Nieuwe hoogleraar Klinische Biostatistiek: betere voorspellingen voor patiënten
Per 15 februari is Ewout Steyerberg benoemd tot hoogleraar Klinische Biostatistiek aan het Julius Centrum van het UMC Utrecht/Universiteit Utrecht. Binnen de afdeling Data Science en Biostatistiek richt hij zich op het ontwikkelen en toepassen van voorspelmodellen die artsen en patiënten helpen betere medische beslissingen te nemen.
Biostatistiek speelt een belangrijke rol in medisch onderzoek. “Het gaat er uiteindelijk om dat je uit data betrouwbare antwoorden haalt op belangrijke medische vragen”, vertelt Steyerberg. “Dat begint altijd bij de vraag: wat willen we precies weten? Pas daarna kijk je naar de data en de methoden die nodig zijn om die vraag te beantwoorden.”
Ontwikkelingen gaan snel
Het vakgebied ontwikkelt zich snel. Klassieke statistiekmethoden worden steeds vaker gecombineerd met technieken uit data science, zoals machine learning en artificial intelligence (AI). “Statistiek heeft een lange traditie in kritisch kijken naar data”, legt hij uit. “We kijken naar aannames, naar de kwaliteit van data en naar onzekerheid in de uitkomsten. In data science ligt de nadruk soms meer op wat technisch mogelijk is. Die twee werelden kunnen elkaar versterken.”
Door de toename van beschikbare medische data en rekenkracht zijn analyses mogelijk die enkele decennia geleden nog ondenkbaar waren. Tegelijkertijd blijft voorzichtigheid geboden. “Meer data betekenen niet automatisch dat de antwoorden ook beter zijn. Het blijft essentieel om kritisch te kijken naar hoe betrouwbaar een voorspelling is.”
Wat zijn voorspelmodellen en wat kunnen ze?
In het onderzoek van Steyerberg staat het ontwikkelen van voorspelmodellen centraal. Daarmee proberen onderzoekers bijvoorbeeld te schatten hoe groot de kans is dat iemand een bepaalde ziekte krijgt of hoe iemand zal reageren op een behandeling. Die modellen kunnen artsen helpen om behandelingen beter af te stemmen op individuele patiënten.
“Als je kunt voorspellen wat het risico is op een bepaalde uitkomst, kun je daar de behandeling op aanpassen. Patiënten met een laag risico kun je mogelijk een intensieve behandeling besparen, terwijl je patiënten met een hoger risico juist gerichter behandelt.”
Een voorbeeld is onderzoek naar dementie. Daarbij blijkt dat eenvoudige kenmerken zoals leeftijd en geslacht al veel informatie geven over het risico. “We kunnen tegenwoordig heel veel meten, maar soms blijken een paar basale factoren al verrassend informatief.”
Hoe betrouwbaar zijn medische voorspellingen?
Hoewel nieuwe analysetechnieken veel mogelijkheden bieden, benadrukt hij dat medische voorspellingen altijd onzeker blijven. “Als je bijvoorbeeld zegt dat iemand tien procent kans heeft op een bepaalde ziekte, dan blijft dat een schatting. Met een ander model kan die kans misschien vijf of dertig procent zijn. Daarom is het belangrijk om transparant te zijn over die onzekerheid.” Dat geldt ook voor ambitieuze toepassingen van AI, zoals het voorspellen van een groot aantal verschillende ziekten tegelijk. “Voor veel aandoeningen zijn er simpelweg nog te weinig gegevens om betrouwbare voorspellingen te kunnen doen.”
Hoe worden voorspelmodellen ingezet in de zorg?
Naast methodologische ontwikkeling richt zijn onderzoek zich nadrukkelijk op toepassing in de zorg. Binnen verschillende onderzoeksprojecten worden voorspelmodellen ontwikkeld die artsen en patiënten kunnen ondersteunen bij beslissingen tijdens het behandeltraject.
Bij kankeronderzoek bijvoorbeeld worden steeds meer patiëntkenmerken meegenomen in behandelkeuzes. “Door gegevens over tumorkenmerken, biomarkers en andere factoren te combineren, kunnen we steeds beter inschatten welke behandeling voor een patiënt het meest geschikt is.”
