Betere gezondheidszorg door big data
ICT en menselijk gedrag
Big data spelen een steeds grotere rol binnen de overheid en in het bedrijfsleven. Maar ook individuen verzamelen steeds vaker data, bijvoorbeeld met een stappenteller of hartslagmeter. ‘Als je die ongestructureerde data op de juiste manier analyseert, kan dat nuttige nieuwe informatie opleveren’, zegt Kraaij. ‘Het is ons vak om de algoritmen te ontwikkelen die zo’n analyse automatisch uitvoeren.’ Kraaij is geïnteresseerd in de wisselwerking tussen ICT en menselijk gedrag. Zijn onderzoek richt zich vooral op data in de gezondheidszorg. ‘Ik denk dat we daar met behulp van big data een nieuwe stap kunnen zetten.’
Leren van data
De oratie van Kraaij heeft als titel ‘Data van waarde’. Hij legt uit dat big data een machtsmiddel kunnen zijn: platformen als Google, Facebook, Uber, maar ook de overheid en bedrijven verzamelen heel veel data over personen. De kennis die dit oplevert, kan ook tegen mensen gebruikt worden. ‘Daar moeten we bedacht op zijn. Maar aan de andere kant kan het verzamelen van grote hoeveelheden data over een langere tijd veel opleveren. Voor individu én maatschappij. Het langdurig registreren van gegevens over gletsjers, heeft ons bijvoorbeeld informatie gegeven die van belang is voor het klimaatbeleid.’ Kraaij legt de nadruk op de ‘empowerment’ van patiënten, door ze hun eigen data te laten beheren, daarvan te leren en de eigen situatie vervolgens positief te beïnvloeden. ‘Een voorbeeld is het project SWELL. Daarbij zijn met data-analyse nieuwe technieken ontwikkeld om stress en inspanning te meten en om patiënten te helpen hun gedrag aan te passen. Dat laatste is overigens niet gemakkelijk. Het is heel belangrijk dat we in ons onderzoeksgebied samenwerken met andere disciplines, in dit geval gedragswetenschappers.’
Bronnen combineren
Een belangrijk doel van Kraaij is de ‘defragmentatie’ van data en informatie. ‘Er moet meer samenhang komen. Wij doen onderzoek naar manieren om grote hoeveelheden data van verschillende bronnen samen te voegen in één model. Dat model kan informatie opleveren waar individuen, artsen of beleidsmakers van kunnen leren.’ Dit kan bijvoorbeeld helpen om de wereld duurzamer te maken, omdat consumenten betrouwbare informatie krijgen over de CO2-belasting van de producten waaruit ze kunnen kiezen. ‘Dankzij de analyse van data van grote groepen patiënten kunnen artsen meer persoonlijke gezondheidsadviezen geven. De kans dat een behandeling werkt, neemt daarmee toe en het risico op onnodige behandelingen – die bij het individu niet werken – neemt af. Dat verbetert de kwaliteit van zorg en houdt de kosten van de gezondheidszorg binnen de perken.’
‘Dit jaar starten we met het CBS een onderzoek waarbij we op zoek gaan naar een robuuste methodiek om op basis van big data aanbevelingen voor het stedelijk beleid te krijgen’
Persoonlijke data beheren
Hoe leer je van data die verkregen zijn door observatie? Hoe toon je daarbij een causaal verband aan? En hoe breng je data van verschillende bronnen slim samen in één model? Die vragen wil Kraaij in de komende jaren beantwoorden. ‘We gaan instrumenten ontwikkelen, die mensen vervolgens zelf kunnen gebruiken om hun leven of leefomgeving te verbeteren. Een goede basis voor het beheer van persoonlijke data van patiënten is daarbij heel belangrijk. De eerste initiatieven hiertoe zijn inmiddels in de maak. De overheid heeft hierbij een verantwoordelijkheid. Die moet kaders stellen voor het veilig gebruik en beheer van data van personen. Transparantie en regels voor privacy zijn belangrijk en noodzakelijk om burgers te beschermen.’ Hier zijn op Europees niveau afspraken over gemaakt, bijvoorbeeld in de nieuwe Europese wet op databescherming (GDPR).
Samenwerking CBS
Kraaij werkt zowel vanuit TNO als in zijn functie als hoogleraar samen met het CBS. ‘Dit jaar start in samenwerking het Center for Big Data Statistics (CBDS) van het CBS een onderzoek waarbij we op zoek gaan naar een robuuste methodiek om op basis van big data aanbevelingen voor het stedelijk beleid te verkrijgen. Dit moet leiden tot real-time beleidsindicatoren, op verschillende beleidsterreinen. Daar is nadrukkelijk ook statistische kennis voor nodig.’ Beleidsvragen vanuit de gemeente Den Haag en de metropoolregio Rotterdam-Den Haag vormen het uitgangspunt van dit READ-URBAN-project.