soort dingen, dat bespaart ons al wel wat tijd. Hoewel dat nog wel, er zijn echt nog wel ontwikkelingen nodig. Dus de suggestie die ik soms krijg voor antwoorden, ja, die tijd ook niet helemaal, zeg maar. Maar ja, die systemen leren natuurlijk ook en worden steeds beter. Dus het zal een kwestie van tijd zijn dat we dat echt wel meer gaan inzetten, ja. Mooi. Ja, dit triggert mij wel. Zijn er nog andere vlakken waar je voorbeelden hebt vanuit de zorgsector waar je AI op dit vlak ziet toegepast worden? Nou ja, dus ik denk, we hebben het best wel veel over predictie gehad. Dus voorspellen van wie krijgt er nou een ziekte, ja of nee. Of als je een ziekte hebt, kun je dan voorspellen van wat het beloop is. Dus een van de dingen waar wij veel mee bezig zijn, is het voorspellen van de tijd tot aan een bepaald event. Tot nu toe is het met name zo dat er percentage risico voorspeld wordt. En dan zit je in de spreekkamer een beetje van als je tegen een patiënt moet zeggen, u hebt 13% kans om in de komende vijf jaar diabetes te krijgen, suikerziekte. Ja, dan denk je, hartstikke leuk, maar wat kan ik daarmee? Terwijl als je zegt van nou, ik zie in mijn scherm staan dat u volgend jaar waarschijnlijk diabetes hebt. Nou, dan denk je wel van nou, wat moet ik doen om dit te voorkomen? Dus dat zijn dingen waar we mee bezig zijn, dat we de tijd proberen te voorspellen. Dus daar hebben we allerlei modellen voor. En dat is ook voor die donornieren bijvoorbeeld van belang. Dus hoe lang gaat een donornier mee? Dus in allerlei settings komt dat terug. En ik kan me ook voorstellen dat je daar dashboards voor zou kunnen maken, die in een medisch dossier, zeg maar, dat er bepaalde waarschuwingen opkomen van, let op, deze patiënt heeft risico om binnenkort deze ziekte te krijgen, bijvoorbeeld aan de hand van bepaalde profielen die er aan de hand van allerlei medische gegevens die er in dat dossier te vinden zijn gedaan kunnen worden. Ja, ik ga even een paar jaar de toekomst in voor mezelf. Ik weet ook niet of we het zouden moeten willen, maar zie je dat we naartoe gaan, dat we als patiënt, als burger, daar ook steeds meer inzicht en begeleiding in gaan krijgen? Dat we ook die data kunnen gaan inzien? Ja, dat weet ik wel zeker, want dat gebeurt in feite al wel. We hebben aan ons patiëntendossier ook een koppeling zitten met, dat heet dan in dit geval MijnUMCG, dat mensen zelf in eigen gezondheidsomgeving kunnen kijken. Maar er zijn steeds meer ontwikkelingen waar je niet alleen kan zien wanneer je een afspraak hebt in het ziekenhuis, maar ook van, hoe staat het ervoor met mijn gezondheid? Dus een van de dingen waar we bijvoorbeeld wel over praten met patiënten is, bijvoorbeeld de bloeddruk, van is die goed of niet goed gereguleerd? Wat kun je daaraan doen? Maar ook bijvoorbeeld de zoutinname. Dus ik zei al van, als je teveel zout eet, is het niet goed voor je nieren. We weten ook dat als je daar feedback op geeft, dus je kan het makkelijk meten aan de urine, want zout wordt weer uitgescheiden in de urine. Dus aan de hand van, als je, We vragen mensen heel vaak om 24 uur lang urine te verzamelen en dat dan in te leveren. Daar meten we dan het zoutgehalte in en dan kun je zien hoeveel zout iemand heeft gegeten de dag ervoor. En daar kun je feedback op geven. Dus je ziet gewoon van, nou, ik zie dat u veel te veel zout eet, maar dat kan ook een app tegen iemand zeggen van, nou, het gaat goed of het gaat niet goed. En dan kan je zo bijsturen. En zeker voor een behoorlijke groep patiënten zou dat wel heel geschikt kunnen zijn. Ja, en ik denk ook voor sporters en dat soort zaken is dit natuurlijk ook mooie informatie om te hebben. Absoluut, ja, de eerlijkheid gebied te zeggen dat het niet voor alle patiënten geschikt is, want er zijn ook heel veel mensen die kunnen daar toch niet zoveel mee of zijn niet in staat om daar goed op in te grijpen, zeg maar. Maar voor een deel van de patiënten, zeker die actief met hun gezondheid bezig zijn, is dat zeker een goede oplossing. Ja, mooi. Nou ja, je noemde al dat jullie ook een beetje aan het