We willen de beste campus zijn voor data & AI-gedreven onderzoek in gezondheid en gezondheidszorg
Hoe?
We werken via multidisciplinaire werkpakketten die tools, expertise en talenten ontwikkelen om de ambities van Radboud Healthy Data te ondersteunen:
Werkpakket 1: Gegevens ontsluiten | |
Peter Bram 't Hoen | Center for Molecular & Biomolecular Informatics, Radboudumc |
Henk van den Heuvel | Humanities Lab, Radboud Universiteit |
Werkpakket 2: Computing en opslag | |
Arnoud van der Maas | Informatiemanagement, Radboudumc |
Trudie Benschop | Informatiemanagement, Radboud Universiteit |
Werkpakket 3: AI-methoden | |
Marcel van Gerven | Donders AI Department, Radboud Universiteit |
Ton Coolen | Donders Centre for Neuroscience, Radboud Universiteit |
Geert Litjens | AI Medical Imaging, Radboudumc |
Werkpakket 4: Ethische, juridische en maatschappelijke aspecten | |
Marianne Boenink | Ethics in Healthcare, Radboudumc / Radboud Universiteit |
Pieter Wolters | Rechtsgeleerdheid, Radboud Universiteit |
Werkpakket 5: AI-onderwijs | |
Johan Kwisthout | Donders AI Department, Radboud Universiteit |
Johannes Textor | Data Science, Radboud Universiteit |
Werkpakket 6: Applicaties | |
Martijn de Groot | Health Innovation Labs, Radboudumc |
Tom Heskes | Data Science, Radboud Universiteit |
Werkpakket 7: Duurzaamheid | |
Joram Sjoerts | Valorisatie, Radboudumc |
Gertjan Bögels | Research & Impact, Radboud Universiteit |
Daarnaast werken we met ‘use cases’ – grotere, bestaande onderzoeksprojecten die door middel van multidisciplinair teamwork in onze ‘scrum’-teams problemen in werkbare en schaalbare oplossingen omzetten. Via ‘use cases’ en onze experts uit werkpakketten worden nieuwe tools, diensten en expertise gecreëerd, samen met mensen uit de organisaties.
'Gap'-analyse - jaar '0'
Als eerste stap in het Radboud Healthy Data programma maken we een grondige inventarisatie op onze Radboud campus om ervoor te zorgen dat we een goed overzicht hebben van onze collectieve ambities, expertises, middelen en activiteiten met betrekking tot gezondheidgerelateerde onderzoeksdata en AI. Zo definiëren we de huidige staat van digitale transformatie van onze campus, bijvoorbeeld ten aanzien van FAIR data, infrastructuur en AI ("Ist"); de gewenste toekomstige situatie ("Soll"), welke obstakels men nu ervaart om daar te komen en welke oplossingen er al zijn bedacht om deze obstakels te overwinnen.
Ons team
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.