Het BreathCloud project


BreathCloud is een samenwerkingsproject van het Academisch Medisch Centrum (AMC) Amsterdam, en het Longfonds. Dankzij een bijdrage van de VriendenLoterij is sinds september 2015 een grootschalig praktijkonderzoek gestart in meerdere onderzoekscentra en huisartsenpraktijken in Nederland.
“Wij hebben als doel dat de SpiroNose in combinatie met het BreathCloud platform over een aantal jaar bij vele huisartsen in de spreekkamer staat” zegt Rianne de Vries, Technisch Geneeskundige.

De afgelopen 2 jaar is het gelukt om een eNose te ontwikkelen en te valideren die geschikt is om in de dagelijkse praktijk gebruikt te worden, de SpiroNose. Er is uitgebreide interesse bij medici voor deze Spironose, zoals blijkt uit de vele reacties van huisartsen en specialisten op onze publicaties en presentaties op congressen in Nederland en in het buitenland. Maar de huidige onderzoeksgegevens waren nog niet toereikend. De beroepsgroepen hebben terecht gewacht op resultaten van grotere groepen van patiënten uit de praktijk van alledag, voordat zij over willen gaan op het gebruik, en de aanschaf van de SpiroNose. Deze resultaten zijn er nu!


“Op dit moment stelt het systeem bij 9 op de 10 mensen een juiste diagnose. " zegt Rianne de Vries.

Het is daarom nu van belang om de SpiroNose in combinatie met BreathCloud geleidelijk op te schalen binnen Nederland en een kosten-baten analyse uit te gaan voeren. In de deelnemende praktijken zullen de komende periode SpiroNose bepalingen worden uitgevoerd bij patiënten met longklachten. De resultaten die worden teruggekoppeld door het BreathCloud systeem zullen worden vergeleken met de diagnose die door de arts wordt gesteld aan de hand van andere diagnostische testen zoals longfunctie metingen, bloedonderzoek en beeldvorming. Dit levert een validatie set op van ten minste 1.000 bepalingen bij patiënten met een verdenking op astma, COPD, longkanker en andere longaandoeningen.

Tenslotte wordt de aankomende periode gebruikt voor de verdere ontwikkeling van de data-analyse algoritmes om een nog nauwkeurigere diagnose te kunnen stellen. Wij streven ernaar om voor de individuele patiënt, op basis van zijn of haar patiënt karakteristieken en op basis van de vraagstelling van de arts het best mogelijke model te ontwikkelingen om tot een uitslag te komen.