Fatime Oumar, promovendus aan de Universiteit Twente, pakt deze uitdaging aan door dynamische AIgestuurde voorspellende modellen te ontwikkelen die complicaties zoals infecties, ademhalingsproblemen of andere fysiologische achteruitgang kunnen opsporen voordat er klinische symptomen ontstaan. Dergelijke complicaties kunnen zich dagen, weken of zelfs maanden na een behandeling aandienen. Vaak zonder duidelijke waarschuwing en soms te laat om nog effectief in te grijpen.
Fatime is gespecialiseerd in biomedische technologie en ontwikkelt AImodellen die vroege tekenen van complicaties detecteren bij patiënten na kanker of obesitasbehandelingen. In haar onderzoek verzamelt en analyseert ze continu vitale signalen zoals hartslag en ademhalingsfrequentie via draagbare sensoren en gepersonaliseerde algoritmes voor risicovoorspelling. “We proberen de eerste signalen op te vangen: subtiele, stille veranderingen in het lichaam die kunnen aangeven dat er iets mis dreigt te gaan,” legt ze uit.
Het onzichtbare zichtbaar maken
Fatime is onderdeel van de onderzoeksgroep Biomedical Signals and Systems (BSS) aan de Universiteit Twente en werkt binnen RECENTRE, een landelijk onderzoeksprogramma dat wordt gefinancierd door de 4TU Federation. Ze ontwikkelt voorspellende modellen om complicaties te signaleren na uiteenlopende vormen van kankertherapie en bariatrische ingrepen.
Ze werkt nauw samen met klinische partners zoals Medisch Spectrum Twente (MST), Ziekenhuisgroep Twente (ZGT), het Prinses Máxima Centrum voor kinderoncologie en het Helen Dowling Instituut. Zo slaat haar onderzoek een brug tussen technologie en gezondheidszorg.
In een pilotstudie bij Medisch Spectrum Twente werden patiënten die een grote buikoperatie ondergingen, na ontslag veertien dagen lang thuis gevolgd met een kleine, lichte wearable patch. Dit apparaat registreerde continu fysiologische signalen zoals hartslag, ademhaling en fysieke activiteit. “Deze sensoren verzamelen hoogfrequente data die de actuele conditie van de patiënt weerspiegelen,” zegt Fatime. “We gebruiken deze data om AImodellen te trainen die leren wat normaal is voor elke individuele patiënt en zo een persoonlijk profiel opbouwen.”
Wanneer het systeem afwijkingen detecteert, bijvoorbeeld een lichte maar aanhoudende verandering in hartslag, geeft het een waarschuwing af. “Vaak treden deze afwijkingen al op voordat traditionele klinische methoden ze kunnen signaleren,” voegt ze toe. “Bij sommige patiënten zien we afwijkingen tot wel zes uur eerder dan met de huidige ziekenhuismethoden. Dat kan echt het verschil maken in de kliniek.”
Van ziekenhuis naar thuiszorg
Fatime’s werk ondersteunt een bredere beweging richting continue monitoring op afstand in plaats van langdurige ziekenhuisopname. Ze licht toe: “Ziekenhuizen zitten vaak vol. Als we veilig op afstand kunnen monitoren, is dat beter voor iedereen.”
Hoewel het verzamelen van betrouwbare data nog een technische uitdaging vormt, kijkt ze optimistisch vooruit. Haar doel is om zelflerende dynamische modellen te ontwikkelen die zich aanpassen aan de actuele gezondheidssituatie van een patiënt. “Dat is de toekomst: gepersonaliseerde, evoluerende risicovoorspelling op basis van langetermijngegevens.”
Verder dan herstel: risico’s op lange termijn voorspellen
Een andere dimensie van haar onderzoek richt zich op langetermijnzorg, met name voor overlevenden van kinderkanker. In samenwerking met het Prinses Máxima Centrum onderzoekt ze hoe leefstijl, comorbiditeiten en behandelgeschiedenis gecombineerd kunnen worden om risico’s zoals cardiale disfunctie te voorspellen, jaren na de oorspronkelijke behandeling. Fatime legt uit: “We willen adaptieve voorspellende modellen ontwikkelen die rekening houden met de veranderende gezondheidstoestand van een patiënt. Risico is niet statisch. Het verandert mee met leefstijl, nieuwe diagnoses en behandelingen. Als we die veranderingen kunnen voorzien, kunnen we opvolgzorg beter afstemmen.”
Persoonlijke fascinatie
Fatime’s interesse in medische dataanalyse begon in Turkije, waar ze zowel haar bachelor als master in de biomedische technologie behaalde. Haar bacheloronderzoek richtte zich op het detecteren van diabetische retinopathie via netvliesbeelden en machine learning. Voor haar master ontwikkelde ze een evolutionair algoritme om relevante spectrale kenmerken uit FTIR spectroscopie van urine te selecteren. Daarmee kon ze baarmoeder en eierstokkanker classificeren met behulp van machine learning. “Ik raakte gefascineerd door het idee dat je met rekenmodellen betekenisvolle patronen uit complexe biologische data kunt halen,” vertelt ze. “De promotieplek aan de Universiteit Twente viel meteen op. Het bracht mijn interesses in AI, dataanalyse en klinische relevantie perfect samen.”
Vooruitkijken
Naast haar onderzoek is Fatime ook enthousiast over onderwijs en begeleiding. Binnenkort gaat ze studenten begeleiden binnen de opleidingen biomedische technologie en kunstmatige intelligentie. “Als anderen van mijn werk kunnen leren en daar nog een stap verder mee gaan, dan is dat voor mij het echte succes.”
Met nog ruim twee jaar te gaan in haar promotietraject blijft haar missie helder: de zorg slimmer, eerder en proactiever maken. Ze besluit: “We kunnen niet alle complicaties voorkomen, maar we kunnen wel zorgen dat ze ons niet verrassen.”
