Hoe kunnen we data die we beschikbaar hebben zo slim mogelijk gebruiken om medisch specialisten te ondersteunen bij het bepalen van een diagnose en behandelplan? Deze vraag stelt Mathie Leers, bijzonder hoogleraar Data-driven decision making in healthcare. Leers wil al deze data in kaart brengen met behulp van AI. Hij spreekt zijn oratie daarover in december uit.
‘In het ziekenhuis genereren we heel veel data. Die bestaan onder andere uit getallen, microscopische beelden, röntgenbeelden en platte tekst’, zegt Leers. ‘Naast de data die we rapporteren, genereren we op het laboratorium nog een heleboel waardevolle data, maar die worden op dit moment nog niet of nauwelijks gebruikt. Al die data samen wil ik gebruiken om risicomodellen te ontwikkelen’.
Gezondheidsfactoren buiten het ziekenhuis
Naast de data die in het ziekenhuis worden verzameld, kunnen aan het risicomodel ook gezondheidsfactoren van buiten het ziekenhuis worden gekoppeld. Zoals laboratoriumdata afkomstig van bloedonderzoek door de huisarts, die veelal vroeg in het ziekteproces zijn afgenomen. Maar ook data die iets vertellen over de milieu- en leefomgeving van patiënten, of de sociaaleconomische status.
‘De gezondheid van mensen wordt beïnvloed door een breed scala aan interne en externe factoren, waarbij de fysieke leefomgeving een aanzienlijke rol speelt. In Nederland wordt naar schatting 2-5% van de ziektelast veroorzaakt door milieufactoren.’
Met AI patronen vinden
Het doel van het in kaart brengen van al die data is uiteindelijk om met behulp van AI patronen te vinden die medisch specialisten ondersteunen bij het bepalen van een diagnose en het behandelplan. Door bijvoorbeeld patronen te identificeren die door mensen moeilijk te detecteren zijn.
Leers spreekt zijn oratie met de titel ‘Patronen in data: wegwijzer naar betere beslissingen’ uit op vrijdag 13 december 2024 om 16:00 uur aan de Open Universiteit in Heerlen. Voorafgaand aan de oratie is het symposium ‘Van chaos tot orde: patronen in data begrijpen’.