Multimorbiditeit
Multimorbiditeit betekent dat iemand tegelijkertijd twee of meer chronische aandoeningen heeft, zonder dat er één hoofdziekte is die de andere overheerst. Denk aan een 68-jarige vrouw met suikerziekte (diabetes type 2), hartfalen, artrose in haar knieën en een lichte depressie. Elk van die aandoeningen heeft zijn eigen behandelrichtlijn, eigen medicatie en eigen specialist, maar in de praktijk beïnvloeden ze elkaar voortdurend: de pijnmedicatie voor haar knieën kan slecht zijn voor haar hart, en haar vermoeidheid door hartfalen maakt het moeilijker om te bewegen, wat weer haar diabetes verergert.
Een handige vergelijking is die van een huis waarin de elektra, de verwarming en de waterleiding tegelijk kapot zijn. Je kunt niet zomaar één monteur sturen die alles apart repareert, want een ingreep aan de leidingen kan de bedrading raken, en andersom. Zo werkt het ook in de zorg: het systeem is historisch ingericht rond één ziekte per specialist en per richtlijn, terwijl steeds meer mensen — vooral ouderen — met een combinatie van aandoeningen leven. Technologie zoals data-analyse, kunstmatige intelligentie (AI) en digitale zorgplatforms probeert deze versnippering aan te pakken, en dat is waarom multimorbiditeit ook een onderwerp is binnen toekomsttechnologie.
Wat is het precies?
Artsen en onderzoekers hanteren meestal de definitie dat iemand multimorbide is bij twee of meer langdurige (chronische) aandoeningen tegelijk, zoals diabetes, COPD, hartfalen, artrose, depressie of een beroerte in de voorgeschiedenis. Dit verschilt van het begrip comorbiditeit, waarbij één ziekte als hoofdaandoening geldt en de andere als bijkomend probleem wordt gezien — bijvoorbeeld kanker met diabetes als bijkomende aandoening. Bij multimorbiditeit is er geen hiërarchie: alle aandoeningen tellen even zwaar mee.
De complexiteit zit niet alleen in het aantal ziekten, maar vooral in de interacties. Iemand met vier aandoeningen kan zomaar tien tot vijftien verschillende medicijnen krijgen voorgeschreven, wat het risico op gevaarlijke wisselwerkingen tussen medicijnen vergroot (dit heet polyfarmacie). Elke richtlijn is los ontwikkeld voor één ziekte, en richtlijnen houden zelden rekening met wat er gebeurt als een patiënt drie andere richtlijnen tegelijk moet volgen.
Hier komt technologie in beeld. Onderzoekers proberen elektronische patiëntendossiers (EPD's) te koppelen en met algoritmes te doorzoeken, zodat een computer niet naar één ziekte kijkt maar naar het complete plaatje van een patiënt. Zulke systemen kunnen in theorie waarschuwen voor medicijninteracties, risico's op ziekenhuisopname inschatten, en artsen helpen prioriteiten te stellen wanneer behandeldoelen van verschillende ziekten met elkaar botsen.
Wat wil men ermee bereiken?
Het belangrijkste doel is dat mensen met meerdere chronische ziekten een samenhangende behandeling krijgen in plaats van los van elkaar werkende specialisten die elkaar soms tegenspreken. Concreet betekent dit: minder onnodige medicatie, minder tegenstrijdig medisch advies, en zorg die uitgaat van wat voor de patiënt zelf belangrijk is (bijvoorbeeld: nog zelfstandig kunnen wonen) in plaats van van geïsoleerde streefwaarden per ziekte.
Daarnaast hoopt men kosten en druk op de zorg te verminderen. Mensen met multimorbiditeit veroorzaken een onevenredig groot deel van de ziekenhuisopnames en zorgkosten, vaak juist doordat problemen laat worden opgemerkt of doordat behandelingen elkaar in de weg zitten. Met data-analyse en risicovoorspelling wil men vroeger ingrijpen: patiënten identificeren die een hoog risico lopen op verslechtering, nog vóórdat er een crisis ontstaat.
Een derde ambitie is patiënten zelf meer grip te geven op hun eigen gezondheidsgegevens, bijvoorbeeld via een persoonlijke digitale omgeving waarin alle informatie van huisarts, ziekenhuis en apotheek samenkomt. Dat klinkt eenvoudiger dan het is, want zorgsystemen zijn wereldwijd opgebouwd uit los van elkaar ontwikkelde software die niet automatisch met elkaar praat.
Voorbeelden uit de praktijk
Een van de meest aangehaalde studies is die van Karen Barnett en collega's van de University of Glasgow, gepubliceerd in The Lancet in 2012. Op basis van gegevens van bijna 1,8 miljoen Schotse patiënten lieten zij zien dat multimorbiditeit al op middelbare leeftijd veel voorkomt en niet alleen een ouderdomsprobleem is — een studie die het onderwerp definitief op de kaart zette.
