Beslisbomen kunnen artsen helpen om te midden van alsmaar groeiende kennis en behandelmogelijkheden de richtlijnen te kunnen blijven toepassen voor die ene specifieke patiënt. Drs. Mathijs Hendriks, internist-oncoloog bij de Noordwest Ziekenhuisgroep in Alkmaar, zette samen met collega’s de richtlijn Borstkanker om in een reeks beslisbomen voor de klinische praktijk.
“Kijk, dit is de beslisboom.” Mathijs Hendriks klikt op het scherm van de website oncoguide.nl, waarop de beslisbomen bij de richtlijn Borstkanker staan afgebeeld. “Deze beslisboom gaat bijvoorbeeld over diagnostiek, stadiëring en behandeling van primaire tumoren. Je ziet hoe de boom je leidt naar de verschillende behandeladviezen. Dat kan bijvoorbeeld direct een borstoperatie zijn of eerst neoadjuvante behandeling. Zoals je ziet, doorloop je in dat laatste geval een andere beslisboom.”
Hendriks beschreef samen met collega’s een methode om op basis van richtlijnaanbevelingen algoritmen in de vorm van beslisbomen te ontwikkelen. Ze pasten de methode toe op de richtlijn Borstkanker. In mei jl. publiceerden ze hierover in The Journal of Clinical Oncology – Clinical Cancer Informatics.1 “De beslisbomen volgen het zorgtraject van de patiënt, van initiële diagnostiek tot aanvullende behandeling na operatie,” legt Hendriks uit. “De knooppunten van de beslisbomen representeren data-items die de eigenschappen van patiënt en ziekte weergeven, zoals het tumorstadium. De takken staan voor de afkappunten, en de bladeren van de beslisboom voor de zorgaanbevelingen. Het maakt niet uit waar je begint, bij elke combinatie van patiënt- en tumorgegevens kom je via de beslisbomen uiteindelijk uit bij de richtlijnaanbeveling voor die specifieke patiënt.”
Collaborative learning
De beslisbomen, in feite algoritmen in de zorg, helpen de multidisciplinaire behandelteams om te midden van alsmaar groeiende kennis en toenemende mogelijkheden voor personalized medicine de richtlijn te kunnen toepassen voor die ene individuele patiënt. Ze zijn daarbij géén richtsnoer over hoe je zou moeten handelen, benadrukt Hendriks. “Beslisbomen zijn hulpmiddelen, net als de richtlijn zelf. Ze geven inzicht in de opties en aanbevelingen uit die richtlijn, niets meer en niets minder. Ze tasten de autonomie van de arts niet aan.”
Integendeel, werken met beslisbomen moedigt artsen juist aan om hun besluiten te registreren, zeker als die afwijken van de richtlijn, vervolgt Hendriks. “Dat laatste komt regelmatig voor. Dat kan meerdere redenen hebben, denk aan comorbiditeit of omdat de patiënt andere wensen heeft. Ik had laatst een violiste op het spreekuur die niet wilde dat haar oksel geopereerd zou worden. Ik noteer dat in de poliklinische brief, maar ik kan dat niet registreren, daar is ons registratiesysteem niet op ingericht. Die informatie komt daardoor spijtig genoeg niet terecht bij de Nationale Kankerregistratie (NKR), terwijl het wél belangrijk is om te weten waarom ik in dit geval afwijk van de richtlijn.”
Hendriks is daarom blij dat de beslisbomen het straks mogelijk maken dat behandelaars hun beargumenteerde afwijkingen van de richtlijn wél kunnen registreren. “We hebben data nodig om te leren van wat er gebeurt in de klinische praktijk, zo ontstaat er tweerichtingsverkeer. De richtlijn geeft adviezen op basis van de stand van de wetenschap, en alle gemotiveerde feedback uit de klinische praktijk krijgt op zijn beurt een plek in de richtlijn. De richtlijncommissie zorgt vervolgens op basis daarvan voor herziening van dat specifieke deel van de richtlijn. Dat heet collaborative learning, je leert met elkaar van data uit de klinische praktijk. Die zijn net zo belangrijk als data uit wetenschappelijk onderzoek. Het zijn signalen die zeggen: kijk, hier wijkt het veld af van de richtlijn, daar moeten we wat mee. Zo ontstaat een levende richtlijn.”
Nuances blijven behouden
Ook nieuwe wetenschappelijke inzichten kunnen leiden tot herziening van de richtlijn. “Beslisbomen maken zo’n herziening een stuk eenvoudiger. Voorheen moesten we dan een hele papieren richtlijn van 200 pagina’s herschrijven. Met beslisbomen hoeft dat niet langer. Op het moment dat je nieuwe kennis hebt, ga je naar de betreffende beslisboom, en die pas je aan. Zo’n update is minder werk en verloopt sneller dan de herziening van een hele richtlijn. Dat is goed voor de kwaliteit van onze patiëntenzorg, omdat onze richtlijnen daardoor beter up-to-date blijven.”
