Promotie Varsha Gouthamchand

Trefwoorden: F.A.I.R.-gegevens, Semantisch web, Kennisgrafieken, Federatief leren

"From Heterogeneity to Harmony: F.A.I.R. Integration for Federated Big Data Analyses in Oncology"

Dit proefschrift onderzoekt hoe grote hoeveelheden medische gegevens veilig kunnen worden gedeeld en geanalyseerd om de kankerzorg te verbeteren. In de moderne oncologie verzamelen ziekenhuizen enorme hoeveelheden informatie, verspreid over beeldvormingssystemen, testresultaten en EPD-systemen. Verschillen in gegevensformaten en strenge privacyregels maken het echter vaak moeilijk om deze kennis te combineren. Dit onderzoek pakt deze uitdagingen aan door de F.A.I.R.-principes (Findable, Accessible, Interoperable, Reusable) en privacyverhogende methoden toe te passen. Met de ontwikkelde tools kunnen ziekenhuizen samenwerken zonder gevoelige patiëntgegevens uit te wisselen, met behulp van een methode die Federated Learning wordt genoemd. Door deze technieken toe te passen op gegevens over hoofd-halskanker en longkanker, laat dit werk zien hoe betrouwbare voorspellingsmodellen kunnen worden gebouwd voor meerdere instellingen, terwijl de privacy van patiënten wordt beschermd. Hiermee biedt het proefschrift praktische inzichten voor toekomstige toepassingen van kunstmatige intelligentie (AI) in de gezondheidszorg.

Klik hier voor de livestream.