Het Europese project SELFIE (Sustainable intEgrated care for people with Multi-morbidity in Europe), gefinancierd binnen het EU-programma Horizon 2020, liep van 2015 tot 2019 in acht Europese landen en ontwikkelde en testte modellen voor geïntegreerde zorg bij multimorbiditeit, inclusief digitale ondersteuning voor zorgverleners.
Eerder al bracht het project ICARE4EU (2013-2016), gefinancierd door de Europese Commissie, in kaart welke innovatieve zorgpraktijken voor mensen met meerdere chronische ziekten al in Europa bestonden, van digitale zorgpaden tot wijkgerichte teams.
In de Verenigde Staten publiceerden onderzoekers van Mount Sinai (Riccardo Miotto e.a.) in 2016 een AI-model genaamd Deep Patient, dat op basis van elektronische patiëntendossiers probeerde te voorspellen welke ziekten een patiënt in de toekomst zou ontwikkelen — een vroeg voorbeeld van AI die verder kijkt dan één aandoening.
In Nederland houden het Nivel (Nederlands instituut voor onderzoek van de gezondheidszorg) en het RIVM via huisartsenregistraties bij hoe vaak multimorbiditeit voorkomt en hoe dit zich ontwikkelt. Daarnaast werkt de stichting MedMij aan een landelijke standaard waarmee Nederlanders via een persoonlijke gezondheidsomgeving (PGO) hun medische gegevens van meerdere zorgverleners in één digitale omgeving kunnen verzamelen — relevant voor juist deze groep patiënten.
Hoe ver is de techniek?
Op epidemiologisch vlak — het in kaart brengen van hoe vaak en bij wie multimorbiditeit voorkomt — is al veel bekend, mede dankzij bovengenoemde studies. Op het vlak van daadwerkelijke technologische oplossingen staat het veld echter nog grotendeels in de onderzoeks- en pilotfase.
Geïntegreerde zorgmodellen zoals die uit SELFIE zijn getest in regionale pilots, maar zijn niet vanzelfsprekend op grote schaal ingevoerd; opschalen blijkt in de praktijk lastig omdat financiering, verzekeringssystemen en beroepsopleidingen nog grotendeels per ziekte zijn georganiseerd. AI-modellen die risico's over meerdere aandoeningen heen voorspellen, bestaan vooral als onderzoekspublicaties en kleinschalige experimenten; klinische validatie op grote, diverse patiëntengroepen is beperkt, en er is terechte zorg over vertekening (bias) wanneer modellen zijn getraind op data van niet-representatieve patiëntengroepen.
De grootste praktische horde is interoperabiliteit: het vermogen van verschillende softwaresystemen om gegevens met elkaar uit te wisselen. Elektronische patiëntendossiers van huisartsen, ziekenhuizen en apothekers zijn vaak techniek van verschillende leveranciers die niet naadloos samenwerken, waardoor een compleet beeld van een patiënt met meerdere aandoeningen in de praktijk moeilijk samen te stellen blijft. Ook is het onduidelijk op welke termijn dit fundamenteel verbetert; schattingen hierover zijn onzeker en vaak optimistischer dan de praktijk laat zien.
Wie werken eraan?
De Wereldgezondheidsorganisatie (WHO) agendeert multimorbiditeit al jaren als groeiend mondiaal probleem, vooral in verband met de toename van chronische, niet-overdraagbare ziekten. Academische centra zoals de University of Glasgow, Mount Sinai in New York, Amsterdam UMC en Erasmus MC in Rotterdam doen onderzoek naar zowel de epidemiologie als naar digitale hulpmiddelen voor deze patiëntengroep.
Binnen de Europese Unie financiert het onderzoeksprogramma Horizon Europe (opvolger van Horizon 2020) projecten gericht op geïntegreerde zorg en digitale ondersteuning bij multimorbiditeit. In Nederland zijn het Nivel en het RIVM de belangrijkste kennisinstituten die trends monitoren, terwijl MedMij als publiek-private standaardisatie-organisatie werkt aan technische afspraken voor gegevensuitwisseling tussen zorgverleners en patiënten.
Op de commerciële kant ontwikkelen grote leveranciers van elektronische patiëntendossiers, zoals het Amerikaanse Epic Systems, functionaliteit die rekening houdt met meerdere aandoeningen tegelijk. Het voormalige IBM Watson Health, dat zich richtte op AI-ondersteuning in de zorg, is in 2022 verkocht en verdergegaan onder de naam Merative — een voorbeeld van hoe dit veld ook commercieel nog volop in beweging is, met wisselend succes.