Het onderzoek is uitgevoerd door onderzoekers Rob van der Willigen en Mark van Velzen, in samenwerking met studenten en collega-onderzoekers. Waar de inzet van patiëntgegevens tot nu toe sterk beperkt werd door privacywetgeving, biedt de nieuwe aanpak een oplossing: het synthetisch elektronisch patiëntendossier.
Realistische data, zonder privacyrisico’s
Wat zo bijzonder is aan de methode van onderzoekers Rob en Mark, is dat de methode volledig fictieve patiëntgegevens genereert. Deze synthetische data behouden de structuur, taal en informatiedichtheid van echte elektronische patiëntendossiers, maar bevatten géén herleidbare persoonsgegevens. Onderzoekers, zorginstellingen en bedrijven kunnen daardoor veilig werken met datasets voor innovatie, onderwijs en onderzoek – zonder risico op schending van de privacy.
“Dankzij deze methode kunnen onderzoekers bij zowel publieke instellingen als bedrijven sneller prototypen, modellen testen en innovatieve zorgtoepassingen ontwikkelen, zonder te wachten op langdurige goedkeuringsprocedures voor het gebruik van patiëntengegevens," aldus Mark van Velzen.
Klaar voor de toekomst
Met deze toonaangevende publicatie in Frontiers in Artificial Intelligence (Volume 8 – 2025) zet Hogeschool Rotterdam een belangrijke stap richting een AI-ready lerend zorgsysteem, waarin onderwijs, onderzoek en praktijk elkaar versterken. Voor de zorg betekent dit snellere en veiligere toegang tot relevante data. Voor studenten biedt het de kans om midden in de frontlinie van AI-toepassingen te leren en direct bij te dragen aan maatschappelijke innovatie.
Studenten in de hoofdrol
Opvallend is de grote rol van studenten in dit onderzoek. Via de Data Science Talentenpool van het Instituut voor Communicatie, Media en Informatietechnologie (CMI) werkten bachelorstudenten mee aan de proof-of-concept. Zij deden praktijkervaring op met AI en data-analyse en werden co-auteurs van de internationale publicatie.
Open beschikbaar voor iedereen
De resultaten zijn openbaar toegankelijk. De volledige werkwijze, inclusief code en voorbeelddata, is beschikbaar via GitHub. Daarmee nodigt Hogeschool Rotterdam de internationale gemeenschap van zorgprofessionals, onderzoekers en bedrijven uit om verder te bouwen op deze primeur.