Overslaan en naar de algemene inhoud gaan

Fagron doneert 50.000 euro aan AZ Delta voor onderzoek

Fagron doneert 50.000 euro aan AZ Delta voor onderzoek

Nieuws
11/05/2020

De diensten laboratoriumgeneeskunde, medische beeldvorming, longziekten en intensieve zorg van AZ Delta hebben heel wat data verzameld van het groot aantal COVID-19-patiënten die behandeld werden in het ziekenhuis. Die data worden verzameld en in modellen gegoten om de het ziekteproces beter te begrijpen en de zorg te optimaliseren. Dit sluit perfect aan bij de missie van RADar, het leer- en innovatiecentrum van AZ Delta, als hub van de datagedreven geneeskunde.

Vorige maand hebben de niet-uitvoerende leden van de raad van bestuur van Fagron besloten om voor het boekjaar 2020 vrijwillig afstand te doen van 25 procent van hun bezoldiging en die te gebruiken om het COVID-19-virus te bestrijden. Voor hun project kozen ze voor het lab klinische biologie van AZ Delta.

12.000 PCR-tests

In AZ Delta zijn sinds eind februari meer dan 500 COVID-19 patiënten opgenomen.  Door de bijzondere hevigheid van de COVID-19-crisis in West-Vlaanderen (regio Roeselare-Kortrijk) beschikt AZ Delta over een immense hoeveelheid data: van 1 maart tot 25 april 2020 werden meer dan 2000 mensen, verdacht van COVID-19-longziekte, gescreend met CT-scans en in het lab van AZ Delta werden meer dan 12 000 PCR-tests uitgevoerd, aangevuld met een gestandaardiseerd bloedonderzoek op zoek naar typische inflammatoire en immunologische signaturen van de ziekte.

COVID-19-database

Om deze datagedreven diagnostiek te ondersteunen, werd begin maart een nieuw initiatief gestart: het COVID3 AZ Delta Data-driven Diagnostics-platform bundelt de expertise van de dienst radiologie, labotoriumgeneeskunde ondersteund door een bioinformatische datacel binnen RADar.

De COVID-19-database omvat momenteel alle relevante gegevens van meer dan 1500 patiënten, zoals demografische eigenschappen, resultaten van longscans en bloedonderzoeken. De volgende stap is om op basis van deze unieke data modellen te ontwikkelen voor nog betere diagnostiek en voorspelling van behandeling. Het doel is om de resultaten van deze modellen zo snel mogelijk publiek te delen.

Auteurs: 
Redactie