Accelerating health research using linked data and virtual reality
| Promotie: | A.J. (Alexander) Kellmann |
| Wanneer: | 09 december 2024 |
| Aanvang: | 09:00 |
| Promotor: | M.A. (Morris) Swertz |
| Copromotors: | dr. E.J. van Enckevort, dr. K.J. (Joeri) van der Velde |
| Waar: | Academiegebouw RUG |
| Faculteit: | Medische Wetenschappen / UMCG |
Versnelling van gezondheidsonderzoek met behulp van gekoppelde data en virtual reality
Het proefschrift "Accelerating Health Research Using Linked Data and Virtual Reality" van Alexander Kellmann gaat over het ontwikkelen van nieuwe methoden, modellen en programma's. Deze zijn bedoeld voor het integreren, hergebruiken en visualiseren van wetenschappelijke data, zodat deze beter toegankelijker wordt voor mens en computer.
De kern is Graph2VR, een Virtual Reality (VR) software waarmee grote, complexe datasets verkend kunnen worden als een kennisgraaf (in RDF). Graph2VR visualiseert data in 3D als interactief universum van netwerken, knooppunten en verbindingen, waarbij onderzoekers relaties kunnen navigeren en herordenen op manieren die niet mogelijk zijn in traditionele 2D-tools. Het proefschrift beschrijft ook de toepassing van Graph2VR op datasets uit de praktijk zoals data catalogussen, medicatie codes en genetische data.
Daarnaast ontwikkelden we de MOLGENIS Catalogue. Dit online platform helpt onderzoekers wereldwijd om bestaande data uit cohort-studies en biobanken te delen en te vinden, wat nieuwe samenwerkingen bevordert en het hergebruik van data stimuleert. De catalogus ondersteunt ook het ‘harmoniseren’ van data tussen verschillende studies, zodat datasets gezamenlijk geanalyseerd kunnen worden en meer resultaten bereikt kunnen worden. Het wordt al gebruikt door 12 (inter)nationale onderzoeksprojecten en 796 data collecties.
Ten slotte hebben we tijdens de COVID-19-pandemie geholpen bij de analyse van de Lifelines COVID-studie. We hebben de MOLGENIS ‘SORTA’ Plugin verder ontwikkeld om medicatienamen, uitgevraagd via enquêtes, semi-automatisch om te zetten naar standaard medicatie codes, een essentiële stap om statistische analyses mogelijk te maken. Deze methode vermindert de verwerkingstijd van data met 50%, zonder het proces volledig te automatiseren zodat de menselijke experts altijd de eindbesluiten kunnen nemen.