Machine Learning in de (klinische) praktijk

Leer hoe u machine learning kunt toepassen binnen de ggz en hoe dit kan helpen bij het verbeteren van de klinische praktijk.

Wat leert u?

  • Wat is machine learning precies?
  • Toepassen van machine learning om op basis van klinische data tot nieuwe inzichten te komen
  • Stappen die nodig zijn voor een effectief machine learning-project
  • Gebruik van tools als Random Forest en LASSO
  • Optioneel: Werk stap voor stap met deskundige begeleiding aan uw eigen project
  • Optioneel: Werk met begeleiding aan uw PhD-onderzoek

Samenvatting

Machine learning is een vorm van statistiek die zich richt op voorspellen, bijvoorbeeld van de zorgvraag of zorgbehoefte van een patiënt. De computer doet deze voorspellingen door complexe patronen in grote hoeveelheden data te herkennen en in kaart te brengen. Machine learning is in korte tijd zeer relevant geworden binnen de zorg, omdat de vraag naar gepersonaliseerde en proactieve zorg steeds sterker wordt. Machine learning-projecten maken het bijvoorbeeld mogelijk te voorspellen welke specifieke patiënten wel of niet geholpen zijn met bepaalde behandelingen. Uiteindelijk doel is om de effectiviteit, kwaliteit en betaalbaarheid van behandelingen te vergroten.

In deze leergang van 5 dagen in een periode van 15 weken leert u hoe u machine learning kunt toepassen in uw eigen praktijk. Het is mogelijk om tijdens de leergang te werken aan een eigen project of PhD-onderzoek.

  • Data leergang voorjaar 2020: 28 januari, 3 maart, 24 maart, 14 april en 19 mei (steeds op dinsdag).
  • Data leergang najaar 2020: 8 september, 5 oktober, 3 november, 24 november, 15 december

Behoort u tot de doelgroep?

U bent werkzaam in de zorg en u wilt leren wat machine learning voor u kan betekenen.

  1. Met eigen project
    U brengt een eigen project in waarmee een klinisch relevant predictievraagstuk wordt aangepakt. Dit project dient gedurende de leergang als casus. In elke sessie wordt uitgebreid stilgestaan bij de voortgang en de next steps. In de tijd tussen de trainingsdagen wordt u individueel begeleid. Voor elk ingebracht project kunnen twee deelnemers aansluiten: iemand met expertise op het gebied van data-analyse en iemand met klinisch inhoudelijke expertise.

  2. Zonder eigen project
    U neemt deel om u de basisprincipes van machine learning eigen te maken en zo op eigen kracht later een machine learning-project uit te kunnen voeren. U krijgt geen individuele begeleiding. Er geldt een gereduceerd tarief.

  3. PhD-studenten
    U neemt deel met als doel om een machine learning-onderzoek te publiceren en krijgt individuele begeleiding bij het schrijven van het manuscript. Er geldt een gereduceerd tarief.

Bent u geïnteresseerd in deze training, maar vraagt u zich af of het echt iets voor u is? Neem contact met ons op.

Vereist aanvangsniveau

U voelt zich comfortabel met statistiek, onderzoek en het schrijven van syntax. Tijdens de leergang wordt gewerkt in R. Als u geen R-ervaring heeft, vragen wij u om vooraf een online tutorial te volgen.

Geen ervaring in R?

Als u geen R-ervaring heeft, vragen wij u om vooraf een online tutorial te volgen en zelf de benodigde software te installeren (gratis).

Bent u geïnteresseerd in deze training maar heeft u andere voorkennis? Neem contact met ons op.

Leer van de experts

Deze training is opgezet vanuit het Centrum voor Economische Evaluatie van het Trimbos-instituut. Dit centrum ondersteunt organisaties bij het toepassen van machine learning en opereert in de complete cyclus van innovatie, implementatie en evaluatie. Het centrum is o.a. betrokken bij het doorrekenen van de kosten en effecten van interventies of beleidsmaatregelen, het opstellen van onderzoekagenda’s rondom doelmatigheid en het begeleiden in de praktijk van het meetbaar maken en verbeteren van de doelmatigheid.

