Naar hoofdinhoud Naar footer

Ryanne Offenberg, PhD-student

PhD-student

Mijn naam is Ryanne en ik ben PhD-student aan het Image Sciences Institute van het UMC Utrecht.  Ik kom uit Oss, voor sommigen bekend van Organon, of als stad van de messentrekkers, of het plekje tussen Den Bosch en Nijmegen wanneer je met de trein reist. In mijn vrije tijd ben ik graag met mijn handen bezig of wandel ik in het bos om mijn hoofd leeg te maken. Het liefst besteed ik mijn tijd met tuinieren, bakken, naaien, of bijvoorbeeld schilderen. Het leek me onwijs interessant om in onderzoek te werken en bij te kunnen dragen om de grenzen van het huidige kennen en kunnen te verleggen. Ik ben uitgekomen op een onderzoeksproject dat zich richt op cognitieve achteruitgang en dementie. Voor mij was dit een perfecte combinatie tussen een interessante, nieuwe technieken, een aangrijpend, relevant onderwerp en leuke, inspirerende mensen om mee samen te werken.

Ontwikkelen van een computermodel op basis van uitlegbare kunstmatige intelligentie om de relatie tussen vasculaire hersenschade en cognitieve achteruitgang beter te kunnen begrijpen.

Mijn onderzoek richt zich op het ontwikkelen van een computermodel dat zogenaamde lesion-symptom mapping kan uitvoeren. Hierbij gaat het om het begrijpen van de relaties tussen vasculaire hersenschade (de laesie of lesion) en cognitieve achteruitgang (het symptoom of symptom). Er zijn verschillende soorten vasculaire schade die kunnen ontstaan in de hersenen. Met behulp van MRI-scans, kunnen we deze schade bekijken en analyseren. Zo weten we dat schade niet altijd leidt tot cognitieve problemen, terwijl het in andere situaties vergaande gevolgen kan hebben. Dit is afhankelijk van verscheidene eigenschappen van een persoon, maar bijvoorbeeld ook van het soort schade, de grootte van schade, de combinaties van schade en de locatie van schade in de hersenen. Mijn doel is om een model te ontwikkelen dat ingezet kan worden om de relaties tussen verschillende soorten vasculaire schade en verschillende cognitieve functies in kaart te brengen. Dit model kan vervolgens mogelijk worden ingezet door onderzoekers om op grote schaal meer inzicht te krijgen in het ziekteproces. Of bijvoorbeeld als hulpmiddel voor een arts, waarbij de arts een indicatie krijgt in hoeverre vasculaire schade een rol speelt in de cognitieve achteruitgang van een patiënt.  

Wapenfeiten

  • PhD-student aan het Image Sciences Institute van het UMC Utrecht.
  • Achtergrond in geneeskunde (Radboud Universiteit) en Medical Imaging (Universiteit Utrecht).
  • Focus op het inzetten van complexe, inzichtelijke computermodellen (deep learning, explainable artificial intelligence) voor de zorg.
  • Betrokken bij TAP-DANCE.