Steyerberg wijdt zijn wetenschappelijke carrière aan zogeheten klinische voorspelmodellen. “Met geavanceerde statistiek kunnen we vragen beantwoorden zoals ‘hoe groot is de kans dat iemand met bepaalde risicofactoren een ziekte krijgt?’ of ‘wat is de kans dat een patiënt met kanker na vijf jaar nog in leven is?’ Doordat we deze kansen steeds beter op individueel niveau kunnen schatten, kunnen artsen steeds betere beslissingen nemen over de behandeling.”

Een recente ontwikkeling in het vakgebied van Steyerberg is de beschikbaarheid van big data en analyse met machine learning-technieken. Voor bepaalde vragen zijn dit aantrekkelijke methoden, maar zodra je probeert per individu te voorspellen welke behandeling de beste is ligt misleiding op de loer. Het effect van een behandeling kan bijvoorbeeld vertekend zijn doordat een arts ziekere patiënten vaker een bepaalde behandeling geeft dan minder zieke patiënten.

“Het is een illusie om te denken dat je voor deze confounding by indication kunt corrigeren als je machine learning gebruikt om big data te analyseren. De beste manier waarop je voor individuele patiënten iets kunt leren over welke behandeling werkt, blijft een gerandomiseerde studie, waarbij patiënten per toeval een behandeling krijgen toegewezen. Hoe graag we het ook zouden willen, big data met machine learning is geen shortcut-oplossing voor personalised medicine”, legt hij uit.

Klik hier voor meer informatie.