Trainer Joran Lokkerbol specialiseerde zich in machine learning aan Harvard (Boston, US) en MIT. Joran Lokkerbol: “Als het om machine learning gaat, kon je tot nu toe wel je theorie-examen halen, maar nergens rijlessen volgen. Daarom zette ik de eerste praktijkopleiding op voor het toepassen van machine learning in de klinische praktijk.” 

Resultaat

  • U beschikt over de vaardigheden om gericht een machine learning-project te doorlopen
  • U heeft dat (eventueel) toegepast op een eigen project of PhD-onderzoek
  • U heeft een intuïtief begrip van machine learning
  • U weet waar u op moet letten bij de implementatie van machine learning-algoritmen in de praktijk.

Certificaat

Na het volgen van de leergang ontvangt u een certificaat van deelname.

Programma

In deze leergang van 5 dagen leert u hoe u machine learning toepast om op basis van klinische data tot nieuwe inzichten te komen. U kunt de leergang volgen met of zonder de inbreng van een eigen project of PhD-onderzoek (zie onder ‘Doelgroep’).

De leergang start met informatie over wat machine learning nu eigenlijk precies is, om vervolgens in te gaan op de stappen die een typisch machine learning-project doorloopt. Uiteindelijk leert u hoe de belangrijkste machine learning tools (Random Forest, LASSO, et cetera) werken, hoe u ze toepast en hoe u ze interpreteert.

Als u aan een eigen project werkt, gaat u direct, hands-on, op basis van eigen data het geleerde in praktijk brengen. U ontwikkelt een intuïtief begrip van alle onderdelen die binnen een machine learning-project van belang zijn en wat de typische valkuilen zijn. De leergang eindigt met een afgerond machine learning-project, gericht op ondersteuning van de klinische praktijk.

Data leergang 2020

Dinsdag 28 januari
Dinsdag 3 maart
Dinsdag 24 maart
Dinsdag 14 april
Dinsdag 19 mei

Werkvormen

  • Kennisoverdracht
  • (Eigen) oefensituaties
  • Reflectiemomenten
  • Feedback op antwoorden
  • Verwerkingsopdrachten
  • Nalezen van de stof
  • Zelfstudie
  • Discussie

Trainer(s)

Joran Lokkerbol specialiseerde zich in machine learning aan Harvard (Boston, US) en MIT. Hij ontwikkelde deze leergang, leidde inmiddels zo’n 50 deelnemers op, is een veelgevraagd spreker op het gebied van machine learning en doet veel onderzoek naar toepassingen van machine learning in de zorg.

Meer informatie

Organisator

Trimbos-instituut

Studielast

Naast de contacturen is de studielast ca. 10 uur per week gedurende de periode van de leergang.

Digitale leeromgeving

N.v.t.

Trainingsmateriaal

Voorafgaand aan elke bijeenkomst ontvangt u het benodigde trainingsmateriaal via e-mail.

Prijs

€ 2.500,00 excl. btw

*Prijs inclusief lunch op de trainingsdagen en digitaal trainingsmateriaal.
Prijs met eigen project: € 2500,00 excl. btw. In elke periode tussen twee opleidingsdagen vindt een uur persoonlijke begeleiding plaats.
Prijs zonder eigen project: € 1000,00 excl. btw. Er vindt geen individuele begeleiding plaats.
Prijs voor PhD-studenten: € 1000,00 excl. btw. In elke periode tussen twee opleidingsdagen vindt een uur persoonlijke begeleiding plaats.

Algemene voorwaarden

Op alle trainingen en congressen van de Trimbos Academie zijn onze algemene voorwaarden van toepassing. Hierin staan ook de annuleringsvoorwaarden en de klachtenprocedure beschreven.