Medical Data Science

Medische Zorg & Welzijn

Data Science Zorg AI Data Laboratorium

Duur

3 jaar

Niveau

Vooruitzicht

Groeiend

Wat leer je in deze studie?

Medical Data Science is een gloednieuwe, innovatieve WO-opleiding die de werelden van geneeskunde, informatica en statistiek samenvoegt tot één krachtige discipline. In deze opleiding leer je hoe je grote hoeveelheden medische data analyseert en interpreteert om betere diagnoses te stellen, behandelingen te optimaliseren en de gezondheidszorg als geheel efficiënter te maken. Je duikt diep in vakgebieden zoals biostatistiek, machine learning, klinische epidemiologie, gezondheidseconomie en medische beeldverwerking. Concrete projecten vormen een kernonderdeel van de opleiding: zo werk je aan echte patiëntendatasets, ontwikkel je voorspellende modellen voor ziekteprogressie en leer je hoe je de uitkomsten van klinische studies statistisch correct verwerkt en interpreteert. Tijdens je stage — bij een ziekenhuis, farmaceutisch bedrijf of onderzoeksinstelling — pas je al jouw vaardigheden toe in een echte professionele omgeving. Een typische studiedag combineert colleges over medische statistiek met werksessies waarin je in Python of R werkt aan het analyseren van elektronische patiëntendossiers of het trainen van een AI-model voor medische beelddiagnostiek.

Een week als student

Luister: een week bij Medical Data Science0:00 / 0:00

Op maandag begin je met een hoorcollege Biostatistiek & Kansrekening. Dat betekent: statistiek speciaal voor medische data. De zaal is groot en er zitten misschien wel honderd studenten. De docent legt uit hoe je kansen berekent bij ziektes. Je schrijft mee en maakt aantekeningen. Na het college werk je thuis de stof door. Dat kost je zeker twee uur extra.

Op dinsdag heb je een werkcollege Programmeren in Python. Python is een computertaal waarmee je data analyseert. Je werkt in een kleine groep aan echte medische data, bijvoorbeeld gegevens over bloeddruk. Op woensdag volg je een hoorcollege Klinische Epidemiologie. Dat vak gaat over hoe ziektes zich verspreiden in een bevolking. Daarna bespreek je met je projectgroep hoe jullie een voorspellend model gaan bouwen. Zo'n model voorspelt bijvoorbeeld of iemand een ziekte krijgt.

Vereiste Vooropleiding

Voor toelating tot Medical Data Science is een VWO-diploma vereist, bij voorkeur met het profiel Natuur & Gezondheid (N&G) of Natuur & Techniek (N&T). Deze profielen bieden de beste voorbereiding omdat ze wiskunde B, biologie en scheikunde omvatten, vakken die direct aansluiten op de medisch-wetenschappelijke en kwantitatieve inhoud van de opleiding. Wiskunde B is bij de meeste instellingen verplicht, omdat statistiek, kansrekening en lineaire algebra een fundamentele rol spelen in de opleiding. Biologie en scheikunde zijn sterk aanbevolen om de medische context van de data goed te begrijpen. Studenten met een HAVO-diploma kunnen in aanmerking komen via een schakelprogramma of propedeuse bij een hogeschool, waarna doorstroom naar het WO mogelijk is. Wie 21 jaar of ouder is zonder VWO-diploma, kan in sommige gevallen deelnemen aan een toelatingstoets (colloquium doctum) om alsnog toegelaten te worden.

Kernvakken

Carrièreperspectieven

## Carrièreperspectieven: Medical Data Science Afgestudeerden van Medical Data Science zijn uitstekend gepositioneerd op een arbeidsmarkt die in snel tempo digitaliseert. De combinatie van medische kennis, informatica en statistiek maakt hen tot veelgevraagde professionals in een breed scala aan organisaties. Typische werkgevers zijn ziekenhuizen, universitaire medische centra (UMC's), zorgverzekeraars, farmaceutische bedrijven en medtech-startups. Veelvoorkomende functies zijn onder meer data scientist in de zorg, klinisch epidemioloog, gezondheidsdata-analist, onderzoeker bij wetenschappelijke instituten zoals het RIVM of het CBS, en consultant bij gezondheidszorgadviesbureaus. Ook de overheid en beleidsorganisaties bieden interessante mogelijkheden voor afgestudeerden die data willen inzetten voor volksgezondheidsvraagstukken. Verwachte Ontwikkelingen De vooruitzichten zijn veelbelovend. De verdere opkomst van kunstmatige intelligentie in de diagnostiek, de groei van gepersonaliseerde geneeskunde en de toenemende digitalisering van patiëntendossiers creëren een structureel groeiende vraag naar deze expertise. Tegelijkertijd zijn er uitdagingen: strikte privacywetgeving zoals de AVG stelt hoge eisen aan databeheer, en de snelle technologische ontwikkelingen vereisen dat professionals voortdurend blijven bijscholen om relevant te blijven op de arbeidsmarkt.

Impact van AI op deze studie

AI staat letterlijk centraal in deze opleiding: je leert niet alleen hoe AI-modellen werken, maar ook hoe je ze verantwoord toepast op gevoelige medische data. Je werkt met state-of-the-art tools zoals TensorFlow en PyTorch voor het ontwikkelen van deep learning modellen die medische beelden zoals MRI-scans en röntgenfoto's kunnen analyseren, en je leert hoe je natural language processing toepast op klinische teksten en patiëntendossiers. De opleiding besteedt ook expliciet aandacht aan de ethische en juridische aspecten van AI in de zorg, zoals algoritmische bias, uitlegbaarheid van modellen (explainable AI) en privacywetgeving zoals de AVG. Hiermee bereidt de opleiding je voor op een werkveld waarin AI de diagnostiek, behandelplanning en zorglogistiek ingrijpend aan het transformeren is.