Cytometrie – directe diagnose gebaseerd op bloedmonsters
Hiervoor is een app ontwikkeld met MatLab, gebaseerd op patroon-herkenning en geavanceerde statistieken. Niet-materiedeskundige medewerkers worden door de app gestuurd en geïnstrueerd naar ‘instant diagnostiek’ (binnen 60 minuten) en naar de juiste patient feedback. Hiermee is het operationele risico verkleind en tijd bespaard.
Het cytometrieproject wordt continu doorontwikkeld – via een vloeibaar biopt als bloed wordt met AI een ultra-snelle en betere (deel)diagnose gesteld ter ondersteuning van de overall diagnose. Eea wordt ingezet voor monitoring of voorafgaand aan een behandeling of ingreep.
Samenwerking met Siamala Sinnadurai
Siamala Sinnadirai, een jonge wetenschapper verbonden aan het Erasmus MC, wijdt haar carrière aan data science. Zij, epidemioloog en biostatisticus, benut de kracht van data om de gezondheidszorg te personaliseren. Aan de hand van haar data is onder meer duidelijk geworden dat mensen met een CHIP mutatie een verhoogde kans hebben op hart- en vaatziekten. Het kunnen leggen van dergelijke verbanden vraagt veel van de te ontwikkelen data set, want het oude adagium ‘garbage in, garbage out’ geldt nog steeds. Sinnadurai spreekt van meerdere ‘lagen’ van data, zodat uiteindelijk het ideaal van personalised medicine in beeld komt.
Op het gebied van data science is Siamala Sinnadurai een collega van Marcel van der Kuil, die haar en haar team hielp met de ontwikkeling van de data set.
Lipidentesten
Het cholesterolgehalte wordt met een hogere frequentie dan normaal getest met ‘Quantified Self’, een app voor de gebruiker. Dit in de eerste plaats om de persoonlijke fysiologie te monitoren, maar de toepassing kan daarnaast ook worden ingezet voor groepsonderzoek, bijvoorbeeld om de wijdverbreide conventies over hart- en vaatziekten te valideren.
Ook de ethische aspecten, zoals die van privacy aangaande het delen van gevoelige persoonlijke gegevens, zijn doorontwikkeld in de app.
