Dokter gaat beslissen wat te doen op basis big data, Limburg heeft voortrekkersrol

Gaat data science een toenemende rol spelen in het nemen van besluiten in geneeskunde? Kunnen we in de toekomst de dokter en patiënt helpen om besluiten te nemen op basis van data? Het kan. Limburg heeft hierin een voortrekkersrol en ontwikkelt de Personal Health Train. In Maastricht investeren ook de Universiteit Maastricht en het MUMC+ al stevig in data science en een research data-infrastructuur voor patiëntengegevens. De Universiteit Maastricht erkent de toenemende rol die data science speelt in onderwijs, onderzoek, bedrijfsleven en samenleving. André Dekker van GROW-MAASTRO houdt op 17 november zijn inaugurale rede over zijn onderzoek en het belang van data science en de ontwikkelingen die er op het gebied van leren van andermans data zijn.

Data science speelt een toenemende rol in onderwijs, onderzoek, bedrijfsleven, samenleving en geneeskunde. Vooral op het gebied van geneeskunde vindt een verschuiving plaats als het gaat om medisch handelen, mensen opleiden en innoveren; van evidence based medicine naar data driven medicine. Bij dat laatste helpen data de dokter en patiënt om besluiten te nemen op basis van met data gevalideerde voorspellingen. Daar zijn veel data voor nodig, maar data van patiënten kunnen niet zomaar gedeeld worden.

Leren van andermans data
André Dekker kiest in zijn onderzoek, gericht op het leren van andermans data, voor een radicaal andere aanpak. Dekker: “Als we de data niet naar het leren kunnen verplaatsen, moet het leren naar de data. Dat kan in een computerapplicatie die we naar de ziekenhuizen sturen. Deze applicatie stelt de vraag aan de lokale database, deelt vervolgens het antwoord met de buitenwereld maar deelt de data niet (distributed learning). Deze data leiden tot predictieve modellen; modellen die voorspellen wat de uitkomst zal zijn van een bepaalde behandeling bij een bepaalde patiënt. Voorwaarde is dat de kwaliteit van die modellen zo goed moet zijn dat daaraan niet getwijfeld kan worden.”

Uitdagingen
Distributed learning kent nog een aantal uitdagingen:

Technologische: hoe distribueer je applicaties over de hele wereld, hoe zorg je dat die veilig zijn en geen virussen bevatten, hoe zorg je dat ze open zijn, dat je als ziekenhuis weet welke data men gebruikt en wat met de buitenwereld wordt gecommuniceerd?
Wiskundige: hoe combineer je kennis uit diverse ziekenhuizen op een goede manier. Is de kennis die je met distributed learning opdoet niet minder goed dan gewoon alle data op een plek samenbrengen?
Ontologische: hoe zorg je dat data over heel de wereld dezelfde betekenis heeft. Als je de data niet meer met elkaar deelt, heb je niet meer de luxe van menselijke interpretatie van de data. De betekenis maar ook bijvoorbeeld de kwaliteit van de data moeten opeens te begrijpen zijn door de lerende applicatie die je rondstuurt. Dat stelt enorme hoge eisen aan de manier waarop de data wordt aangeboden aan de lerende applicatie.

Dekker vervolgt: “Interessantere vragen die ook rijzen zijn of er genoeg data zijn om de computer een goed voorspellend model te laten leren. Daarnaast moet ervoor gezorgd worden dat de best mogelijke data van en voor iedereen ter beschikking komen zodat wat we doen is gestoeld op harde gegevens en dat deze geëvalueerd kunnen worden. Daarnaast zullen we doorgaan met continue betere modellen leren, zodat er steeds minder aan de kwaliteit van modellen getwijfeld wordt.”

De afgelopen jaren is veel voortgang geboekt in genoemde technologische, wiskundige en ontologische uitdagingen. Inmiddels bestaat er een lerend netwerk, waarbij 20 centra uit bijna heel de wereld, op de door de UM ontwikkelde manier, van elkaars data kunnen leren.

Limburg heeft hierin een voortrekkersrol. Ondersteund door de provincie en in een samenwerking tussen het bedrijfsleven, de Universiteit Maastricht en Zuyd Hogeschool wordt in Limburg de Personal Health Train ontwikkeld. Hierin krijgen Limburgers meer controle over wat er met hun eigen data gebeurt en kunnen tegelijkertijd onderzoekers ook makkelijker leren van de beschikbare data. Met deze Personal Health Train erkent de Universiteit Maastricht de toenemende rol die big data, IT en data science spelen in onderwijs, onderzoek, bedrijfsleven en samenleving.