Promotie: Hoe kunnen AI-modellen artsen helpen bij het nemen van beslissingen?
Klinische besluitvorming verbeteren
Klinische besluitvorming is een complex proces dat bestaat uit het verzamelen van informatie, het evalueren van bewijs en het toepassen van kennis om hoogwaardige zorg te garanderen en het risico voor patiënten te minimaliseren. Raphaela Butz komt met dit onderzoek tegemoet aan de behoefte om klinische besluitvorming te verbeteren in het licht van toenemende klinische kennis, databeperkingen en complexe behandelingsopties.
Bayesiaanse netwerken
Bayesiaanse netwerken (BN's) zijn AI-modellen die bijzonder geschikt zijn voor het ondersteunen van klinische besluitvorming. Artsen hebben echter vaak moeite met het interpreteren van BN's, vooral wanneer ze met een groot aantal variabelen te maken hebben. Dit onderzoek is erop gericht om BN's toegankelijker en begrijpelijker te maken voor niet-deskundige gebruikers, wat uiteindelijk de kwaliteit van de patiëntenzorg verbetert.
Korte zinnen of argumenten
Een van de belangrijkste resultaten die Butz vond is het inzicht in hoe gebruikers BN’s waarnemen. De studies die in dit proefschrift zijn uitgevoerd, lieten zien dat deelnemers de voorkeur gaven aan verklaringen met betrekking tot specifieke scenario's, die gemakkelijker te begrijpen waren. Korte zinnen of argumenten waarop men kan handelen, werden verkozen boven tabellen met waarschijnlijkheden, en hoewel grafieken verkeerd geïnterpreteerd konden worden, bleken ze over het algemeen de gemakkelijkste presentatiemethode te zijn. In een medisch scenario was het bijvoorbeeld effectiever om de prognose van een patiënt te presenteren via een eenvoudige, op scenario's gebaseerde verklaring dan om complexe statistische tabellen te gebruiken.
Overlevingsanalyse
De uitkomsten van Butz onderzoek omvatten verbeterde methoden voor overlevingsanalyse met behulp van een hybride benadering van BN’s en meer traditionele overlevingsmodellen. Het onderzoek verbetert ook de verklaarbaarheid van BN’s door de integratie van argumentatietheorie en gebruikersgericht ontwerp.
Over Raphaela Butz
Raphaela Butz (Sindelfingen, 1988) werkt sinds 2021 in de IT-industrie. Daarvoor was ze werkzaam als wetenschappelijk assistent. Ze studeerde af in 2008 en behaalde in 2015 een master in Computer Science and Media aan de University of Applied Science in Keulen.
Op donderdag 12 december 2024 om 16.00 uur verdedigt ze haar proefschrift getiteld 'Enhancing Medical Decision Making with Bayesian Networks: A Journey into Interpretability and User Perception' aan de faculteit Bètawetenschappen van de Open Universiteit in Heerlen.
Promotoren zijn prof. dr. Remko Helms (Open Universiteit) en prof. dr. Hans van Ditmarsch (Université Paul Sabatier). Copromotor is dr. Arjen Hommersom (Open Universiteit).
De verdediging is live bij te wonen aan de Open Universiteit in Heerlen en online te volgen via ou.nl/live.
