nl
en
deAlles over Interreg VI
INTERREG VI
Alles over Interreg VI
Interview 2 van de serie ,,Waarom is Europa belangrijk?”
In gesprek met Peter van Ooijen
INTERREG-project DAME
De Europese verkiezingen komen eraan. Toch is Europa lang niet altijd zichtbaar in ons dagelijks leven. Maar als je goed kijkt, is Europa overal, zeker in onze Duits-Nederlandse grensregio. En dat is precies waar ons INTERREG-programma Deutschland-Nederland aan werkt; Europa “tastbaar” maken met behulp van grensoverschrijdende INTERREG-projecten.
De komende weken zullen we met een aantal mensen achter de INTERREG-projecten praten. Ontdek wat Europa doet en wat het betekent in onze grensregio – en vorm uw eigen mening!
Over de persoon
Peter van Ooijen is associate professor in het vakgebied Medische Informatica aan de Universiteit van Groningen. Hij is werkzaam op de afdeling radiotherapie en is coördinator van het Machine Learning Lab van het Data Science Center in Health (DASH). Hij coördineert het project DAME samen met Marianna Sijtsema, klinisch fysicus en onderzoeker op de afdeling radiotherapie.
1. Vat het project samen in 3 zinnen! Wat doet het voor de regio?
Binnen het DAME-project worden deep learning-technologieën geïmplementeerd om het zorgproces te verbeteren. Het doel is om de diagnose van medische beelden te verbeteren en te versnellen en de informatie die beschikbaar is te gebruiken om de bestralingstherapie voor kankerpatiënten te optimaliseren en te personaliseren. De ontwikkeling van de benodigde technologie gebeurt in samenwerking met regionale partners. Ook zullen de klinische toepasbaarheid en efficiëntie worden getest en gevalideerd in zowel Nederland als Duitsland.
‘De betrouwbaarheid van elke zelflerende technologie hangt af van de hoeveelheid en diversiteit van de beschikbare data. Grensoverschrijdende samenwerking kan hier bij uitstek aan bijdragen.’
2. Wat zijn de voordelen en de noodzaak van grensoverschrijdende samenwerking? Waarom is INTERREG/Europa zo belangrijk?
De uitdagingen bij de introductie van meer gepersonaliseerde geneeskunde met behulp van deep learning zijn enerzijds om voldoende gegevens te verkrijgen om systemen goed te trainen, te testen en te valideren en anderzijds om het vertrouwen van de zorgprofessional te winnen om zo’n systeem daadwerkelijk in te voeren en te gebruiken. De betrouwbaarheid van elke zelflerende technologie hangt af van de hoeveelheid en diversiteit van de beschikbare data. Grensoverschrijdende samenwerking kan hier bij uitstek aan bijdragen.
De samenwerking tussen ziekenhuizen en bedrijven in Nederland en Duitsland zorgt ervoor dat de hoeveelheid verzamelde gegevens groot genoeg is en de diversiteit in de gegevens uit beide landen moet leiden tot stabiele oplossingen. Bovendien zorgt onderzoek naar de verschillende eisen van de gebruikers van het systeem uit beide landen voor verbeterde acceptatie van het systeem op de markt. De expertise van de partners aan beide zijden van de grens vullen elkaar goed aan.
‘Regelmatig overleg en fysieke ontmoetingen helpen bij grensoverschrijdende samenwerking en zorgen ervoor dat iedereen enthousiast blijft over het project.’
3. Wat zijn (in het kader van het project) succesfactoren of leerpunten voor grensoverschrijdende samenwerking?
Het succes ligt in de inzet van alle betrokken partners. Het kan moeilijk zijn om medische partners te betrekken, maar het helpt om sleutelpersonen in beide regio’s te hebben. Regelmatig overleg en fysieke ontmoetingen helpen, zeker bij grensoverschrijdende samenwerking. Op deze manier blijft iedereen enthousiast over het project.
Over het project
In het DAME-project onderzoeken we hoe deep learning-gebaseerde systemen op een goede en verantwoorde manier kunnen worden geïntegreerd in de werkwijze van professionals in de zorg. We hebben gekeken naar verschillende aspecten, variërend van gedetailleerde zaken als de eisen voor een gebruikersinterface, tot algemene zaken zoals de taken waarvoor het systeem kan worden gebruikt. We ontwikkelen een deep learning-omgeving die gebruikt kan worden voor verschillende soorten beeldanalyse, bijvoorbeeld voor een beelddiagnose van medische aandoeningen of om bepaalde belangrijke aspecten te kunnen benadrukken voor de aandacht van de professional. Momenteel testen we ons platform in het lab, aangezien deze nog niet gereed is om in een ziekenhuis te worden geïmplementeerd. Toch zien de voorlopige resultaten er veelbelovend uit.
