Pollenpieken veroorzaken elk jaar weer rinitis, astma-exacerbaties of andere hypersensitiviteitsreacties. Een internationaal team onder leiding van aerobioloog dr. Maria Plaza heeft een geavanceerd AI-model ontwikkeld dat de blootstelling aan graspollen verrassend goed kan voorspellen.1
Het voorspellen van pollenconcentraties is lastig. Weersomstandigheden, topografie en seizoenswisselingen hebben invloed op pollenverspreiding. Het nauwkeurig kunnen voorspellen van hoge pollenconcentraties is wel van belang: het helpt mensen om te kunnen anticiperen op de piek en kan klachten verminderen of voorkomen.
Combinatiemodel
Onderzoekers uit Duitsland en Spanje hebben daarom een combinatiemodel gemaakt. Dit model combineert voorspellingen van verschillende gegevensbronnen, zoals actuele weersomstandigheden (temperatuur, luchtvochtigheid en neerslag) en pollenmetingen uit de periode 2016-2023 met traditionele pollenvalmonsters (Hirst-type) als geautomatiseerde sensoren (BAA500). Na het bouwen van 61(!) kandidaatmodellen hebben de onderzoekers de 7 best presterende algoritmen geselecteerd. Dit model is getest in 2 steden: het Duitse Augsburg met een continentaal en nat klimaat, en het warme en droge Spaanse Córdoba.
Realtime voorspellen
De prestaties van het model zijn in 2024 gevalideerd. Plaza: “Bij gebruik van traditionele meetsystemen haalde het combinatiemodel een verklaarde variantie (R²) van 0,64 in Augsburg en 0,63 in Córdoba. Dit was al behoorlijk accuraat, maar liep in Augsburg op tot 0,9 met de automatische BAA500 Pollen Monitor (PoMo)-monitor. Vooral bij hogere pollenconcentraties bleek het combinatiemodel nauwkeuriger en consistenter dan losse modellen.”
Beter plannen
De voorspellingen zijn ook vergeleken met symptomen die patiënten meldden via de PollDi-app.2 Daaruit blijkt een sterke correlatie tussen de gemeten pollenpieken en ervaren allergieklachten, waaronder nasaal, oculair en broncholpulmonair (R² = 0,88). Plaza: “Dankzij de realtime data blijkt het model niet alleen accuraat, maar ook flexibel genoeg om voorspellingen te doen waardoor patiënten inzicht krijgen in risicomomenten en hun dagelijkse activiteiten beter kunnen plannen. Ons model kan een goed raamwerk zijn voor andere initiatieven vanuit de volksgezondheid om mensen tijdig te waarschuwen.”
Bronnen:
- Plaza M, Osteros J, Holzmann C, et al. Enhancing pollen forecasting for allergy management. EAACI 2025, oral abstract session 100644.
- Holzmann C, Karg J, Reiger M, et al. Clinical benefits of a randomized allergy app intervention in grass pollen sufferers: a controlled trial. Allergy. 2025 Apr 17. Online ahead of print.