Nedap
Het door Nedap Healthcare ontwikkelde platform ondersteunt het dagelijkse werk van vele gezondheidswerkers die in Nederland te maken hebben met miljoenen patiëntendossiers. Onze datasets bevatten alles van een medische diagnose, voorgeschreven medicatie, allergieën tot en met de rekening die naar de verzekeraar wordt gestuurd en alles daar tussenin.
Het openstellen van zulke medische dossiers zou een enorme stimulans zijn voor de wetenschap; zowel voor individuele studies als voor het aantal onderzoekers dat toegang heeft tot de gegevens. Medische gegevens moeten echter privé blijven.
Differential privacy [1] is een robuust raamwerk om dit probleem op het gebied van statistische openbaarheidscontrole aan te pakken op een manier die zich automatisch aanpast aan de query en de beschikbare gegevens. Wij willen dit krachtige raamwerk in de praktijk brengen en daardoor bijdragen aan het toegankelijker maken van medische gegevens voor medische onderzoekers en tegelijkertijd een betere privacybescherming te bieden dan wat momenteel mogelijk is in overeenkomsten voor het delen van gegevens.
Differential privacy is toegankelijker geworden met de release van open-source implementaties [3], maar er zijn nog steeds gaps in de medische onderzoekspraktijk die we graag willen dichten. We zijn op zoek naar een slimme student die geïnteresseerd is in het overbruggen van deze kloof. Je bestudeert de fundamentele wiskundige operaties van differential privacy. Je analyseert de impact van gegenereerde ruis in een dataset en het effect daarvan op de validiteit van medische statistische tests. Enkele van onze kernvragen zijn:
- In welke mate kunnen medisch statistische queries worden uitgevoerd in de context van differential privacy?
- Hoe vertaalt de adaptieve (Gaussian/Laplacian) ruis zich naar de waarschijnlijkheden verkregen via een statistische test (b.v. t-test, chi^2-test)?
- Welke DP-methoden zijn geschikt voor grotere datasets en wat zijn belangrijke aspecten waarmee rekening moet worden gehouden in termen van datastructuren, pre-processing en datakwaliteit?
- Wat is de juiste epsilon (anonimity)-tradeoff voor verschillende queries in het medische domein? Hoe kunnen we gebruikers op een intuïtieve manier helpen bij deze afweging? [2]
Referenties:
- Dwork, Cynthia. "Differential privacy: A survey of results." International conference on theory and applications of models of computation. Springer, Berlin, Heidelberg, 2008.
- Dwork, Cynthia, Nitin Kohli, and Deirdre Mulligan. "Differential privacy in practice: Expose your epsilons!." Journal of Privacy and Confidentiality 2019.
- SmartNoise - https://github.com/opendp/smartnoise-samples/blob/master/data/README.md
Jouw team
Je werkt voornamelijk in het Tech Exploration Team binnen Nedap Healthcare dat als missie heeft om nieuwe technologie te vinden en toe te passen om problemen in de Healthcare sector op te lossen. Je werkt ook nauw samen met het Data Science team en (technische) artsen om snel feedback te krijgen over je werk.
Als stagiair of afstudeerder bij Nedap kun je zowel remote, als op onze toffe campus in Groenlo werken. Dat doe je uiteraard in overleg met je team en wat de mogelijkheden zijn hangt een beetje van jouw werkzaamheden, maar de keuze is aan jou.
Ook krijg je volop ruimte om ‘de lead’ te nemen in jouw opdracht. Persoonlijk leiderschap en het nemen van eigen verantwoordelijkheid staan centraal en wat ons betreft geldt dat ook voor studenten! Je werkt samen met bevlogen professionals die veel kennis, ervaring en expertise hebben en van wie je dus veel kunt leren.
Als dank voor je inzet organiseren we bovendien ieder half jaar een ‘Nedap Studentday’, speciaal voor jou. Een supergezellige dag met alle andere stagiairs, afstudeerders en werkstudenten bij Nedap.
Daarnaast bieden we je een keurige maandelijkse stage- of afstudeervergoeding. Bij een fulltime stage of afstudeeropdracht krijg je een vergoeding tussen de €325,- en €650,- per maand. En als de samenwerking van beide kanten bevalt, kan het zo maar zijn dat we je een baan aanbieden. Er zijn al veel studenten blijven plakken na hun opdracht!
We zoeken iemand met een achtergrond in wiskunde en interesse in de grondbeginselen van statistische analyse. Enige kennis van klinisch onderzoek is een pluspunt, maar we hebben ervaring in huis om dat deel te dekken.
Nedap Healthcare is een groeiende familie van creatievelingen, ontwikkelaars en zorgspecialisten. Wij zijn er voor mensen in de zorg. Zowel voor de zorgprofessional als voor de cliënt, patiënt en diens omgeving. We geloven dat mensen samen de zorg beter maken. Door mensen, kennis en technologie met elkaar te verbinden ontstaan er (software) oplossingen waarmee wij een blijvende bijdrage leveren aan de zorg in Nederland. Eenvoud, eigen regie en nauwe samenwerking met de markt staan hierbij altijd centraal.