Promotie L.H. (Henrik) John

Hieronder volgt een korte samenvatting van het proefschrift:

Grote zorgdatabanken met gegevens uit elektronische patiëntendossiers en verzekeringsdeclaraties worden vaak gezien als een belangrijke kans om ziekten eerder te voorspellen. Hun waarde zit echter niet alleen in hun omvang.

Dat blijkt duidelijk uit dementiepredictie. Veel gepubliceerde modellen waren niet goed opnieuw te gebruiken, omdat essentiële details in de rapportage ontbraken. Toen verschillende van deze modellen werden getest in internationale zorgdatabanken, vielen hun prestaties vaak tegen. Een nieuw ontwikkeld dementiemodel liet in meerdere databanken stabielere resultaten zien en maakte daarmee duidelijk hoe belangrijk transparante rapportage en externe validatie zijn als een model ook buiten de oorspronkelijke setting moet werken.

Meer data betekende bovendien niet automatisch betere voorspellingen. Bij logistische regressie werd een bijna maximale prestatie vaak al bereikt zonder alle beschikbare data te gebruiken. Zeer grote datasets kunnen daarom vaak worden verkleind met nauwelijks verlies aan nauwkeurigheid. Ook complexere methoden bleken niet vanzelf beter. In 11 zorgdatabanken en voor drie predictieproblemen presteerden conventionele methoden, zoals logistische regressie en gradient boosting, meestal even goed of beter dan deep learning bij gestructureerde zorgdata, vooral wanneer modellen in verschillende settings werden toegepast.

Ook het toevoegen van klinische kennis bood mogelijkheden voor verbetering. Het opnemen van relaties uit medische taxonomieën in predictiemodellen leverde een bescheiden verbetering op in de voorspelling van longkanker.

Betrouwbare klinische predictie vraagt daarom minder om steeds meer data, en meer om transparant modelontwerp, zorgvuldige validatie in verschillende zorgomgevingen, methoden die passen bij de data, en beter gebruik van bestaande klinische kennis.