Stageverslag: medische vragenlijsten personaliseren met AI
1 september 2021Vragenlijsten voor kankerpatiënten personaliseren met AI. PRO-CTCAE is een systeem voor patient-reported outcomes dat symptomatische toxiciteit evalueert in klinische kankerstudies. De bibliotheek bevat 124 items die 78 symptomatische toxiciteiten vertegenwoordigen. Patiënten vullen ze wekelijks in tijdens de belangrijkste behandelperiodes.
Het onderzoeksdoel: gebruik AI om per patiënt de 10 meest relevante vragen aan te bevelen in plaats van een standaardselectie voor iedereen. De vragen die er het meest toe doen én waarover het minst geweten is.
Aanpak: clustering en aanbeveling
Stagiair Usman Dankoly werkte met een dataset van 35 longkankerpatiënten (544 rijen × 55 kolommen) en paste K-Means-clustering toe op tumorclassificatie en WHO-scores. Zo identificeerde hij twee duidelijk verschillende patiëntclusters. Het belang van elke vraag werd berekend via de frequentie van composietscores verschillend van nul. De onzekerheid werd gemeten via de standaardafwijking binnen clusters en doorheen de tijd.
Gepersonaliseerde resultaten
Individuele aanbevelingsscores combineerden belang en onzekerheid als instelbare hyperparameters. In vroege behandelfases weegt onzekerheid zwaarder door (wat we het minst weten). In latere fases verschuift het gewicht naar belang (wat er voor deze specifieke patiënt het meest toe doet). Zo daalt de vragenlast terwijl de klinische relevantie behouden blijft.
- Usman Dankoly, EHB Brussel
Ontdek meer
Stageverslag: Education Recommender Bot
Stagiair Brecht Noyens bouwde een chatbot die toekomstige studenten de best passende studierichting aanbeveelt. Hij combineerde Microsoft Bot Framework Composer met een Python-aanbevelingsengine op Azure.
Stageverslag: K-Means-clustering op EWS-data
Stagiair Senne bouwde een patiëntmonitoringdashboard met K-Means-clustering op Early Warning Score-data. Patiënten worden gecategoriseerd volgens hun gezondheidstraject, ter ondersteuning van klinische beslissingen.
Bachelorproef: gebarentaal omzetten naar tekst met AI
We waren copromotor van een bachelorproef over beeldherkennings-AI die Vlaamse Gebarentaal omzet naar geschreven tekst, met een vergelijking van Azure Custom Vision, Google AutoML Vision en Amazon Rekognition.
