We willen de beste campus zijn voor data & AI-gedreven onderzoek in gezondheid en gezondheidszorg
Wat?
Het Radboud Healthy Data programma is een gezamenlijk programma van het Radboudumc en de Radboud Universiteit met als doel een impuls te geven aan de digitale transformatie op de campus.
Dat doen we door onze expertise op het gebied van gegevensbeheer en AI te verbinden en verder te ontwikkelen richting een duurzame digitale infrastructuur voor de gehele Radboud-campus. We richten ons met name op gegevens gegenereerd in gezondheidsonderzoek en gezondheidszorg. Belangrijke aandachtsgebieden in ons programma zijn FAIR-gegevensbeheer, AI-methoden, onderwijs, ethische/juridische/maatschappelijke overwegingen, ‘data informed’ communities en wetenschappelijke doorbraken op basis van FAIR onderzoeksdata en verantwoorde toepassingen van AI.
We bouwen voort op lopende activiteiten en stevige banden met partners in ons netwerk. Door middel van dit programma versterken we de data-gedreven infrastructuur ten behoeve van gezondheid en gezondheidszorg.
Waarom?
Door (gezondheidsgerelateerde) onderzoeksdata en AI beter en verantwoorder beschikbaar te maken voor onze onderzoekers kunnen we nog beter bijdragen aan oplossingen voor grote maatschappelijke uitdagingen, zoals het verbeteren van onze gezondheid en gezondheidszorg. Intelligent gebruik van gegevens en analyses is nodig om de manier waarop ziekten kunnen worden voorkomen of genezen te ondersteunen.
Onze samenleving verandert en wij, als burgers en wetenschappers, veranderen mee. De digitale transformatie die tientallen jaren geleden begon, heeft een stadium bereikt waarin we toegang hebben tot grote hoeveelheden gegevens en tools die ons leven op ongekende manieren beïnvloeden.
Deze digitale transformatie heeft logischerwijs ook invloed op de onderzoeksactiviteiten op de Radboud campus (verwijzend naar het Radboud Universitair Medisch Centrum en de Radboud Universiteit). In de loop der tijd hebben onze onderzoekers een enorme hoeveelheid waardevolle gegevens verzameld over gezondheidsgerelateerde onderzoeksthema's met behulp van laboratoriummethoden (zoals next generation sequencing en massaspectrometrie), beeldvormende benaderingen (zoals MRI, CT, echografie) en surveys en interviews (zoals inventarisaties van gezondheid van burgers in regio’s en landen). Daarnaast worden gezondheidsgegevens rechtstreeks gegenereerd door burgers en patiënten met behulp van e-health en m-health technologie, waarbij digitale (vaak draagbare) apparaten worden gebruikt voor real-time monitoring. Tot slot is er een schat aan informatie in ongestructureerde vocale en tekstuele informatie die gebruikt kan worden voor gezondheids(zorg)toepassingen.
Gezondheidsgegevens komen steeds gemakkelijker en sneller beschikbaar, zowel voor mensen die de toepassingen gebruiken als voor gezondheids(zorg)professionals en onderzoekers. De mogelijkheid om onderzoeksgegevens met elkaar te verbinden - zowel in termen van soorten gegevens als over langere perioden- - maakt innovatieve, krachtige AI-gebaseerde analyses mogelijk die de effectiviteit van onderzoeksbevindingen verbeteren om beslissingen op het gebied van gezondheid(szorg) te ondersteunen.
Om dit potentieel te bereiken, willen we verschillende uitdagingen oplossen om onze onderzoekers en medewerkers in staat te stellen innovatieve oplossingen voor de gezondheidszorg te bieden. Deze oplossingen worden gefaciliteerd door een gedegen ICT infrastructuur; zijn gebaseerd op gedegen AI-modellen gevoed door betrouwbare datasets; en ingebed in data-geinformeerd professioneel handelen.