Lectoraat AI & Data Supported Healthcare

De zorg is complexer geworden en daarmee ook uitdagender voor de individuele gezondheidszorgprofessional die steeds vaker wordt geconfronteerd met langdurige complexe ziekten binnen eveneens complexe sociale en fysieke contexten. In de laatste decennia is het duidelijk geworden dat gezondheid verder gaat dan de traditionele ziekte kaders waar de zorg nog steeds omheen georganiseerd is. Deze complexiteit vereist een bredere blik waarbij data-technologie ondersteuning kan bieden bij complexe beslissingen in diagnostiek en behandeling maar dient ook toegankelijk en begrijpelijk te zijn voor de burger.

AI & Data Supported Healthcare is een trans-disciplinaire onderzoeksgroep vanuit (sociale) zorg, en technologie die innovaties ontwikkelen voor complexe maatschappelijke zorgvraagstukken. Desondanks dat binnen sectoren zoals de technologie en economie het gebruik van data-technologie veel gangbaarder is, blijkt de zorg nog op dit terrein achter te lopen. Binnen de zorg worden steeds meer data-toepassingen ontwikkeld maar deze zijn vaak kleinschalig van aard of zeer specialistisch. Steeds vaker wordt het duidelijk dat zorg leveren vanuit ziekte georiënteerde kaders niet voldoende is en dat de rol van de maatschappij en de gevolgen van langdurig ziek zijn zelf niet worden meegenomen op basis van de complexiteit of zelfs deze niet eens overwegen. Deze complexiteit is voor menig professional lastig te vatten en vallen dikwijls buiten (specialistische) ziekte kaders, waardoor de zorg gefragmenteerd kan worden maar ook minder effectief. Vooral bij langdurige ziekte, waarbij comorbiditeit ontstaat, en in het bijzonder voor kwetsbare individuen in armoede (sociaal/economisch) en met beperkte gezondheidsvaardigheden.

De toepassing van big data en AI in de zorg is in opkomst, en het ligt in de lijn der verwachting dat veel taken die nu nog bij zorgprofessionals liggen, worden overgenomen door AI, met daarbij de zorgprofessional wel altijd als eindverantwoordelijke. AI kan worden ingezet voor verbeterde klinische beslissingen (“AI-assisted clinical decision support”), voor de ondersteuning van verplegers, voor een verbeterde diagnose (bijv. geautomatiseerde tumorherkenning in MRI scans of digitale pathologie slides) of in DNA en eiwit analyse (“precision medicine”). Het is hierbij van groot belang dat AI verantwoordelijk wordt ingezet, en waar mogelijk uitlegbaar is. 

De aard van het lectoraat AI & Data Supported Healthcare is in zijn uitgangspunt trans-disciplinair en tracht diverse studenten te verbinden en een rijke context te bieden waarin de professional van de toekomst zich kan ontwikkelen. Daarnaast, door de nauwe verbinding met het HR Datalab Healthcare en het EAS Datalab, bied het lectoraat niet alleen inhoudelijke richting aan het onderzoek maar ook methodologische en ethische borging van AI in het onderwijs en onderzoek. In de laatste 4 jaar hebben inmiddels 956 studenten geparticipeerd in het onderzoek. Zeven van deze studenten projecten hebben eveneens prijzen gewonnen (landelijk en internationaal) uitgegeven door diverse beroepsverenigingen en kennisinstituten.

