Met een nieuwe rekenmethode, gebaseerd op machinaal leren, is met bestaande gegevens vastgesteld dat het geregeld drinken van enkele koppen koffie per dag een duidelijke vermindering van de verzwakking van het hart tot gevolg heeft. De uitkomst is volgens de onderzoekers duidelijker dan wat er al bekend was over de effecten op de hartgezondheid van regelmatige koffieconsumptie. Het onderzoek verscheen online in Circulation: Heart Failure, een uitgave van de American Heart Association.

Basismateriaal
Amerikaanse onderzoekers op het terrein van machinaal leren, cardiologie en farmacologie namen de gegevens van drie grote, langlopende cohortstudie als basismateriaal, de Framingham Heart Study (FHS), de Cardiovascular Heart Study (CHS) en de Atherosclerosis Risk in Communities-studie (ARIC). Die gegevens worden doorlopend gebruikt en aangevuld voor onderzoek naar risicofactoren voor hart- en vaatziekten.

Als aanvulling op de gebruikelijke rekenmethodes van epidemiologisch onderzoek, gebaseerd op statistiek en kansberekening, onderwierpen ze de data aan een techniek die random forest analysis heet. Het voordeel van deze techniek is dat er op voorhand geen hypotheses en einddoelen bepaald hoeven te worden, maar dat de computer ‘at random’ op zoek gaat naar patronen in de data. De patronen die zich aandienen worden dan geïnterpreteerd. Uit dit onderzoek kwam duidelijk de gunstige invloed van koffiedrinken op de gezondheid van het hart naar voren.

Metafoor
De keuze om iets ingewikkelds aan de hand van een vergelijking of een metafoor uit te leggen lijkt een handreiking aan de lezer, bij wie de behandelde materie vermoedelijk boven de pet gaat. Maar vaak - in dit geval zeker - gaat achter een ludieke versimpeling ook het gebrek aan wetenschappelijke kennis schuil van degene die de kwestie moet uitleggen. Die het zelf ook niet helemaal begrijpt, maar er toch chocola van moet zien te maken in een stukje.

De metafoor dient zich hier vanzelf aan en is te mooi om te laten liggen. Zie de berg data van de drie hartonderzoekscohorten als drie verschillende soorten koffie, van verschillende soorten bonen, anders gebrand en geblend. Die ga je malen op drie manieren: grof, middelfijn, fijn. Om daar iets van te brouwen heb je apparaten nodig, dat zijn de hypothesen en de rekenmethodes. Je weet wat je wilt uitzoeken (en stiekem misschien ook al wat je wilt vinden), stelt een onderzoekshypothese op en kiest daar een methode bij: ouderwets koffiezetten met een papieren filter, een espressomachine met hoge druk en een cafetière waarin je de koffie moet doordrukken.

Drie koffiesoorten, met drie malingen, keer drie zetmethoden levert 27 brouwsels op. Die ga je beoordelen op allerlei eigenschappen: smaak, sterkte, kleur, cafeïnegehalte. Dat zijn je uitkomsten.

Koffiebonen
Maar dan is er nu een nieuwe Machine. Daar gooi je alle koffie in één keer in. Het apparaat kiest zelf wat het met de koffie doet, want het is geen domme mechanische koffiezetter, maar kan van elke koffieboon bepalen wat er mee gedaan moet worden voor het beste resultaat. En wordt daar al doende zelfs beter in.

Het voordeel is dat er niet gekozen hoeft te worden voor het type branden, blenden, malen en zetten, wat al heel veel bepaalt van wat voor koffie in het kopje komt. De selectie van de data, de hypothese en de wijze van berekening bepalen immers voor een groot deel de uitkomst. Zo niet in de slimme koffiemaker. Want die selecteert zelf, heeft geen sturende hypothese en kan rekenen als geen ander.

Zo komt elke koffieboon het best tot zijn recht. Maar alles hangt af van de kwaliteit van de bonen. En de gegevens op basis van door de deelnemers zelf ingevulde vragenlijsten, op basis van hun herinnering aan wat ze gegeten en gedronken hebben de afgelopen tijd, zijn notoir onbetrouwbaar.

