{{ mediaArticle.articleTypeName }}
“Wij kunnen hier de digitale transformatie van de zorg versnellen”
Elke innovatie legt een lange weg af, van eerste idee tot product of oplossing. Als Clinical Data Scientist versnelt Ymke de Jong innovatietrajecten met data en AI. Op die manier zorgt ze ervoor dat de oplossingen die worden ontwikkeld ook praktisch toepasbaar zijn in de gezondheidszorg – en het liefst zo snel en impactvol mogelijk.
“Data-gedreven oplossingen, inclusief data science en AI, hebben veel impact op de gezondheidszorg. En dat gaat alleen maar meer worden. Met data science en AI kunnen we de gezondheidszorg slimmer en efficiënter maken, de ervaringen van patiënten en zorgmedewerkers verbeteren terwijl we de kosten laag houden.”
Van AI-algoritme naar implementatie en adoptie
Er worden dan ook al veel nieuwe oplossingen ontwikkeld die gebruik maken van data science en AI. “De uitdaging van dit moment is: hoe brengen we deze innovaties van het lab naar de klinische praktijk?”, vertelt Ymke. “Een collega van het ziekenhuis zei het onlangs mooi: ‘In de data science en AI wordt hard gewerkt aan het maken van een perfect algoritme. Implementatie in het ziekenhuis heeft minder aandacht, maar daar komen de echte problemen naar voren.’”
Ymke is de stuwende kracht achter het bench-to-bedside-team, dat research en de zorgpraktijk bij elkaar brengt. Daarvoor is niet alleen technische expertise nodig, zoals het ontwikkelen van algoritmes, datamanagement, data-interoperabiliteit: “We werken ook met specialisten op het gebied van innovatieproces en change management. Zij denken na over hoe je nieuwe technologie zo goed mogelijk in de zorgpraktijk kunt implementeren.”
Samenwerken in multi-disciplinaire teams
Het project is onderdeel van het Eindhoven MedTech Innovation Center (e/MTIC), het samenwerkingsverband tussen Philips, TU/e en de drie lokale ziekenhuizen: Catherina Ziekenhuis, Máxima Medisch Centrum en Kempenhaeghe.
“Als je een nieuwe data science-toepassing ontwikkelt en implementeert, dan heb je mensen nodig met verschillende expertises en achtergronden, zowel binnen Philips als binnen het ziekenhuis. Je werkt dus telkens in projecten met verschillende samenstellingen, afhankelijk van het domein en de fase van het innovatie traject; van het bureau van de scientist tot aan het bed van de patiënt.”
De teams werken telkens in een cyclus van zes maanden in een ‘fast track for AI development’ aan een actuele klinische uitdaging; altijd met het doel om digitale innovatie in de zorg te versnellen. “We hebben zo al verschillende praktijkproblemen in kaart gebracht, gebouwd en getest. Het team werkt tegelijkertijd aan een project dat Philips op de strategische agenda heeft staan en aan een project dat voor het ziekenhuis een probleem adresseert. Op deze manier leren de organisaties van elkaar op verschillende vlakken en brengen we digitale innovaties naar de klinische praktijk.” Het grootste een voordeel: “Door uit te gaan van relevante klinische behoefte en continu clinici te betrekken, zal de kans op adoptie naar verwachting veel groter zijn."
Van digitale tweeling naar data scientist in IT
Met een achtergrond in biomedical engineering en een focus op computational biology lag het voor de hand dat Ymke uiteindelijk terecht zou komen in de gezondheidstechnologie: “Het menselijk lichaam is ontzettend complex, we begrijpen dat nog lang niet helemaal. Met behulp van data krijgen we een steeds beter beeld van hoe ons lichaam functioneert. Ook kunnen we zo metingen aan het lichaam vertalen in zinvolle informatie op grond waarvan de specialisten kunnen besluiten over de beste therapie voor iedere patiënt.
Dat zie je bijvoorbeeld heel goed terug in het concept van de digital twin van spieren, waar ze onderzoek naar gedaan heeft. Met zo’n digitale ‘tweeling’ van een patiënt kun je heel goed zien hoe spieren werken, hoe ze reageren op behandelingen.”
Data als fundament
De grootste uitdaging bij bijna elke data-project is, volgens Ymke, de beschikbaarheid van de hoge kwaliteit data voor zowel onderzoek als implementatie in de klinische praktijk. “Voor research heb je grote hoeveelheden data nodig om modellen te trainen en bias te voorkomen. e/MTIC speelt hierin een belangrijke rol.”
Als je met meerdere partijen samenwerkt, kun je de schaalgrootte bereiken die je nodig hebt om AI-modellen te ontwikkelen en de zorg te verbeteren. Of, zoals een arts het onlangs heel mooi zei: ’In relatief korte tijd hebben we laten zien dat we samen meer kunnen bereiken dan alleen."
Ymke de Jong, Clinical Data Scientist
“En precies dat is waarom het zo belangrijk is dat we in de regio Eindhoven hierin samenwerken. Je kunt e/MTIC zien als een proeftuin voor het delen van data. Wij kunnen hier gezamenlijk de digitale transformatie van de zorg versnellen.”