Met sensoren aan de slag om gezondheid te meten

/ Auteur: Miriam van der Sangen
© Sjoerd van der Hucht Fotografie
Sensoren zijn niet meer weg te denken uit ons leven. Denk aan de bloeddrukmeter in de smartwatch of de stappenteller op de smartphone. Sensoren zijn nauwkeurig en daarom is het CBS op zoek naar manieren om ze te gebruiken, onder andere ter vervanging van vragenlijsten. Tijdens de tweede Sensor Datachallenge eind januari 2019 werd hiermee geëxperimenteerd. De organisatoren waren het CBS, de Haagse Hogeschool, het RIVM en de Universiteit Utrecht.

Verspreiding infectieziekten

Het Team Intelligence (Universiteit Utrecht, Universiteit van Amsterdam, Carlos III) won de challenge. Winnaar en teamlid Mathijs Nelemans: ‘Het was onze opdracht - die was ingebracht door het RIVM - om menselijke contactpatronen te herkennen. Die zijn belangrijk bij de verspreiding van infectieziekten.’ Het team bouwde een kleine architectuur om te achterhalen hoeveel bepaalde personen in contact komen met anderen. Nu vergaart het RIVM deze informatie door mensen vragenlijsten in te laten vullen. Het nadeel daarvan is dat dit achteraf gebeurt en mensen zich kunnen vergissen of data vergeten. Nelemans: ‘Om handaanrakingen in kaart te brengen en geslacht en leeftijd te schatten, hebben we bluetooth van smartphones gebruikt en een camerabril. Het was nog wel een ingewikkelde klus om een model te maken waarmee de leeftijd van de personen bepaald kon worden.’

Sensor Data
© Sjoerd van der Hucht Fotografie

Goed voorbereid

Voor Mathijs Nelemans was het de eerste keer dat hij meedeed aan zo’n grote datachallenge. Hij studeert Geographical Information Management and Applications (GIMA) aan de Universiteit Utrecht en werkt hij bij GeoPhy, een technologisch bedrijf in Delft. Een medestudent die de vorige keer deelnam aan de Sensor Datachallenge haalde hem over. ‘We hebben ons als team wel een beetje voorbereid en de verschillende vraagstukken vooraf doorgenomen. Ook hadden we zelf een router en elektronica meegenomen.’ Tijdens de challenge werd hard gewerkt, zelfs tot middernacht. ‘Het ging redelijk goed tot 4 uur ’s nachts. Toen sloeg de moeheid toe. Maar om 8 uur ’s ochtends gingen we weer aan de slag. Toen onze demo was gelukt, dachten we dat we wel een kans maakten op een prijs.’

‘Voor het CBS zijn vooral de ervaringen met het meten van de arbeidsomstandigheden interessant’

Arbeidsomstandigheden

Tweede prijswinnaar Feline Vis van Heemst werkte met drie medestudenten in het team L!nk aan de opdracht om objectieve, betrouwbare data over arbeidsomstandigheden te verzamelen. Ook voor haar was deze datachallenge nieuw. Haar opdracht was gebaseerd op de NEA, de Nationale Enquête Arbeidsomstandigheden - een gezamenlijk product van het CBS en TNO. ‘Wij hebben eerst opgezocht wat er in de NEA allemaal gemeten wordt - denk bijvoorbeeld aan tillen of geluidsoverlast - en hebben gekeken of dat goed te meten is met sensoren. We werkten met een oorsensor om omgevingsgeluid, hartslag en gevaarlijke gassen te meten en een druksensor onder de voeten voor het aantal tilbewegingen en het tilgewicht.’ Vis van Heemst, vijfdejaars Industrieel Product Ontwerpen (IPO) aan de Haagse Hogeschool, vond het programmeren van alle sensoren wel een tijdrovende klus. ‘Gelukkig hadden we een teamlid met veel ervaring op dit gebied.’ Dat ze een tweede prijs voor hun bijdrage kregen was een verrassing. ‘Als teamleden kenden we elkaar nog niet, deze vorm van samenwerking was nieuw voor ons. Maar ondanks slechts 3 uurtjes slaap hebben we een mooi resultaat behaald.’

Sensor Data
© Sjoerd van der Hucht Fotografie

Out of the box

Ook het CBS zelf vaardigde vier teamleden af, vanuit de disciplines methodologie, business-analyse en IT. Eén van hen is Sapphire Han. Zij werkt sinds september 2018 als methodoloog bij het CBS en is bezig met een promotie bij het NIDI. Daarvoor deed ze een master biomedische technologie in Enschede. Han vond vooral het ‘out of the box’ denken bij de datachallenge erg stimulerend. ‘Wij hadden hetzelfde vraagstuk als het team dat de tweede prijs won. Ook wij hebben de vragen in de NEA eerst bestudeerd. We hadden sensoren meegenomen, maar hebben tijdens de challenge ook zelf een sensorhub gemonteerd. Die sensorhub bestond uit sensoren die de luchtvochtigheid meten, bewegingen in kaart brengen en lopen en zitten registreren. Met machine learning technieken hebben we de data geanalyseerd. Ongeveer 90 procent van alle bewegingen konden we met onze sensoren in kaart brengen. Een mooi resultaat dat een derde plaats opleverde.’

Vertaling naar de praktijk

De organisatoren van de 24-uurs Datachallenge op 24 en 25 januari 2019 waren het CBS, de Universiteit Utrecht (het Waarneem Innovatie Netwerk), het lectoraat Smart Sensor Systems van John Bolte van de Haagse Hogeschool en het RIVM. Acht teams afkomstig van overheid, wetenschap en hogeschool deden mee. Barry Schouten, methodoloog bij het CBS en hoogleraar: ‘We kijken terug op een heel succesvolle datachallenge. Alles is uitstekend verlopen. Samen met het RIVM, de Haagse Hogeschool, de Universiteit Utrecht en de teams gaan we nu bekijken hoe we de ideeën kunnen gebruiken in de praktijk. Voor het CBS zijn vooral de ervaringen met het meten van de arbeidsomstandigheden interessant.’ Ook Rowan Voermans, datascientist en gespecialiseerd in het gebruik van sensoren bij het CBS, is enthousiast over de resultaten. ‘De teams bestonden deels uit vrijwilligers en deels uit studenten die studiepunten konden behalen door hun deelname. De meeste teams waren opvallend goed voorbereid. Elk team had ook een geheel eigen aanpak.’