Case · Project PICTURE · Zorg en onderzoek

Van multicenter MRI-onderzoek naar bruikbare onderzoekssoftware

Hoe maak je complexe onderzoeksdata inzichtelijk zonder te doen alsof software het oordeel van een onderzoeker of arts kan vervangen? Project PICTURE brengt langlopend gliomaonderzoek van Amsterdam UMC en internationale onderzoekspartners samen in een interactieve, open-source onderzoeksomgeving.

Open-source proof of concept voor onderzoek · geen medisch hulpmiddel · menselijke interpretatie blijft bepalend

PICTURE-onderzoeksomgeving met een MRI-weergave en resectiepatronen.
Onderzoekers vergelijken historische patronen; de visualisatie geeft geen behandeladvies.
Het project in één oogopslag

Onderzoek, software en menselijke interpretatie in één bewijsroute

PICTURE ontstond niet uit een losse productvraag. De case laat zien hoe een langdurig onderzoeksprogramma, een formele dataset en een multidisciplinair team werden vertaald naar software die controleerbaar blijft.

Project
Project PICTURE
Context
Multicenter onderzoek naar gliomachirurgie
Onderzoeksbasis
Meer dan tien jaar samenwerking met Amsterdam UMC en UCL
Dataset
1.435 volwassen patiënten uit 15 ziekenhuizen
Rol Active Collective
Onderzoeksvertaling, co-creatie, UX, software, data en infrastructuur
Status
Open-source onderzoeksprototype · bijgewerkt augustus 2026
Het onderzoeksvraagstuk

De vraag zat niet in méér data, maar in een beter vergelijkingskader

Onderzoekers beschikten over MRI-beelden, patiëntkenmerken en informatie over operaties uit meerdere ziekenhuizen. Die gegevens zijn waardevol, maar alleen wanneer verschillen in populaties, registratie en klinische context zichtbaar blijven.

De software moest onderzoekers laten verkennen welke historische patronen zichtbaar worden wanneer zij een subgroep selecteren. Tegelijk mocht de interface nooit suggereren dat een waarschijnlijkheidskaart een diagnose stelt of een behandeling voorschrijft. Dat maakte PICTURE tegelijk een onderzoeks-, ontwerp- en governancevraagstuk.

Onderzoekers en makers bespreken gezamenlijk de PICTURE-onderzoeksomgeving.
Onderzoek, productontwikkeling en medische expertise werden tijdens de ontwikkeling bij elkaar gehouden.

Amsterdam UMC en onderzoekspartners

Brachten de onderzoeksvraag, klinische expertise, cohortdefinities en interpretatiekaders in.

Active Collective

Vertaalde onderzoek naar productstrategie, co-creatie, UX, websoftware, datapijplijnen, infrastructuur en overdracht.

Onderzoekers en gebruikers

Toetsten of selecties, vergelijkingen en toelichtingen begrijpelijk bleven zonder klinische nuance weg te nemen.

Vier ontwerpbeslissingen

Software die nuance zichtbaar houdt

De belangrijkste keuzes gingen niet over meer functies, maar over de vraag hoe onderzoekers selectie, methode en beperkingen konden blijven controleren.

01

Selecteren zonder de populatie uit het oog te verliezen

De interface toont een algemene resectiekaart naast een gefilterde vergelijking. Daardoor blijft zichtbaar hoe een gekozen subgroep zich verhoudt tot de volledige onderzoeksset.

02

Waarschijnlijkheid tonen als historisch patroon

Kleurkaarten ondersteunen exploratie. Tekst en interface maken duidelijk dat zij geen voorspelling voor één individuele patiënt of behandeladvies zijn.

03

Datastappen herhaalbaar maken

Van beeldverwerking en harmonisatie tot het genereren van visualisaties: de pipeline is beschreven en gekoppeld aan open-source code zodat onderzoekers de werkwijze kunnen controleren.

04

Publicatie en product als één bewijsroute behandelen

De peer-reviewed publicatie beschrijft methode en onderzoekscontext; de software maakt de onderliggende vergelijking interactief. Geen van beide staat los van de menselijke interpretatie.

Van onderzoeksvraag naar vergelijking

Een reproduceerbare workflow achter een rustige interface

De gebruiker ziet een overzichtelijke route. Daarachter blijven selectie, beeldverwerking en interpretatie als afzonderlijke stappen herkenbaar.

  1. 01

    Onderzoeksvraag afbakenen

    De gebruiker bepaalt welke vergelijking relevant is en welke kenmerken daarbij horen.

