Onderzoekers van het Royal Veterinary College hebben ontdekt dat algoritmen van machine learning het potentieel hebben om de diagnose van het syndroom van Cushing bij honden te verbeteren.
Het syndroom van Cushing is een van de meest voorkomende endocriene ziekten bij honden. Het treedt op als gevolg van een chronische overmaat aan circulatoire glucocorticoïden. Dieren ouder dan negen jaar, bepaalde rassen (Bichon Frisé, Yorkshire Terrier en Jack Russell Terrier), evenals teven, lopen een verhoogd risico om de ziekte te ontwikkelen.
Bovendien lopen honden met het syndroom van Cushing een verhoogd risico op het ontwikkelen van andere ziekten, zoals diabetes mellitus, hypertensie en pancreatitis, waardoor een snelle en nauwkeurige diagnose nog belangrijker wordt.
Het krijgen van een juiste en vroege diagnose van het syndroom van Cushing is cruciaal voor het bieden van de best mogelijke behandeling. De diagnose kan echter moeilijk zijn omdat klinische symptomen, zoals een hogere waterconsumptie en plasfrequentie, verhoogde eetlust, opgezwollen buik, spierzwakte, verlies van lichaamshaar, hijgen en lethargie, niet ziektespecifiek zijn.
In de klinische praktijk wordt de diagnose gesteld met behulp van verschillende technieken voor bloedanalyse. Dit proces kan echter tijdrovend en kostbaar zijn voor huiseigenaren en levert in sommige gevallen geen nauwkeurige resultaten op.
Om deze uitdagingen aan te gaan, werd een onderzoek uitgevoerd bij een populatie van 905.544 honden die verschillende veterinaire klinieken in het Verenigd Koninkrijk bezochten, van wie 10.141 werden geïdentificeerd met tekenen van het syndroom van Cushing.
Na handmatige selectie van kandidaten werden 939 honden geëvalueerd voor onderzoek en meting van de diagnostische werkzaamheid van de test voor het syndroom van Cushing.
Met behulp van gestructureerde klinische gegevens om demografische gegevens van honden, klinische symptomen bij presentatie en laboratoriumresultaten te observeren, werden algoritmen voor machine learning toegepast om het syndroom van Cushing te diagnosticeren.
Honden waarvan vermoed werd dat ze het syndroom van Cushing hadden, werden in de analyse opgenomen en geclassificeerd volgens de definitieve diagnose die in hun klinische dossiers werd vermeld.
De resultaten geven aan dat een door machine learning ondersteunde diagnose de klinische dierenarts zou kunnen helpen bij de aanpak van cases, en dat het gebruik van machine learning-methoden in de klinische praktijk de diagnose van het syndroom van Cushing bij honden kan helpen verbeteren.
Hoofdauteur Imogen Schofield merkt op : "Algoritmen voor machine learning, zoals die in dit onderzoek worden gebruikt, zijn al op grote schaal geïntegreerd in ons dagelijks leven om bepaalde beslissingen te helpen nemen, zoals aanbevelingen van Google of Netflix. Nu kan deze technologie worden gebruikt om de diagnostiek in de veterinaire praktijk te helpen verbeteren."
Technologische kansen voor andere ziekten
Daarnaast zou de verdere ontwikkeling van deze algoritmen kunnen leiden tot eerdere, betrouwbaardere en kosteneffectievere diagnoses en daarmee tot betere klinische zorg voor honden met het syndroom van Cushing. Het zou ook kansen kunnen creëren om deze technologie toe te passen op andere ziekteproblemen en -processen.
"Door het gebruik van machine learning-methoden te omarmen, zijn we een stap dichter bij het aan eerstelijnsdierenartsen bieden van een gebruiksvriendelijke, goedkope en nauwkeurige test die het vaak frustrerende diagnoseproces van het syndroom van Cushing bij honden kan ondersteunen", zegt Schofield.