Data & AI Community
Data & AI Community
Binnen Diagnostiek & Advies is een groeiende Data & AI-community actief waarin collega’s met interesse in data-analyse en kunstmatige intelligentie elkaar opzoeken, kennis delen en samenwerken aan eerste toepassingen. De community ondersteunt afdelingen bij het verkennen van kansen voor data-gedreven verbetering van diagnostiek en processen. We proberen hierbij voor verbinding te zorgen tussen betrokken medewerkers, IT en D&A-brede initiatieven.
Projecten
-
Radiologische verslagen zijn traditioneel geschreven voor verwijzers en bevatten daardoor veel medisch jargon, wat voor patiënten moeilijk te begrijpen is wanneer zij deze via het patiëntenportaal inzien. In dit project onderzoeken we hoe verschillende Large Language Models (LLM’s) kunnen worden ingezet om medische terminologie automatisch te vertalen naar begrijpelijke patiëntinformatie. We ontwikkelen en testen een LLM-pipeline die radiologische verslagen omzet naar heldere taal, eventueel aangevuld met hyperlinks, afbeeldingen of andere ondersteunende elementen. Hierbij experimenteren we met beschikbare en goedgekeurde LLM’s om de best presterende aanpak te vinden. Het doel is een proof-of-concept dat communicatieproblemen tussen zorgverlener en patiënt helpt te verkleinen.
Interesse? Neem contact op met Martijn Nobel, radioloog, via martijn.nobel@mumc.nl
-
In de MARS-ED-studie onderzoeken we hoe zorgverleners op de Spoedeisende Hulp het risico op korte-termijnuitkomsten inschatten bij acuut zieke patiënten. Hierbij worden risicoschattingen van onder andere artsen uit de acute interne geneeskunde en laboratoriumspecialisten uit de klinische chemie vergeleken met objectieve klinische gegevens. We analyseren hoe goed deze intuïtieve beoordelingen overeenkomen met data-gedreven modellen, waaronder statistische methoden en machine-learningbenaderingen. Het project richt zich daarnaast op factoren die de betrouwbaarheid en variatie van risicoschattingen kunnen beïnvloeden. Het doel is om beter te begrijpen hoe menselijke expertise en data-analyse elkaar kunnen versterken in de acute zorg. Daarmee levert de studie inzichten op voor toekomstig beslisondersteuning en optimalisatie van patiëntstromen op de SEH. Onze resultaten zijn inmiddels gepubliceerd in verschillende tijdschriften zoals Journal of Applied Laboratory Medicine (2024) en Nature Communications (2025).
Tevens onderzoeken we hoe kunstmatige intelligentie (AI) ons kan helpen om een goed onderbouwde en begrijpelijk consult te schrijven voor artsen en patiënten.
Interesse? Neem contact op met William van Doorn, klinisch chemicus, via william.van.doorn@mumc.nl
-
VRE-uitbraken (vancomycine-resistente enterokokken) zijn lastig te beheersen: infectiepercentages zijn vaak laag, er zijn geen eenduidige nationale richtlijnen en het is moeilijk om de afzonderlijke impact van infectiepreventie- en controlemaatregelen (IPC) goed te kwantificeren. In dit project onderzoeken we hoe AI—en specifiek agent-based modelling—kan helpen om VRE-surveillance en -bestrijding slimmer en effectiever te maken. We bouwen voort op een proof-of-principle waarin twee eerdere VRE-uitbraken retrospectief zijn geanalyseerd met een agent-based model (2023–2025), in samenwerking tussen MMI-Infectiepreventie en de Faculty of Advanced Computing Sciences (Universiteit Maastricht). De volgende stap is toewerken naar een “digitale tweeling” van de ziekenhuisomgeving van MUMC+, waarin fysieke en digitale data samenkomen. Daarmee kunnen we realistischer simuleren hoe BRMO’s zich verspreiden en welke combinaties van maatregelen het meeste effect hebben—met als einddoel: meer patiëntveiligheid en minder transmissie van resistente bacteriën.
Interesse? Neem contact op met dr. Wil van der Zwet, arts-microbioloog, via wil.vander.zwet@mumc.nl
Word je enthousiast van onze projecten? Heb je specifieke vragen die je beantwoord wil hebben? Neem contact met ons op!
Pijlers
-
Binnen D&A is een gedeelde technische basis beschikbaar voor het ontwikkelen en testen van AI-toepassingen. Hiervoor maken we onder meer gebruik van een HP Omen 45L-workstation met een NVIDIA RTX 4090-GPU (32GB VRAM), geschikt voor het snel prototypen van modellen voor tekst-, beeld- en dataverwerking. Daarnaast is er een gezamenlijke werkruimte waar betrokken collega’s kunnen samenwerken aan data- en AI-projecten.
Meer informatie over de GPU of werkruimte? Neem contact met ons op via data.ai.community.da.gpu@mumc.nl
-
We werken nauw samen met alle afdelingen binnen D&A en verbinden onze activiteiten met onder meer MIT, MEMIC, DSRI en het Department of Advanced Computing Sciences van de UM. Ook verkennen we partnerschappen met externe partijen om kennis en expertise op te bouwen.
-
De community begeleidt studenten en stagiaires vanuit o.a. Zuyd, UM, JADS en de VU bij praktijkgerichte opdrachten rond data en AI. Hiermee stimuleren we talentontwikkeling en dragen we bij aan onderwijsmodules binnen verschillende opleidingen.
-
We organiseren momenten waar collega’s ideeën kunnen presenteren, ervaringen uitwisselen en gezamenlijk nieuwe toepassingen verkennen. Hiermee bouwen we stap voor stap aan een open, lerende gemeenschap binnen D&A rond data en AI. Tevens proberen we via onze GitHub pagina technische kennis en expertise met elkaar te delen.