kijken zijn rondom generatieve AI. We hebben een kaartspel. Misschien wil jij het even overnemen, Niels, dan hoef ik iets minder te praten. We hebben de AI Game Changer, waarin we eigenlijk een kaartspel hebben waarin we stelling hebben, om binnen organisaties te voor te zorgen dat we het gesprek erover hebben. En eigenlijk neem je stelling in het spel. En graag willen we je ook een stelling voorleggen. Nou, kom maar op. Je zag het, ik heb geschud. En de bovenste is geworden toekomstvisies en speculaties. En de stelling luidt, binnen een decennium zal elke beslissing in het bedrijfsleven ondersteund of genomen worden door generatieve AI. Ja, en dit geeft wel dan in de gezondheid. In de gezondheid, sorry. Ja. Dat is wel een heftige natuurlijk, want in hoeverre moeten we het willen. Je noemde het zelf ook al even. Ik denk, het zal zeker een hele belangrijke rol spelen. Of het volledig alles zal bepalen, dat weet ik niet. Maar ja, ik denk zeker, je ziet dat echt al wel gebeuren. Dat generatieve AI ook echt wel steeds meer invloed krijgt in de manier waarop wij praten met patiënten. Maar patiënten zelf natuurlijk ook komen met hun vragen. Het is natuurlijk super makkelijk om thuis even in ChatGPT in te vullen van, ja, wat is mijn nierziekte? Wat betekent het? Deze zijn mijn uitslagen, zeg het maar. Ja, en dan komen ze met vragen waar ik van soms ook wel even denk van, oh, oké. Zie je daar verschillend? Want jullie hadden natuurlijk al last van Google. Is het met ChatGPT beter, slechter of gelijk? Nou, ik denk eigenlijk beter. Want mensen googlen wat af. En er staat natuurlijk ook een heleboel, ja, toch wel desinformatie op internet. Zeker op het gebied van gezondheidszorg en ziektes. En ook allerlei dingen die helemaal niet wetenschappelijk onderbouwd zijn. Dus eigenlijk zou je willen dat mensen de informatie die ze zelf kunnen krijgen, zeg maar, alleen maar op wetenschappelijk onderzoek baseren. En niet op gewoon wat iemand zomaar online knalt zonder dat. Precies, wat Jantje en Pietje mee heeft gemaakt. Ja, en dat is misschien eigenlijk haast wel de meerderheid van de informatie op internet. Dus toch, ja, ervaringen. En ja, het liefst werken wij natuurlijk toch wel echt evidence-based. Dus dat iets echt onderzocht is van, het liefst met de controlegroep erbij en dan geblindeerd en zo. En voordat we dan echt zeggen, dit is echt een behandeling die wij ook echt doen. Dus ja, met Google hebben we daar wel veel last van gehad. En dat zal misschien met ChatGPT niet heel veel beter gaan worden. Aan de andere kant, ja, tot die modellen wel zo goed worden dat ze zich echt baseren op de wetenschappelijke onderzoeken. Ja, dan zou het wel eens beter kunnen worden. Ja. Maar dan wordt het ook interessant, want dan kan je gewoon echt discussies met patiënten hebben over, nou, jij vindt dit, wij denken misschien wel dat. En op basis van welke artikelen is dat dan? En hoe komen we daar samen uit? Ik zie dat er wel steeds meer gebeuren, hoor. Dat we echt dat soort gesprekken wel hebben met patiënten. En ja, het kost tijd en het vraagt wat van ons. Maar het levert ook wel echt heel veel op. Ja, het is een ander gesprek die je hebt inderdaad. Ja, next level. Het is natuurlijk wel hoe beter je begrijpt wat er aan de hand is, wat er gebeurt in je lijf en welke invloed je nog een beetje hebt. Hoe makkelijk je natuurlijk ook zelf in staat bent om veranderingen door te voeren. Ja, zeker. Dus het legt de regie ook voor een heel deel weer terug bij de patiënt. En dat is superbelangrijk. En de tijd dat natuurlijk de dokter tegen je zei van je moet dit of je moet dat of je mag dit niet of dat niet. Ja, die tijd ligt echt ver achter ons. Daar zijn we steeds kritischer in geworden inderdaad. En dat denk ik ook goed in deze. Want welke invloed heb ik en past dit bij mij? Op basis van wat je zelf al zegt uit onderzoek. Zijn er zoveel contexten, afhankelijkheden die er zijn. En wat voelt goed? Ja, dus ik denk dat het nog steeds wel een rol voor artsen zal zijn om dat ook goed te duiden. Dat bepaalde onderzoeken die gedaan zijn, zelfs