Annekoos Schaap is een PhD kandidaat in de vakgroep Electronic Systems bij de faculteit Electrical Engineering aan de TU/e, waar ze wordt begeleid door part-time professor Danny Ruijters en full professor Sveta Zinger. Met een masterdiploma in Electrical Engineering, gespecialiseerd in Signal Processing Systems en Care & Cure aan de Technische Universiteit Eindhoven (TU/e), heeft Annekoos Schaap een sterke basis in AI-gestuurde medische beeldvorming. Tijdens haar stage droeg ze bij aan neuro-onderzoek door te helpen bij het vaststellen van een basislijn voor het classificeren van emotionele context uit afbeeldingen, ter ondersteuning van het modelleren van verschillen tussen neurotypische en neuroatypische breinen. Haar masterthesis richtte zich op de prognose van prostaatkanker, waarbij diagnostische beeldvorming en genomische data werden geïntegreerd om beeldkenmerken te identificeren die samenhangen met tumorgroei. Met behulp van machine learning-modellen (SVM, KNN, LR) classificeerde ze tumoren op basis van hun Gleason-score. Haar onderzoek toonde significante correlaties aan tussen beeldvorming en genomische kenmerken, wat bijdraagt aan niet-invasieve gepersonaliseerde behandelingsstrategieën.

Vooruitgang in medische beeldvorming, AI en machine learning heeft het potentieel om de gezondheidszorg te revolutioneren. Dit onderzoek richt zich op de ontwikkeling en implementatie van AI-gestuurde beeldverwerkingstechnieken om de behandeling van cerebrale aneurysma's te optimaliseren. Door gebruik te maken van geavanceerde machine learning-algoritmen, is het doel de werkdruk van zorgpersoneel te verlichten.

Door AI-ondersteunde procedurele begeleiding toe te passen, willen we minimaal invasieve ingrepen verbeteren en workflowautomatisering inzetten om de cognitieve en fysieke belasting van medisch personeel te verminderen. Door AI-gestuurde oplossingen in de klinische praktijk te integreren, willen we in dit onderzoek de proceduretijd te verkorten, de blootstelling aan röntgenstraling te verminderen en de algehele efficiëntie te verhogen.

Een cruciaal aspect van dit werk is het waarborgen van de bruikbaarheid en betrouwbaarheid van AI-ondersteunde hulpmiddelen in echte medische omgevingen. Daarom zullen reader studies worden uitgevoerd om de effectiviteit en klinische impact van de ontwikkelde technieken te beoordelen. Door zowel de patiëntenzorg als het welzijn van zorgpersoneel centraal te stellen, draagt dit onderzoek bij aan een efficiënter, nauwkeuriger en patiëntgerichter zorgsysteem.