AI/ML/Bioinformatica in CF
Kun je kort vertellen over je onderzoek naar AI/ML/bioinformatica benaderingen in cystische fibrose (CF)? en wat is cystic fibrose?
“In mijn onderzoek richt ik me op het versnellen en verbeteren van de diagnose van antibioticaresistentie bij patiënten met cystische fibrose (CF) door gebruik te maken van geavanceerde DNA-sequencingtechnieken en machine learning. Normaal gesproken wordt bij een infectie sputum opgehoest en geanalyseerd door bacteriën op een kweekplaat te laten groeien. Dit proces is tijdrovend, aangezien het enkele dagen tot meer dan een week kan duren om te bepalen welke bacteriën aanwezig zijn en welke antibiotica effectief zullen zijn. Mijn aanpak omzeilt deze stap door direct het DNA uit het sputummonster te extraheren en te sequencen. Door de sequenties te analyseren met behulp van deep learning-tools, kan ik snel en nauwkeurig resistentiegenen identificeren zonder dat bacteriën in een lab hoeven te groeien. Dit bespaart aanzienlijke tijd, waarbij uit de literatuur blijkt dat de meest optimale procedures nu in slechts zes uur resultaten opleveren, vergeleken met de traditionele methode die meerdere dagen kan duren. Dit versnelt de diagnose aanzienlijk, wat cruciaal kan zijn voor de behandeling en het welzijn van CF-patiënten.”
“Cystische fibrose (CF) is een ernstige genetische aandoening die alle slijmproducerende organen aantast, zoals de long, maar bijvoorbeeld ook het maagdarmsysteem. Het wordt gekenmerkt door een defect in een kanaal dat normaal gesproken helpt bij pompen van het water uit slijm producerende cellen om het slijm vloeibaar te houden. Dit defect leidt tot een ophoping van taai slijm in de longen, waardoor het moeilijk is om infecties te bestrijden en bacteriën te verwijderen. Deze aandoening beïnvloedt niet alleen de longen, maar kan ook andere organen aantasten, zoals de darmen en het voortplantingssysteem. Dankzij recente vooruitgangen in medicatie is de levensverwachting van CF-patiënten aanzienlijk verbeterd, van ongeveer 20 jaar aan het begin van deze eeuw naar de verwachting van 70 jaar met de nieuwste behandelingen. Deze vooruitgang benadrukt het belang van continue verbetering in diagnostische en behandelingsmethoden om de kwaliteit van leven voor patiënten verder te optimaliseren.”
Hoe draagt jouw samenwerking met het Amsterdam UMC bij aan de ontwikkeling en toepassing van AI/ML/bioinformatica benaderingen in je onderzoek?
“In mijn huidige rol werk ik nauw samen met zowel het Amsterdam UMC als de Vrije Universiteit (VU), waarbij mijn achtergrond in machine learning en kunstmatige intelligentie een centrale rol speelt. Hoewel mijn opleiding oorspronkelijk niet gericht was op deze technologieën, heb ik tijdens mijn stages en afstudeerprojecten veel ervaring opgedaan. Dit heeft geleid tot een bijzondere samenwerking waarbij de VU waardevolle inzichten en data levert die mijn projecten bij het AMC ondersteunen, terwijl de bevindingen uit het AMC terugkoppelen naar de VU.”
“Mijn copromotor en promotoren, waaronder Jacqueline, zijn essentieel in deze samenwerking. Jacqueline brengt veel expertise in en helpt met de vormgeving en uitvoering van de onderzoeken. We houden ook regelmatig contact met andere onderzoekers die zich bezighouden met het microbioom, wat zorgt voor een vruchtbare uitwisseling van ideeën. Deze wisselwerking tussen fundamenteel en klinisch onderzoek biedt een unieke kans om theoretische kennis om te zetten in praktische toepassingen, wat zowel mijn onderzoek als de klinische patiëntenzorg ten goede komt. Deze integratie van verschillende werelden is bijzonder inspirerend en verrijkt mijn werk enorm.”
