Sorry! The information you are looking for is only available in Dutch.
Deze opleiding is opgeslagen in Mijn Studiekeuze.
Er is iets fout gegaan bij het uitvoeren van het verzoek.
Er is iets fout gegaan bij het uitvoeren van het verzoek.

Kanker beter voorspellen met machine learning

Onderzoek op basis van zorggegevens uit elektronische medische dossiers is enorm toegenomen. Er zijn echter nog geen eenduidige, gestandaardiseerde strategieën om deze gegevens te verwerken.

Een onderzoeksteam van Reinier Kop, Mark Hoogendoorn en Annette ten Teije van de Vrije Universiteit Amsterdam ontwikkelde een model om darmkanker te detecteren via machine learning technieken.

Het model bestaat uit een speciale ‘medical pre-processing pipeline’, waarmee problemen en kansen van elektronische medische dossiers aangepakt en opgelost kunnen worden. Bijvoorbeeld als er sprake is van tijdelijke, onnauwkeurige of onvolledige gegevens.

Het model is toegepast op een dataset van routinematig geregistreerde gegevens in huisartsenpraktijken van meer dan 260.000 patiënten, waarin het optreden van colorectale kanker (CRC) wordt voorspeld met behulp van verschillende machine learning-technieken en subsets van de gegevens. CRC is een veel voorkomende vorm van kanker, waarvan is gebleken dat vroege opsporing belangrijk en uitdagend is.

De toepassing van machine learning-technieken in combinatie met de ‘pipeline’ op elektronische medische dossiers heeft een groot potentieel om het voorspellen van de ziekte te verbeteren en dus vroege detectie en interventie in de medische praktijk mogelijk te maken. 

Ten slotte is de ‘pipeline’ zelf in hoge mate generiek en onafhankelijk van de specifieke ziekte waarop hij wordt toegepast en het gebruikte elektronische medische dossier.

Bekijk ook

Direct naar

Onderzoek Research and Impact Support Portal Universiteitsbibliotheek Persvoorlichting VU

Studie

Onderwijs Studiegids Canvas Studentenbalie

Uitgelicht

Doneer aan het VUfonds VU Magazine Ad Valvas

Over de VU

Over ons Contact en route Werken bij de VU Faculteiten Diensten
Privacy Disclaimer Veiligheid Webcolofon Cookies Webarchief

Copyright © 2024 - Vrije Universiteit Amsterdam