De implementatie van datawetenschap in Biomedical Sciences

“Als je informatie als getallen in een Excel-spreadsheet kunt weergeven, is het waarschijnlijk data, en als je die informatie gebruikt om een kwantitatieve vraag te beantwoorden, is het waarschijnlijk datawetenschap.” Hoewel er nog steeds geen algemeen aanvaarde definitie van datawetenschap bestaat, is het gebaseerd op drie pijlers: statistische methoden, programmering en kritische domeinkennis. “Die combinatie is waardevol voor biomedische wetenschappers die werken met grote datasets, zoals patiëntgegevens, genetische sequenties, beeldvorming en laboratoriumresultaten. Als je datawetenschap toepast om inzicht te krijgen in biologische mechanismen en vervolgens de verkregen resultaten in het lab valideert om die inzichten verder uit te bouwen, kun je veel tijd en geld besparen in vergelijking met het uitsluitend gebruik van lab-experimenten. In de vroege ontwikkelingsfase hebben we specialisten in het veld gevraagd welke profielen ze graag willen werven, en deze efficiënte manier van werken is een van de aspecten die biomedische wetenschappers met vaardigheden in datawetenschap steeds belangrijker maakt.”

Gewilde vaardigheden toevoegen aan een studieprogramma is een goede manier om bachelor- en masteropleidingen toekomstbestendig te maken. “Academische opleidingen raken snel verouderd. Niet alleen neemt de biomedische kennis exponentieel toe, ook de aard ervan verandert. Het vakgebied van biomedische wetenschappen wordt gekenmerkt door snelle ontwikkelingen in de toepassing van innovatieve technieken en een snelle evolutie van kennis. Als je je onderwijsprogramma’s niet blijft aanpassen, raak je achterop, wat uiteindelijk ten koste gaat van de studenten.”

“We zorgen ervoor dat onze afgestudeerden inzicht krijgen in datawetenschap en daarmee ook kunnen samenwerken met datawetenschappers. Hoewel het onderwerp sommige studenten kan afschrikken, merken we een verschuiving waarbij studenten in hun vrije tijd met datawetenschap aan de slag gaan: sommigen omdat ze het interessant vinden, anderen omdat ze weten dat ze er later in hun loopbaan mee te maken zullen krijgen. Het is belangrijk om op te merken dat we geen volwaardige datawetenschappers opleiden, hoewel studenten er later voor kunnen kiezen zich hierin te specialiseren.”

Datawetenschap wordt een vast onderdeel van het curriculum. De masteropleiding is als eerste herzien, omdat deze studenten het dichtst bij de arbeidsmarkt staan. “In sommige specialisaties en keuzevakken maken we al gebruik van datawetenschap. Deze sporadische aanpak wordt nu omgezet in een fundamentele integratie van datawetenschap in de kernmodules.”

De wetenschap is voortdurend in ontwikkeling en het onderwijs moet anticiperen op de toekomstige uitdagingen in dit vakgebied. Dit is verankerd in de kwaliteitsborgingscyclus, waarin medewerkers en studenten de studieprogramma’s kritisch en grondig onder de loep nemen. “Als collega’s en studenten met elkaar in gesprek blijven over wat toekomstige wetenschappers volgens hen nodig hebben, en er platforms zijn om die suggesties te ondersteunen, zal ons onderwijs de hoge kwaliteitsnormen die het vandaag de dag hanteert, blijven behouden.”

Tekst: Ruben Beeckman

Fotografie: Jonathan Vos