Ik heb klinische technologie (technische geneeskunde) gestudeerd in Delft. Deze opleiding is een samenwerking tussen de TU Delft, de Erasmus Universiteit en het LUMC. Op de middelbare school vond ik geneeskunde heel leuk, maar ik wilde ook graag iets met de technische vakken doen. Ik zag toevallig deze studie en dit sloot goed aan bij wat ik interessant vind: hoe kun je patiënten beter maken met techniek?
Bij klinische technologie ben je bezig met innovaties binnen de geneeskunde. Je leert tijdens de studie zowel over geneeskunde als over techniek. Tijdens de studie heb je ook blokken waarin je net als bij geneeskunde leert over bijvoorbeeld lichamelijk onderzoek. Bepaalde ingrepen mag ik ook uitvoeren. Bij klinische technologie ga je minder diep in op bepaalde ziektes, maar ga je juist in op het oplossen van bepaalde problemen binnen de geneeskunde met behulp van techniek. Artsen hebben meer gedetailleerde kennis over geneeskunde, maar ik begrijp de concepten en kan daardoor goed samenwerken en communiceren met artsen.
Ik heb met name aan de TU Delft veel wiskunde gehad. Aan het begin gingen we vooral door op de wiskunde van de middelbare school (wiskunde B, zoals differentiëren, goniometrie en vectoren). Daarna werd de wiskunde veel meer gericht op de toepassing binnen de geneeskunde. Een voorbeeld van dit soort wiskunde is signaalanalyse. Als er een hartfilmpje wordt gemaakt, worden er signalen gemeten en zichtbaar gemaakt. Deze signalen ga je leren analyseren: je leert bijvoorbeeld om bepaalde patronen te herkennen, omdat je op die manier bepaalde ziektes (zoals een hartinfarct) kan diagnosticeren. Belangrijk zijn hierbij de toppen in de grafiek, waar je natuurlijk ook veel mee bezig bent op de middelbare school. Uiteindelijk ging de wiskunde nog een stukje verder zodat je automatisch ziektes kan detecteren en meten. Hierbij is het leren van programmeren ook een belangrijk onderdeel binnen de wiskunde die je krijgt.
Ik werk binnen de cardiologie (hart- en vaatziekten) en focus me vooral op de vaten rondom het hart. Bij dit werk heb je te maken met patiënten die acuut binnenkomen en een behandeling moeten krijgen, zoals een bypassoperatie (omleiding van de hartvaten).
Ik houd me bezig met gegevens van patiënten, zoals leeftijd, geslacht, bloeddruk, medicatie en metingen aan de nierfunctie. Voor het hart bekijk ik signalen (hartfilmpjes) en beelden (hartecho’s) .Met deze gegevens (data) kunnen we met behulp van wiskundige modellen (algoritmes) beter inschatten en voorspellen wat bijvoorbeeld de kans is op een hartinfarct of in het ergste geval de kans op overlijden. Je gebruikt wiskunde dus om voorspellingen te maken. Met behulp van de voorspellingen kunnen we bijvoorbeeld onderbouwen dat een patiënt vaker moet terugkomen voor controle of een bepaalde behandeling wel of niet moet krijgen.
De hoop is dat we met behulp van dit soort algoritmes een stukje zorg weghalen bij de zorgverleners en meer duidelijkheid voor de patiënt kunnen geven. Ik denk niet dat deze algoritmen ooit het werk van een arts kunnen overnemen. Het gaat erom dat de arts en de algoritmes elkaar kunnen versterken: als ze er beide naar kijken, is er een grotere kans dat er bijvoorbeeld een ziekte wordt ontdekt. Een mens moet uiteindelijk altijd de beslissing nemen, omdat het algoritme geen gevoel en emoties heeft. Het ultieme doel van deze algoritmes is te zorgen voor betere patiëntuitkomsten (eerder naar huis, langer leven, geen klachten), lagere werklast en lagere kosten.
Jazeker, maar ik ben niet constant bezig met het uitschrijven van wiskunde op papier. Ik gebruik wiskunde voornamelijk op de achtergrond. Het doel van mijn werk is dat ik algoritmes voor me laat werken om voorspellingen te doen over patiënten. In deze algoritmes zit veel wiskunde, maar iemand anders heeft dat algoritme geschreven en de wiskunde erin gezet. Het is voor mij wel ontzettend belangrijk dat ik de wiskunde in het algoritme begrijp, zodat ik het op de juiste manier kan toepassen en uitkomsten kan interpreteren.
Daar ligt denk ik de kracht van wiskunde in mijn baan. In theorie zou iedereen het model kunnen gebruiken en daarmee voorspellingen over patiënten kunnen doen. Maar de vraag is natuurlijk hoe goed en nauwkeurig die voorspellingen uiteindelijk zijn. Ik hoor weleens mensen zeggen: “ik voeg zoveel mogelijk variabelen toe en dan zien we wel wat eruit komt”. Je kan inderdaad meer variabelen en gegevens aan het model toevoegen om de voorspelling te verbeteren, maar daar zit wel een grens aan. Als je te veel variabelen toevoegt kan de voorspelling juist minder goed worden. Dat heeft te maken met hoe het algoritme is getraind en welke data daarvoor is gebruikt. Het is dus belangrijk dat je deze wiskundige concepten begrijpt. Ten eerste om er bewust van te zijn dat dit soort situaties kunnen ontstaan en dat dit gevolgen kan hebben voor de kwaliteit van de voorspellingen en de zorg van de patiënt. Bovendien kan je met wiskunde ook echt berekenen welk aantal variabelen optimaal is voor de situatie en uiteindelijk de best mogelijke zorg verlenen.
Het begint al bij het meten en diagnosticeren van een patiënt met bijvoorbeeld een MRI scan of een echo. Zonder wiskunde kan je deze scans en echo’s niet maken en kan je dus een verborgen ziekte niet ontdekken. Vervolgens ga ik al deze gegevens van de patiënt gebruiken in modellen om voorspellingen te doen. Haal je de wiskunde weg, dan bestaan er geen modellen en algoritmes meer. Dit staat dus aan de basis van alles: zonder wiskunde zou dit werk helemaal niet bestaan!
Ja, destijds vond ik dat je veel trucjes leert en niet zo bezig was met de toepassing. Ik had niet het idee dat ik wiskunde nodig had. Ik zie nu dat ik deze basis nodig heb om nu de modellen te kunnen maken en toepassen binnen mijn vakgebied. Als je bepaalde aannames in de modellen niet goed toepast, kun je er in extreme gevallen voor zorgen dat de patiënt een verkeerde behandeling krijgt. Wiskunde is de basis voor wat ik nu doe!