Wat daarbij helpt, is dat de 114 data-items waarmee de beslisbomen van de richtlijn Borstkanker zijn beschreven, zoveel mogelijk zijn gebaseerd op internationale classificaties en coderingssystemen. “Hierdoor ontstaat eenheid van taal. Dat is een belangrijke randvoorwaarde voor elektronische gegevensuitwisseling en veelvuldig gebruik van eenmalig vastgelegde data. Als je werkt met gestandaardiseerde definities, bijvoorbeeld over welke patiënten in aanmerking komen voor gendiagnostiek, dan kun je daardoor ook sneller nieuwe kennis of behandelinterventies inpassen in je beslisbomen.”
Aanbevelingen waarvoor in de literatuur weinig bewijslast is, worden in de richtlijnen opgenomen op basis van consensus door zorgprofessionals. Ook bij de beslisbomen is dat zo, benadrukt Hendriks. “De nuances in de richtlijn blijven behouden in de beslisbomen. Ze maken de richtlijn niet onbedoeld zwart-wit. Ook aan de status van de richtlijnadviezen verandert niets.”
Elektronisch patiëntendossier
De beslisbomen bij de richtlijn Borstkanker zijn nog niet gekoppeld aan het elektronisch patiëntendossier (EPD) van individuele patiënten. Dat is wel waar Hendriks heen wil. “De kracht van beslisbomen ligt erin dat we ze straks automatisch kunnen vullen met de patiëntgegevens uit het EPD. Dat zou de registratielast voor artsen verminderen, omdat ze dan nog maar één keer hoeven te registreren aan de bron. Een eenmalige dataregistratie is voldoende. Die data kunnen ze vervolgens hergebruiken, ook voor NKR-registraties en registraties voor auditing parties. Nu moeten artsen alle data soms vijf keer afvinken. Dat kost te veel tijd.”
Voorlopig is de koppeling met het EPD nog toekomstmuziek, beseft Hendriks. “Zowel artsen als het IKNL oefenen nu lichte druk uit op de EPD-leveranciers om ons hierbij te helpen. Ik heb goede hoop dat dat gaat lukken.”
De beslisbomen kunnen een waardevolle bijdrage leveren aan wetenschappelijk onderzoek, verwacht Hendriks. “Doordat je met beslisbomen specifiek kunt karakteriseren wat voor type patiënt je hebt, kun je deze patiënt ook uitnodigen om deel te nemen aan wetenschappelijk onderzoek. Je kunt in de beslisboom bijvoorbeeld zogenoemde trial alerts inbouwen, zodat er bij bepaalde richtlijnaanbevelingen pop-ups verschijnen: deze patiënt komt in aanmerking voor die studie. Vervolgens kan de arts de patiënt vragen of hij daaraan wil meedoen.”
De beslisbomen hebben nóg een voordeel. “Doordat ze real-liferegistratie van meerdere subgroepen patiënten mogelijk maken, kunnen we beter vergelijken hoe die groepen patiënten het doen in de verschillende ziekenhuizen. We kunnen ziekenhuizen dus eerlijker vergelijken op uitkomsten van zorg. Bovendien kunnen we patiënten beter informeren over behandeluitkomsten bij verschillende patiëntencategorieën. Zij kunnen daardoor beter onderbouwde behandelkeuzes maken.”
Berg aan data
Het werken met beslisbomen staat nog maar aan het begin, vermoedt Hendriks. “Verschillende tumorgroepen bij het IKNL werken momenteel aan beslisbomen voor andere tumorsoorten, zoals prostaat-, colorectaal- en hoofd-halstumoren. Met onze studie wilden we weten of je complexe richtlijnen, zoals de richtlijn Borstkanker, kunt omzetten in beslisbomen. Ja, dat kan dus. Als het voor borstkanker kan, dan kan het ook voor andere tumorsoorten. Ik ben daar blij om. Ook omdat we de ict daarmee volop inzetten voor onze zorgprocessen. Geen enkele sector heeft de afgelopen jaren zo weinig geprofiteerd van de ict-mogelijkheden als de gezondheidszorg. We zitten op een berg aan data, maar we doen er véél te weinig mee. Het wordt tijd dat dat verandert.”
Referentie
1. Hendriks MP, et al. JCO Clin Cancer Inform 2019;3:1-14.
Drs. Michel van Dijk, wetenschapsjournalist
Oncologie Up-to-date 2019 vol 10 nummer 4