De volgende opleidingen zijn structureel betrokken bij het onderzoek vanuit het lectoraat:

• Instituut voor Gezondheidszorg (IvG)
  Masters Fysiotherapie, bachelor fysiotherapie, verpleegkunde, verloskunde, master MNAP
• Enginering and Applied Sciences (EAS)
  Biomedische Labtechnologie, Mens en techniek
• Communicatie Media en Informatica (CMI)
  Data-Science & AI
• Minoren
  Digital Innovation in Healthcare, Zorgtechnologie

Huidige lopende projecten

Natural Language Processing / Generative AI

Oncologie en verpleegkunde

• Betekenisvolle Zorg (BETERZO)
• SPRING: Behoud van mannen in de verpleegkunde
• Zelfmanagement ondersteuning door verpleegkundige aan patiënten met onbegrepen gedragingen

Registratie en Electronische Patienten Dossiers

• Learning Health Systems
• Let Data do the Talking

Transitie zorg en revalidatie

• Transities draait door
• JONGPIT

Dementie

• Colead

Computervision

Kinderfysiotherapie: Zeldzame ziekten bij kinderen

• Thuis meten met AI in de kinderfysiotherapie

Machine Learning / Clinical Decision Support

Geboorte zorg / NICU

• PERINED: voorspellen van NICU opname op basis van geboorte registraties
• PREGNADIGIT: Digital remote monitoring and clinical prediction of complication during birth

Prehabilitatie en Acute zorg

• PREHAB4ALL
• PAZOEV
• Livinglab Better Beyond
• Computerized Clinical Decision Support in the ICU

Zeldzame en chronische ziekten bij kinderen, Jeugd en volwassenen

• EDCONNECT
• Proteomics and dysautonomia
• AI enhanced clinical diagnostics
• ACT4FATIGUE

Sports and high level performance

• Soccer science: data-mining
• AI enhanced training in professional football

Responsible Use and Design of AI

• Livinglab Data Supported Healthcare and Innovation

Prijzen

• Research Excellence Award Macquarie University (2023)
• Nominatie onderzoeker van het jaar Kenniscentrum Zorginnovatie (2022)
• 1e plaats Hackaton NL-AIC voor onderwijs (in samenwerking met HR-docententeam) (2021)
• Onderzoeksimpact Award kinderfysiotherapie (NVFK: 2020)
• Reisbeurs voor Britt Lugtenburg voor maatschappelijk relevant onderzoek (2023)
• Student van het jaar Award Hogeschool Rotterdam (Mandy van Seventer) (2023)
• 2e en 3e plaats Medical Delta Thesis Award (studenten IVG, CMI, EAS) (2023)
• 3e plaats NVFK Master/PhD thesis prijs NVFK (Anton Verhaar) (2018)
• 3e plaats GRAILS 2024

Naast het ontwikkelen van toepassingen op basis van data technologie voor het oplossen van complexe zorgmaatschappelijke problemen, richt het onderzoek binnen data supported healthcare ook op het opleidingsprofiel van de toekomstige zorgprofessional die in de nabije toekomst bigdata, remote sensing en Artificial Intelligence gewetensvol moeten inzetten en deze ook op waarde moet kunnen schatten binnen het klinische proces. Daarnaast is het uitgangspunt van al het onderzoek co-creatie samen met onderzoeker, zorgprofessional, lokale overheid, student en burger. Vooral de centrale rol van de burger binnen niet alleen het identificeren van relevante zorgmaatschappelijke dilemma’s als mede de potentiële toepassingen die, ongeacht opleidingsniveau, socio-economische positie, toegankelijk en te doorgronden zijn. Deze samenwerking resulteert in het ontstaan van “learning communities” waarbij trans-disciplinair werken niet alleen wordt onderwezen maar ook wordt uitgedragen met het oog op de professional van de toekomst.  

Partners

• Haagse Hogeschool
• Hogeschool Leiden
• Erasmus MC (Afdeling Anesthesiologie, kinder dermatologie, reumatologie, klinische genetica, landelijk expertise centrum voor Ehlers-Danlos en zeldzame ziekten)
• Maasstad ziekenhuis
• Rijndam Revalidatie
• Vitale Delta
• Medical Delta
• Health Holland
• Phillips
• Health Cloud Initiative
• Roseman labs
• Hogeschool Zuyd
• KNGF
• Radboud UMC
• Utrecht UMC
• Amsterdam UMC
• NL-AIC