AI-modellen op basis van machine learning kunnen het risico op voedselallergie significant beter voorspellen dan artsen met de huidige standaardzorg. Dit blijkt uit een proof-of-conceptmodel dat onderzoeker en statisticus Tamar Landau van de universiteit van Haifa (Israël) presenteerde.1 “Dit model is ook toe te passen buiten de populatie waarin het model is ontwikkeld.”
De prevalentie van voedselallergie bij kinderen neemt de laatste decennia snel toe. “Er zijn verschillende risicofactoren, maar er zijn weinig onafhankelijke voorspellers voor voedselallergie”, schetst Landau de context. “Terwijl vroegtijdige herkenning van kinderen kan helpen om preventieve therapie in te zetten, zodat de allergie zich niet verder ontwikkelt. Met elektronische patiëntendossiers (EPD’s) beschikken we over een grote hoeveelheid routinematig verzamelde gegevens, waaronder veel van de bekende risicofactoren. Het is daarom interessant om te onderzoeken of kunstmatige intelligentie de informatie uit het EPD kan gebruiken om vroege kans op voedselallergie te voorspellen.”
Externe validatie
Tijdens het EAACI-congres in 2023 presenteerden Landau en haar collega’s hiervoor een algoritme.2 Nu is de externe validatie van dit algoritme gereed. “We hebben volledige en compacte algoritmen ontwikkeld voor elk eindpunt met behulp van een nationaal representatief cohort (n = 72.698). Vervolgens hebben we het algoritme gevalideerd op een onafhankelijke, externe dataset van een andere populatie (n = 1.764) om de robuustheid van het algoritme aan te tonen. Vervolgens is het voorspellend model als geheel gevalideerd met het Amerikaanse Infant Feeding Practices Study (IFPS2)-cohort van 1.135 kinderen. De voorspellende momenten vonden plaats op de leeftijd van 1 en 6 jaar.”
Nauwkeurige voorspelling
Het model voorspelde voedselallergie met grote nauwkeurigheid en consistent in alle cohorten. Opvallend is dat de standaardzorg er in de statistische resultaten bleekjes bij afsteekt qua betrouwbaarheid. Landau: “Dat komt omdat het AI-model veel meer risicofactoren meeneemt. Naast bekende risicofactoren voor voedselallergie, zoals de familiaire prevalentie van eczeem, toont ons model ook aan dat antibioticagebruik tijdens de zwangerschap een significant effect heeft op de ontwikkeling van voedselallergie bij het kind, maar ook antibioticagebruik door het kind in de vroege jeugd. Het gebruik van antibiotica heeft invloed op de diversiteit van het microbioom.”
Bronnen:
- Landau T. Improving food allergy risk prediction using routinely collected electronic medical record data: development and external validation, EAACI 2024, oral presentation 0019008.
- Landau T, Gamrasni K, Barlev Y, et al. A machine learning approach for stratifying risk for food allergies utilizing electronic medical record data. Allergy. 2024 Feb;79:499-502.