Waarom heb je gekozen voor dit onderzoek? Hoe ben je erbij gekomen?
“Tijdens mijn master zocht ik een stageplek en vond een project over antibioticaresistentie bij CF. Dit sprak me aan omdat ik altijd al geïnteresseerd ben in genetische aandoeningen en bacterieel onderzoek. Mijn interesse in het microbioom en het werken met grote datasets leidde me naar dit onderzoek. Toen ik besloot om parttime te promoveren, zag Jacqueline de kans om een gezamenlijk project op te zetten dat zowel mijn interesses als mijn expertise omvatte. Dat was de perfecte gelegenheid voor mij om mijn passie voor genetica en data-analyse verder te ontwikkelen.”
Welke bevindingen en conclusies heb je tot nu toe met je onderzoek? Wat is het toekomstperspectief voor CF-patiënten?
“We hebben veelbelovende resultaten met onze eerste studie over het gebruik van DNA-analyse voor antibioticaresistentie. Het doel is om deze methode breder te testen met een grotere dataset. Als de bevindingen zich verder bevestigen, kunnen we mogelijk de diagnostiek versnellen en zo de behandelmethoden verbeteren. De verwachting is dat dit uiteindelijk zal bijdragen aan een betere kwaliteit van leven voor CF-patiënten, met snellere en gerichter behandeling van infecties. We staan nog aan het begin, maar de vooruitzichten zijn veelbelovend.”
AI/ML/bioinformatica in Onderwijsonderzoek
Wat houdt je onderzoek naar AI/ML/bioinformatica in het onderwijs in?
"Ik werk momenteel aan een project waarin we online en offline educatie binnen een farmaceutisch practicum vergelijken. We hebben uitgebreid gekeken naar de interactiepatronen tussen studenten en docenten, zoals wie met wie praat en hoe deze interacties verlopen in termen van vragen, antwoorden, en algemene participatie. Daarnaast hebben we studenten bevraagd over hun ervaringen, bijvoorbeeld of ze zich veilig en gemotiveerd voelden tijdens de sessies, en of ze het idee hadden dat ze evenveel leerden in een online omgeving als in een fysieke klas. Wat opvallend was, is dat studenten ondanks het online karakter van sommige sessies, deze toch als nuttig en zelfs prettig ervoeren. Dit is interessant omdat, hoewel veel studenten tijdens COVID klaagden over het gemis van fysieke aanwezigheid, ze toch de meerwaarde van online sessies beginnen te zien, vooral als het gaat om voorbereidende lessen.”
“Bij het analyseren van de data maak ik gebruik van methoden die ik eerder toepaste in bioinformatica. Het mooie hiervan is dat hoewel het type data anders is, de technieken om patronen en verbanden te ontdekken vergelijkbaar zijn. We hebben bijvoorbeeld ontdekt dat een online omgeving gemiddeld tot 20% minder interacties tussen studenten leidt. Echter, wanneer we dieper in de data duiken en andere factoren meenemen, zoals de aard van de opdrachten en de groepsdynamiek, blijkt dat de kwaliteit van de interacties niet per se slechter is. Deze inzichten laten zien dat hoewel de hoeveelheid interactie afneemt, de essentie van wat wordt geleerd en gedeeld vaak behouden blijft.”
“Wat ik bijzonder interessant vind aan dit onderzoek, is dat het ons in staat stelt om complexe, mensgerichte vraagstukken te analyseren met behulp van technieken die normaal gesproken in gecontroleerde laboratoriumomgevingen worden gebruikt. In een sociale, educatieve setting is het veel moeilijker om voor alle variabelen te controleren, maar door gebruik te maken van geavanceerde analysetools kunnen we toch waardevolle conclusies trekken. Dit onderzoek biedt daarmee niet alleen inzicht in de effecten van online versus offline onderwijs, maar helpt ons ook te begrijpen welke factoren het leren en de interactie tussen studenten en docenten het meest beïnvloeden.”
