Onderwijs Onderzoek Actueel Organisatie en samenwerking EN
Login als
Studiekiezer Student Medewerker
Bachelor Master VU voor Professionals
HOVO Amsterdam VU-NT2 VU Amsterdam Summer School Honoursprogramma Universitaire lerarenopleiding
Promoveren aan de VU Uitgelicht onderzoek Prijzen en onderscheidingen
Onderzoeksinstituten Onze wetenschappers Research Impact Support Portal Impact maken
Nieuws Agenda Energie in transitie
Israël en Palestijnse gebieden Vrouwen aan de top Cultuur op de campus
Praktische informatie VU en innovatiedistrict Zuidas Missie en Kernwaarden
Organisatie Samenwerking Alumni Universiteitsbibliotheek Werken bij de VU
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

Homepage Cultuur op de campus Sportcentrum VU Dashboard

Studie

Academische jaarkalender Studiegids Rooster Canvas

Uitgelicht

Doneer aan het VUfonds VU Magazine Ad Valvas

Over de VU

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

Copyright © 2024 - Vrije Universiteit Amsterdam