Variabelen
“Normaal gesproken kiezen onderzoekers dingen waarvan ze vermoeden dat het risicofactoren zijn voor hartfalen - roken, bijvoorbeeld - en kijken dan naar rokers versus niet-rokers,” zegt David P. Kao, mede-auteur en onderzoeker aan de Universiteit van Colorado, in The New York Times. “Maar machine leren identificeert variabelen die een verhoogd of verlaagd risico voorspellen waar je niet noodzakelijkerwijs aan hebt gedacht.”

Zo vonden de onderzoekers 204 variabelen met een relatie tot verslechtering van de hartgezondheid, 41 daarvan duidelijk genoeg om nader onderzocht te worden. Daaronder roken, huwelijkse staat, BMI, cholesterol, bloeddruk en eetgewoonten. Maar wat er in alle drie de onderzochte datasets van de cohorten uitsprong als gewoonte die over lange tijd gerekend het risico op een slechtere hartgezondheid verminderde, was koffie.

Koffie veranderde in de medische geschiedenis van een kankerverwekkende stof in een hartversterkende stof. Niet de koffie veranderde, maar het onderzoek. Dat vraagt om wantrouwen
Kankerverwekkend
“Kunnen twee kopjes koffie per dag de hartdokter buiten de deur houden?” Dat vraagt Amanda Vest van de Tufts universiteit in Boston zich af in een opmerkelijk kritisch begeleidend commentaar bij deze studie.

Ze geeft een overzicht van hoe koffie in de medische geschiedenis van een kankerverwekkende stof een hartversterkende stof is geworden. Niet de koffie veranderde, maar het onderzoek. Dat vraagt om wantrouwen, en dat is er ook bij Vest over dit soort epidemiologische gecijfer nog altijd.

“De oorspronkelijke epidemiologische verbanden tussen koffieconsumptie en longkanker werden een schoolvoorbeeld van confounding in biomedisch onderzoek: personen met een hoge koffieconsumptie rookten vermoedelijk ook, en het duidelijke verband tussen koffie en longkanker verdween zodra werd gecorrigeerd voor de covariant roken,” schrijft ze. Tot 2016 noemde de World Health Organization koffie nog ‘carcinogeen’.

Gevolgtrekking
Maar in meerdere grote, observationele studies, gedaan met meerdere variabelen, werd gevonden dat koffie ongeveer hetzelfde effect heeft als volkoren granen. Een antioxidante werking vanwege de ruime hoeveelheid fytochemicaliën in koffie, die bescherming bieden tegen vrije zuurstofradicalen. Maar er is nog zoveel bias mogelijk in dit soort observationele onderzoek, dat de precieze relatie tussen koffie en het hart nog geheel onduidelijk is, zegt Vest.

“De belangrijkste kloof die overbrugd moet worden, is die van de causale gevolgtrekking,” schrijf Vest. Ook in dit onderzoek spelen zoveel onzekere factoren mee. Wat voor koffie werd er gedronken? Hoe sterk, met suiker en melk of zonder? Op welk tijdstip werd er koffie gedronken? Met of zonder iets te eten erbij? Werd de koffie thuis of op het werk gedronken? Wat is de invloed van sociaal-economische status van de koffiedrinkers?

Vest noemt het wel ‘intrigerend’ dat koffie een even grote invloed heeft als leeftijd, bloeddruk, hartslagfrequentie en lichaamsgewicht op hartgezondheid. Ze ziet duidelijk positieve kanten aan deze innovatieve benadering.

“Kunstmatige intelligentie-technieken, met inbegrip van machinaal leren, worden een integraal onderdeel van onze onderzoeksinfrastructuur en zijn bijzonder veelbelovend voor het leggen van de complexe, multidimensionale, heterogene verbanden waarvan wordt aangenomen dat zij de biologische en sociologische verbanden verklaren tussen voedingskeuzes en latere hartgezondheid,” besluit Vest.

Dat is nog best een opgave voor de lerende machines.
Dit artikel afdrukken