Welke rol speelt data science in het UMC Utrecht?
De leerstoel Klinische Biostatistiek sluit nauw aan bij de strategie van het UMC Utrecht, waarin data science en e-health een belangrijke rol spelen. Binnen het programma Connecting Worlds wordt data science gezien als een belangrijke versterker van onderzoek en zorg.
De leerstoel draagt bij aan verschillende strategische onderzoeksprogramma’s van het UMC Utrecht, waaronder de thema’s Cancer en Circulatory Health. Daarnaast speelt digitalisering een steeds grotere rol in de zorg. Binnen het programma Zorg voor Morgen is het uitgangspunt ‘Digitaal, tenzij’, waarbij datagedreven toepassingen een belangrijke plaats innemen. “Voorspellende algoritmen en AI worden steeds vaker ingezet in de zorg”, aldus Steyerberg. “Het is belangrijk dat we die toepassingen zorgvuldig ontwikkelen en evalueren, zodat ze daadwerkelijk bijdragen aan betere zorg.”
Hoe worden toekomstige artsen en onderzoekers opgeleid?
Naast onderzoek levert de leerstoel ook een belangrijke bijdrage aan onderwijs. Studenten op bachelor-, master- en PhD-niveau leren hoe zij medische data kunnen analyseren en interpreteren. “In een tijd waarin AI steeds belangrijker wordt, is het essentieel dat artsen en onderzoekers kritisch blijven nadenken over data en modellen. Dat geldt zowel voor onderzoek als voor de toepassing van algoritmen in de klinische praktijk.”
Wie is Ewout Steyerberg?
Ewout Steyerberg (1967) studeerde Biomedische Wetenschappen aan de Universiteit Leiden, waar hij in 1991 cum laude afstudeerde. Tijdens zijn studie werkte hij als student-assistent bij de afdeling Medische Statistiek, waar zijn interesse in biostatistiek ontstond. In 1996 promoveerde hij aan de Erasmus Universiteit Rotterdam.
In 2006 werd hij benoemd tot hoogleraar Medische Besliskunde aan het Erasmus MC in Rotterdam, met een focus op prognostische modellering en voorspelmodellen. Later werd hij afdelingshoofd van de afdeling Biomedical Data Sciences aan het Leids Universitair Medisch Centrum (LUMC) en hoogleraar Klinische Biostatistiek en Medische Besliskunde. In juni 2024 trad hij in dienst bij het UMC Utrecht als medisch-wetenschappelijk divisiemanager bij het Julius Centrum voor Gezondheidswetenschappen en Eerstelijnsgeneeskunde. Per 15 februari 2026 is hij benoemd tot hoogleraar Klinische Biostatistiek. Zijn onderzoek richt zich op de ontwikkeling en toepassing van voorspelmodellen in de geneeskunde en op de evaluatie van voorspellende algoritmen in de klinische praktijk.
Hij publiceerde meer dan 1.000 wetenschappelijke artikelen en werkt samen met onderzoekers uit uiteenlopende medische disciplines, waaronder oncologie, cardiovasculaire geneeskunde en neurologie.
Ewout woont in Gouda met zijn vrouw en drie kinderen. In zijn vrije tijd loopt hij graag hard, vaak rond de plassen bij Gouda.
Onderscheidingen
Steyerberg ontving diverse nationale en internationale prijzen voor zijn werk, waaronder de John M. Eisenberg Award van de Society for Medical Decision Making (2016), een KNAW-fellowship (1999–2003) en een Marx Research Fellowship van het Dana-Farber / Harvard Cancer Center (2005).
Waarom biostatistiek?
Steyerberg: “Biostatistiek gaat voor mij over het begrijpen van data. Het is een soort puzzel: kunnen we uit beschikbare gegevens een antwoord halen op een belangrijke medische vraag? We hebben tegenwoordig steeds meer data tot onze beschikking. Tegelijk is het belangrijk om kritisch te blijven kijken naar de kwaliteit van die data en naar de onzekerheid in voorspellingen.”