Van ruwe data naar betere beslissingen in de zorg
De zorg wordt steeds data-intensiever. Van klinische trials tot patiëntendossiers en biomedische metingen. Maar ondanks al die data blijven veel medische beslissingen gebaseerd op statistische methoden die tientallen jaren oud zijn. Volgens Saddle Point Science kan dat anders. En vooral: beter.
Saddle Point Science ontwikkelt geavanceerde wiskundige en statistische software waarmee artsen en onderzoekers betrouwbaarder inzichten uit medische data kunnen halen. Met als ultiem doel: betere voorspellingen, gerichtere behandelingen en minder verspilling in de zorg.
Aan het roer staat Ton Coolen, theoretisch natuurkundige met een succesvolle, lange academische carrière in het Verenigd Koninkrijk. Sinds 2022 is Saddle Point Science ook actief in Nederland, vanuit de Radboud-campus in Nijmegen.
“We analyseren medische data met apparatuur uit 1974”
Ton Coolen steekt zijn verbazing niet onder stoelen of banken: “Aan het einde van hypermodern medisch onderzoek worden data vaak geanalyseerd met methoden die meer dan vijftig jaar oud zijn. Dat zou niemand accepteren als het om medische apparatuur ging.”
Volgens Coolen is dit één van de belangrijkste redenen waarom zoveel klinische studies falen, vooral bij complexe ziekten zoals kanker. Minder dan één op de negen oncologische trials leidt tot een succesvol resultaat. Dat kost niet alleen tientallen miljoenen euro’s per studie, maar ook kostbare tijd voor patiënten die wachten op betere behandelingen.
Gepersonaliseerde geneeskunde vraagt om nieuwe wiskunde
De belofte van gepersonaliseerde geneeskunde is helder: de juiste behandeling, voor de juiste patiënt, op het juiste moment. In de praktijk blijkt dat lastig. Veel behandelingen werken slechts bij een klein deel van de patiënten. Bij kanker soms maar twintig procent.
“Het probleem is niet dat we niets weten,” legt Coolen uit. “Het probleem is dat we met de huidige methoden niet goed kunnen voorspellen wie wél en wie níet baat heeft bij een behandeling.”
Saddle Point Science heeft daarom met nieuwe Bayesiaanse modellen een methode ontwikkelt die onzekerheden expliciet meenemen. Daarbij combineren ze statistiek met technieken uit de theoretische natuurkunde. Een unieke combinatie die het mogelijk maakt om betrouwbare voorspellingen te doen, zelfs bij kleine patiëntengroepen.
Minder patiënten, meer inzicht
Een veelvoorkomend probleem in medisch onderzoek is het werken met kleine datasets. Zeker bij zeldzame aandoeningen of dure behandelingen is het aantal beschikbare patiënten beperkt. Tegelijkertijd worden per patiënt steeds meer variabelen gemeten.
Dat vergroot het risico op zogenoemde overfitting: patronen die statistisch indrukwekkend lijken, maar in werkelijkheid toeval zijn. “Hoe meer je meet, hoe groter de kans dat je iets vindt dat niet echt is,” zegt Coolen. “Onze methoden corrigeren dat.”
Door gebruik te maken van geavanceerde wiskundige technieken kan Saddle Point Science met aanzienlijk minder patiënten toch betrouwbare conclusies trekken. Dat versnelt onderzoek en verlaagt kosten, zonder in te leveren op kwaliteit.
Data delen zonder data te verplaatsen
Een ander groot obstakel in medisch onderzoek is het delen van data. Juridische beperkingen, privacywetgeving en institutionele terughoudendheid zorgen ervoor dat datasets vaak versnipperd blijven.
Saddle Point Science ontwikkelde hiervoor een oplossing: Bayesian Federated Inference. Daarbij blijven data lokaal in ziekenhuizen of onderzoekscentra, terwijl het analysemodel centraal kan reconstrueren wat zou zijn gevonden wanneer de data wel gedeeld waren geweest. Zo kan toch geleerd worden van gecombineerde datasets, zonder privacy te schenden.
Dit is vooral van grote waarde voor zeldzame ziekten, waar data schaars zijn en samenwerking essentieel is.
Van theorie naar praktijkimpact
De impact van deze aanpak blijft niet beperkt tot theorie. Saddle Point Science werkt inmiddels samen met internationale farmaceutische bedrijven en onderzoeksconsortia. Zo gebruiken partijen in het Verenigd Koninkrijk hun software om beter te voorspellen welke patiënten baat hebben bij nieuwe behandelingen.
“Als je kunt voorspellen wie die tien procent responders zijn, verandert een gefaald medicijn ineens in een effectief middel,” aldus Coolen. “Dat is winst voor patiënten, onderzoekers én zorgsystemen.”
Waarom AI hier niet het antwoord is
Hoewel artificial intelligence veel aandacht krijgt in de zorg, is Coolen kritisch. AI werkt vooral goed als er grote hoeveelheden gelabelde voorbeelden zijn, zoals bij medische scans. In klinisch onderzoek gebaseerd op medische trials is dat zelden het geval.
Bovendien draait medische besluitvorming vaak om zogenoemde counterfactual vragen: wat zou er zijn gebeurd als een patiënt een andere behandeling had gekregen? Dat soort vragen kan AI niet betrouwbaar beantwoorden.
“Slimme statistiek is hier geen luxe, maar noodzaak,” stelt Coolen.
Samenwerken is de echte uitdaging
Volgens Coolen is het grootste probleem niet technisch, maar cultureel. De medische wereld is terecht voorzichtig, maar daardoor ook traag in het omarmen van nieuwe analysemethoden. Regelgevers, onderzoekers, farmaceuten en patiëntenorganisaties opereren vaak langs elkaar heen.
“Als we echt vooruitgang willen boeken in kankeronderzoek, moeten alle stakeholders samen optrekken. Met de huidige, primitieve analysemethoden verspillen we kansen; een verspilling die we ons niet kunnen permitteren.” - Ton Coolen
Juist daar ziet Saddle Point Science ook een maatschappelijke missie: awareness creëren dat het anders kan en laten zien dat innovatie in data-analyse direct bijdraagt aan betere zorg.
De meerwaarde van Health Valley
De keuze om partner te worden van Health Valley was voor Saddle Point Science een logische stap. Na Brexit en de coronaperiode was het opbouwen van een Nederlands netwerk cruciaal.
Health Valley bood toegang tot relevante partijen, kennisdeling en zichtbaarheid binnen het ecosysteem van zorginnovatie. Events en ontmoetingen leverden waardevolle gesprekken op en verkortten de weg naar samenwerkingen.
“Health Valley helpt ons sneller de juiste mensen te vinden,” zegt Coolen. “Dat scheelt enorm veel tijd en versnelt impact.”
Oproep aan het netwerk
Saddle Point Science nodigt het Health Valley-netwerk uit om samen te werken aan een fundamentele verbetering van medische besluitvorming. Of het nu gaat om pilots, onderzoeksprojecten, klinische trials of awareness binnen organisaties.
De vraag is simpel maar urgent: durven we los te laten wat we altijd zo hebben gedaan, om ruimte te maken voor betere zorg?
