Terug naar overzicht

PSYience Live over het voorspellen van behandeleffecten – NVvP-Leden

  • Duur 1u
  • Deelnemers 75
  • Laatste update Donderdag 24-08-2023

Over deze sessie

Deze aflevering van PSYience Live staat in het teken van het voorspellen van behandeleffecten in de praktijk met neuroimaging data. Recente studies laten zien dat machine learning analyse van MRI beelden diagnostische, prognostische en voorspellende biomarkers voor de psychiatrie kan opleveren. Een redelijk goede prognose voor individuele patiënten ligt daarmee binnen bereik. Deze biomarkers brengen ons ook een stap dichterbij het voorspellen van een behandeluitkomst per individuele patiënt. Hoe precies?

 

Geen programma gevonden

Over de sprekers

Guido van Wingen

Professor Neuroimaging in Psychiatry - Amsterdam UMC

Het doel van zijn onderzoek is het begrijpen van de neurale mechanismen die ten grondslag liggen aan de ontwikkeling en behandeling van psychiatrische stoornissen. Daarom onderzoekt hij hoe biologische en psychologische factoren die samenhangen met psychiatrische kwetsbaarheid de hersenen beïnvloeden, en hoe een succesvolle behandeling de hersenfunctie en -structuur normaliseert. Om deze vragen te beantwoorden, combineert hij genetica, stress, farmacologie en niet-farmacologische behandelmethoden met functionele en structurele neuroimaging-technieken.

4 sessies

Afke Terwisscha van Scheltinga

4 sessies

Bart Groeneweg

Ervaringsdeskundige

Is opgeleid als Klinisch Pedagoog in Utrecht en in 1988 gepromoveerd op een onderzoek naar drugverslaafde ouders en hun kinderen. Zijn werkervaring ligt in de jeugdzorg en de gehandicaptenzorg, de langste tijd (22 jaar) als bestuurder. Daarnaast is hij altijd actief geweest in diverse brancheorganisaties. Bart is als ervaringsdeskundige depressie actief binnen (het bestuur van) de Depressie vereniging.

4 sessies

Tags

machinaal leren multivariaat neuroimaging data precisie psychiatrie univariaat

Over deze sessie

  • Begrip over het verschil tussen standaard analyse en machinaal leren (o.a. analyse op groepsniveau vs. individu; associatie vs. voorspelling; univariaat vs. multivariaat)
  • Begrip van sterkte van het effect (o.a. klein/middelmatig effectgrootte vs. zeer groot effect; individuele voorspelling op kansniveau vs. >80% nauwkeurig)
  • Inzicht in de mogelijkheden van machinaal leren voor precisiepsychiatrie (o.a. individuele analyse gebruiken voor diagnose en behandelindicatie)