AbstractsMedical & Health Science

De hoeveelheid medische gegevens die digitaal is opgeslagen groeit wereldwijd in een snel tempo. Deze groei biedt de mogelijkheid aan nieuwe en interessante applicaties om ons besef van zorg te veranderen. We stellen ons de vraag welke onderdelen van zorg waarin kennis wordt gedeeld te automatiseren zijn en hoe deze automatisering te bewerkstelligen is. Ons werk richt zich op het automatiseren van twee aspecten van zorg die traditioneel gezien menselijke supervisie vereisen. Namelijk het genereren van persoonlijk advies voor schizofreniepatiënten en het vinden van het beste vectorautoregressiemodel voor digitale patiëntendagboeken. We hebben een aantal belangrijke stappen gezet op weg naar het geautomatiseerd verwerken van digitale medische gegevens. Ten behoeve van de patiënt hebben we aangetoond dat het geven van advies aan schizofreniepatiënten, een taak die voorzichtigheid en nauwkeurigheid vereist, zeer goed te automatiseren is. Ten behoeve van de clinicus hebben we aangetoond dat tevens complexe processen, zoals het vinden van het optimale vectorautoregressiemodel voor digitale patïentendagboeken, te automatiseren zijn. Om de zorg toegankelijk en betaalbaar te houden in de komende decennia, verwachten we dat het noodzakelijk is om routineoperaties gebaseerd op digitale medische gegevens grotendeels te automatiseren. Echter, voordat we zover zijn, verwachten we een overgangsperiode waarin dit soort systemen worden ontwikkeld, getraind, en gebruikt als second opinion.; The total volume of electronic medical data around the world is increasing rapidly, allowing for new and exciting applications to change the way we think about care. We set out to find answers to the questions of which aspects of care that involve knowledge sharing can be automated, and how this automation can be performed. Our work focused on automating two aspects of care that traditionally require human supervision. These aspects are generating personalized advice for schizophrenia patients and finding the best vector autoregression model for electronic patient diary data. We have taken a number of important steps toward the automated processing of electronic medical data. On the patient side, we have shown that providing advice for schizophrenia patients, a delicate task that requires accuracy and precision, can be automated effectively. On the side of the clinicians, we showed that even complex processes, such as finding the optimal vector autoregression model for electronic patient diary data, can beautomated. In order to keep healthcare accessible and affordable in the coming decades, we believe that routine aspects of care that are derivative of electronic medical data will need to be fully automated. Before coming to rely solely on automated reports and recommendations, we envision a transitional period wherein such systems are developed, trained, and used as a second opinion.