21 februari 2017
Persoonlijke data delen voor gezondheid
Door individuele gezondheidsgegevens te vergelijken met groepsdata, kunnen
artsen advies op maat geven en kunnen patiënten leren van elkaars ervaringen.
Wessel Kraaij, hoogleraar Applied Data Analytics, laat zien hoe persoonlijke
data een voorspellende waarde kunnen hebben. Oratie op 24 februari.
Wie zich meldt bij de dokter, krijgt vaak een behandeling voorgeschreven die
in klinisch onderzoek een positief effect had op de proefpersonen. Uit
onderzoek in de Verenigde Staten blijkt echter dat de meest voorgeschreven
medicijnen buiten het laboratorium bij hoogstens één op de vier patiënten
aanslaan. En in sommige gevallen werkt de medicatie zelfs negatief. De reden:
door genetische aanleg, leefstijlverschillen en omgevingsfactoren reageert
ieder mens anders op de voorgeschreven medicijnen.
Personalisatie
De analyse van big data biedt kansen om de effectiviteit van behandelingen en
preventie te verbeteren, meent Wessel Kraaij, hoogleraar Applied Data
Analytics. Hij spreekt op 24 februari zijn oratie uit. ‘Door gezondheidsdata te
verzamelen, ontstaat er meer ruimte voor een gepersonaliseerde aanpak. Met
longitudinale data (gegevens over langere tijd verzameld, red.) kunnen we
voorspellende modellen maken. De kern van de zaak is dat die datasets voldoende
specifiek moeten zijn om aan te sluiten bij een individu, maar tegelijkertijd
genoeg kunnen generaliseren om enige voorspellende waarde te hebben.’
Zelf verzamelen
Burgers en patiënten gaan daarnaast steeds meer data zelf verzamelen en
ervaringen delen. Deze data en ervaringen kunnen belangrijke aanvullende
inzichten bieden om oorzaken van ziekte en effecten van behandelingen in kaart
te brengen. Kraaij werkt aan veilige infrastructuur om burgers zelf data te
laten beheren en – na hun toestemming – beschikbaar te stellen voor onderzoek.
Burn-out
Data zijn niet alleen van waarde om ziektes te bestrijden, maar ook om ze te
voorkomen. Kraaij noemt als voorbeeld het project COMMIT/-SWELL, waarin hoger
opgeleiden op basis van data science zelf hun mentale en fysieke gezondheid in
de gaten houden. Veel kenniswerkers krijgen gedurende hun loopbaan te maken met
burn-outklachten. Met een ‘digitaal alter ego’ – dat bijvoorbeeld je
activiteiten, vermoeidheid en conditie meet – kun je gewoontes met negatieve
consequenties in kaart brengen, maar ook vaststellen welke gewoontes positieve
effecten hebben. Dat stelt mensen in staat om hun gedrag aan te passen, en zo
gezonder te leven.
Sensordata
‘De belangrijkste uitdaging is om allerlei ongelijksoortige data om te zetten
in begrijpelijke gezondheidsinformatie,’ zegt Kraaij. ‘Daar experimenteren we
mee in laboratoriumstudies. Zo hebben we bij proefpersonen de hartslag en
huidgeleiding gemeten, en tegelijkertijd de gelaatsexpressie en lichaamshouding
gefilmd met 3D-camera’s en gewone camera’s. Daaruit bleek onder meer dat stress
bij mensen vooral zichtbaar wordt in hun houding en gelaatsuitdrukking.’
Privacy
Uiteindelijk moet er een evenwicht worden gevonden tussen het persoonlijke
eigenaarschap van data en de mogelijkheid om deze persoonlijke data te
combineren en analyseren. Zo zijn er volgens Kraaij al plannen gemaakt voor een
nationaal, en op termijn misschien zelfs internationaal georiënteerde
infrastructuur voor analyse van gezondheidsdata. Die moet het mogelijk maken om
te leren uit gedistribueerde datasets voor onderzoek, die door wetgeving
omtrent persoonsgegevens en veiligheid niet centraal kunnen worden opgeslagen.
Rolstoel
In een ander project zoekt Kraaij – samen met de VU Amsterdam, de Hogeschool
Amsterdam en de Universidade Estadual de Campinas in Brazilië – naar manieren
om rolstoelgebruikers gepersonaliseerd beweeg- en voedingsadvies te geven.
Rolstoelgebruikers hebben immers veel uiteenlopende medische achtergronden.
Door bewegingsdata te vergelijken met ervaringen van vergelijkbare
rolstoelgebruikers kan een persoonlijk advies worden opgesteld, dat
uiteindelijk tot empowerment en een gezondere levensstijl moet leiden.
Evidence based beleid
Volgens Kraaij is het combineren van data niet alleen in de gezondheidszorg
waardevol. Hij doet momenteel ook onderzoek om beleidsmakers te voorzien van
tools om grootschalige gegevens te analyseren, zodat zij evidence based beleid
kunnen maken. Daarin bekijkt hij specifiek de Metropoolregio Rotterdam Den
Haag. In samenwerking met bestuurskundigen van de Universiteit Leiden en het
Center for Big Data Statistics van het CBS wordt gewerkt aan de ontwikkeling
van real time indicatoren voor beleid, zodat de effecten van interventies op
het gebied van bijvoorbeeld mobiliteit en duurzaamheid sneller beschikbaar
komen en de leercyclus wordt verkort.
Noot voor de pers, niet voor publicatie
Voor meer informatie:
Wessel Kraaij
[w.kraaij@xxxxxxxxxxxxxxxxxxx] | 071 5285778
(bereikbaar op 23 februari tussen 10:00u en 15:00u)
Miranda Jansen, adviseur wetenschapscommunicatie
[m.j.jansen@xxxxxxxxxxxxxxxx] | 071 527 3282
Over de Universiteit Leiden
De Universiteit Leiden is een internationaal georiënteerde
onderzoeksuniversiteit. De universiteit biedt hoogwaardig onderzoek en
academisch onderwijs in het alfa- gamma- en bètadomein. De Universiteit Leiden
[http://www.leidenuniv.nl] heeft 5.500 mensen in dienst en leidt 25.800 ;
studenten op.
Volg ons
Aanmelden voor de nieuwsbrief
[http://www.nieuwsbrief.leidenuniv.nl/contact/adres.html]
Afmelden voor persberichten van de Universiteit Leiden
http://persberichten.cmail19.com/t/d-u-httijky-ttiidiuyu-o/
Meer nieuws- en persberichten vindt u op onze nieuwspagina
[http://www.nieuws.leidenuniv.nl/].