Heeft dit onderzoek een connectie met je onderzoek naar AI/ML/bioinformatica benaderingen in CF? Of staat het los van elkaar?
“Mijn werk in educatieonderzoek en CF-onderzoek staat op dit moment nog grotendeels los van elkaar, maar er is zeker invloed tussen beide. De analysevaardigheden die ik nu leer in het kader van mijn educatieonderzoek, pas ik bijvoorbeeld ook toe in mijn CF-onderzoek. Zo ontwikkel ik praktische skills die waardevol zijn voor beide domeinen. Daarnaast is kwalitatief onderzoek in educatie veel gebruikelijker, en die kennis gebruik ik weer bij het opzetten van nieuwe onderzoeksprojecten binnen het AMC, zoals het formuleren van open vragen en interviews, iets wat niet altijd vanzelfsprekend is in een beta-georiënteerde omgeving.”
“Wat ik echt waardeer aan mijn werk, is hoe het me in staat stelt om bruggen te slaan tussen verschillende onderzoeksgebieden. Mijn opleidingen in zowel bio-ethiek als biomoleculaire wetenschappen heeft me geleerd om vanuit meerdere perspectieven naar vraagstukken te kijken. Deze veelzijdigheid helpt me om de vertaling te maken tussen theoretische kennis en praktische toepassingen, wat zowel mijn educatie- als CF-onderzoek ten goede komt. Dat maakt mijn werk uitdagend en afwisselend.”
In hoeverre werk je samen met het Amsterdam UMC in je onderwijsonderzoek?
“Voor mijn onderwijsonderzoek werk ik niet direct samen met het Amsterdam UMC. Dit project valt onder de VU. Desondanks kan de ervaring die ik opdoe met data-analyse en onderwijsinnovaties indirect waardevol zijn voor mijn samenwerking met het UMC. De kennis en vaardigheden die ik opdoe in één onderzoeksgebied kunnen van invloed zijn op mijn werk in een ander domein. Wel vertel ik regelmatig wat ik gedaan heb en wat mijn bevindingen zijn die van toepassing kunnen zijn op mijn andere onderzoek. Daarnaast vertel ik met trots mijn mijlpalen die ik behaald heb.”
Heb je een missie en visie voor de onderzoeken waar je mee bezig bent?
"Mijn persoonlijke missie is om een brug te slaan tussen verschillende onderzoeksdisciplines, zoals bèta- en alfa-wetenschappen, en te laten zien hoe ze elkaar kunnen versterken. Ik werk aan het vervagen van traditionele grenzen tussen deze disciplines om tot nieuwe, multidisciplinaire inzichten te komen. Daarnaast heb ik ook een persoonlijke visie en dat is dat multidisciplinair onderzoek, waarbij we ook samenwerken met vakgebieden zoals sociale wetenschappen, leidt tot waardevolle nieuwe inzichten en innovaties. Dit helpt ons om een meer geïntegreerde aanpak te ontwikkelen die zowel wetenschappelijke als maatschappelijke vooruitgang bevordert."
"In mijn CF-onderzoek richt ik me op het verbeteren van zorg voor mensen met taaislijmziekte door gepersonaliseerde zorg te ontwikkelen met behulp van nieuwe technologieën zoals het metagenoom. Mijn missie is om een systeem te creëren dat snel en effectief antwoorden geeft over resistentie, niet alleen voor taaislijmziekte, maar ook voor andere longaandoeningen. Daarnaast is mijn visie is om technologie en data-analyse te gebruiken voor het ontwikkelen van persoonlijkere en effectievere behandelingen. Door multidisciplinaire samenwerking wil ik niet alleen binnen de longziekten, maar breder in de geneeskunde, baanbrekende resultaten behalen en de kloof tussen onderzoek en praktijk overbruggen."