hoe goed die onderzoeken ook zijn, zullen gedaan zijn in bepaalde groepen patiënten. En hoe vertaalt zich dat dan weer tot jouw individuele situatie? Om dat goed te kunnen duiden, ik denk dat met gen AI dat je daar toch ook nog niet helemaal komt. Dat je daar toch nog wel menselijke intelligentie voor nodig hebt. Dat weet ik ook wel zeker inderdaad. Je triggerde mij nog, je bent er zelf ingerold. Naar aanleiding van een bootcamp. Stel, luisteraar, maakt niet uit welke sector wil ook aan de slag met AI. Wat voor tips kan je die mensen, bedrijven meegeven als die hier ook waarde in zien of mee aan de slag willen? Ja, ik denk in de eerste plaats kijken om je in een eigen ziekenhuis. Want ik denk dat er al in de meeste ziekenhuizen echt al wel mensen hiermee bezig zijn. Dus probeer aan te haken bij initiatieven die er al zijn. Dat is één. En er is online natuurlijk ook de wereld te vinden aan trainingen die je kunt doen. Bijvoorbeeld, ik heb zelf ook zo'n Python course gedaan in honderd dagen. Weet je wel, dat je de basis kunt leren. Dat je een beetje je eigen snakeprogrammaatje kunt programmeren. Dat is natuurlijk hartstikke leuk. Maar dan snap je een beetje van hoe dat coderen werkt. Zo kun je toch van echt een beginner naar iemand die er al een beetje iets van weet en ziet wat er kan. Kan ontwikkelen zeg maar. Maar ik denk dat eigenlijk het belangrijkste toch wel is dat we erover in gesprek gaan met elkaar. En dat we ook steeds meer toch op medische bijeenkomsten deze onderwerpen voorbij zien komen. Al geef ik ook gelijk ruiterlijk toe dat de gezondheidszorg niet voorop loopt in ontwikkelingen op het gebied van de AI. Ik denk dat er toch nog steeds wel heel veel mensen echt lekker in hun eigen denkwereldje blijven zitten. En dat het ook echt wel nodig is om gewoon soms even flink zo'n vernieuwingsslag door te voeren. Ja, en daar helpen denk ik dit soort onderzoekstrajecten natuurlijk heel veel mee. Omdat het van theorie naar praktijk is met heel veel verschillende disciplines die meewerken. Dus een heel mooi initiatief. Ja, en het is fantastisch om die disciplines bij elkaar te brengen in de één onderzoeksgroep. En het is heel gaaf dat met die subsidies van de EU en van de NWO en zo dat het ook lukt om het geld te genereren. Om deze mensen ook daadwerkelijk in een team bij elkaar te krijgen. Want iedereen heeft weer zijn eigen steentje die die bijdraagt. Dus vanuit echt de hele technische hoek, maar ook weer vanuit de medische hoek. En ja, dat komt dan bij elkaar. Dus dat is wel heel mooi. Wat bij mij mooi opvalt en heel mooi dat je dat zegt is dat je op zoek gaat naar een stukje techniek. En dat je er zelf ook Python in bent gedoken. Maar eigenlijk ga je dus net even over de grenzen van het eigen vakgebied. En ik denk dat als we dat met elkaar steeds vaker gaan doen. Dat we vooruit gaan komen als technologie, maar ook als organisaties en als instelling inderdaad. Absoluut, ja dat hebben we dan wel nodig. Dat vraagt die mindset van dat mensen toch over hun eigen schaduw heen durven te stappen eigenlijk. Om je toch te verdiepen in iets wat je nog niet kent. En elkaar daar ook in tegemoet te komen in plaats van te denken van nou ik weet het zelf wel en het is wel goed zo. Ja en dat gaat alle kanten op. Dus dat jij wat van Python hebt opgedaan. Maar ook dat de Python experts wat van de zorgdomeinkennis op gaan doen. En ik denk dat daar inderdaad waar we meet in the middle de meeste waarde zit. Ja absoluut. Mooi om te horen. Nou dat lijkt me een hele mooie afsluiter. Martin, geweldig dat je vanuit Groningen, het was een twee uur enkele reis voor je om te komen. Dat je bereid was om dit aan ons en de luisteraars te vertellen. Super bedankt. Ja graag gedaan. Was het waard, zeker? Kijk dat horen we graag. En nou ja als jij hem wil afsluiten Niels. Ja dankjewel dat jullie weer luisteren naar de aflevering van AIToday Live. Vergeet je niet te abonneren op onze nieuwsbrief. Daar vind je de leukste nieuwtjes en de inside informatie. En vergeet je niet te abonneren op ons kanaal. Tot de volgende keer. [Muziek]