  2. 02

    Cohort selecteren

    Kenmerken zoals leeftijd, tumorgraad en behandeling vormen een transparante selectie in de dataset.

  3. 03

    MRI-data verwerken

    Beelden worden volgens de beschreven onderzoeksworkflow geharmoniseerd en ruimtelijk vergelijkbaar gemaakt.

  4. 04

    Patronen visualiseren

    De omgeving toont de volledige populatie en de geselecteerde subgroep naast elkaar.

  5. 05

    Verschillen interpreteren

    Een onderzoeker beoordeelt de uitkomst in samenhang met datakwaliteit, onderzoeksvraag en klinische context.

Wetenschappelijke figuur van de MRI-verwerkingspipeline van Project PICTURE.
De gepubliceerde pipeline verbindt ruwe MRI-data met de vergelijkbare kaarten in de onderzoeksomgeving.
Vergelijking van een algemene resectiekaart met een gefilterde kaart in Project PICTURE.
Een algemene kaart en een gefilterde subgroep blijven naast elkaar zichtbaar.
Drie bewuste afwegingen

Wat PICTURE wel ondersteunt - en bewust niet overneemt

Vergelijking boven voorspelling

PICTURE helpt historische patronen te onderzoeken. De omgeving doet geen individuele voorspelling en neemt geen klinische beslissing.

Transparantie boven visueel spektakel

Filters, aantallen en context blijven zichtbaar. Een mooie kaart zonder herleidbare selectie zou wetenschappelijk minder bruikbaar zijn.

Open overdracht boven een gesloten demo

Code en mockdata zijn openbaar beschikbaar. De oorspronkelijke gehoste omgeving is niet actief, maar onderzoekers kunnen de proof of concept lokaal draaien en valideren.

Bewijs en grenzen

Gerealiseerd, gepubliceerd en begrensd

Een onderzoeksprototype is geloofwaardig wanneer zichtbaar is wat er is gebouwd, waar de formele onderbouwing staat en welke conclusies de software niet mag trekken.

Voorbeeldpagina van de peer-reviewed PICTURE-publicatie.
De open-access publicatie uit 2025 beschrijft de methode, dataset en onderzoekscontext.
Gerealiseerd

Interactieve open-source webapplicatie

Onderzoekers kunnen resectiepatronen verkennen en een geselecteerde subgroep vergelijken met de volledige populatie.

Onderzoeksbasis

1.435 volwassen patiënten, 15 ziekenhuizen

De formele datasetomvang uit de peer-reviewed publicatie vormt het kader voor de gepubliceerde vergelijking.

Gepubliceerd

Peer-reviewed open-access artikel uit 2025

Methode, auteursrollen en onderzoekscontext zijn publiek controleerbaar via de wetenschappelijke publicatie.

Menselijke beoordeling

Onderzoeker of professional interpreteert

De interface ondersteunt vergelijking; betekenis, toepasbaarheid en vervolg blijven een menselijke afweging.

Niet geclaimd

Diagnose, behandeladvies of medisch hulpmiddel

PICTURE is een proof of concept voor onderzoek en wordt niet gepresenteerd als klinisch beslissysteem.

Wat we leerden

Onderzoekssoftware vraagt om productdiscipline én bescheidenheid

Ontwerp de grens net zo zorgvuldig als de functie

Bij medische onderzoekssoftware is uitleg over wat een visualisatie níet betekent onderdeel van de productkwaliteit.

Maak selectie en context tegelijk zichtbaar

Een gefilterd resultaat krijgt pas betekenis wanneer de gebruiker de populatie, kenmerken en aantallen kan blijven controleren.

Publiceer methode én werkend bewijs

Een artikel verantwoordt de aanpak; open-source software en mockdata maken controle en vervolgonderzoek praktischer.

Multidisciplinair werken is geen overdrachtsmoment

Onderzoekers, ontwerpers en engineers moeten tijdens de hele ontwikkeling samen beslissen over definities, interacties en beperkingen.

Mensen achter het werk

Een multidisciplinair project, met precies omschreven rollen

Raymond M. Martens

Medeauteur van de publicatie

Droeg bij aan conceptualisering, methodologie, software, validatie, visualisatie en projectorganisatie.

Leander van Baekel

Product- en onderzoeksvertaling

Droeg bij aan ontwerp, productontwikkeling en de vertaling tussen onderzoek en software; hij is geen co-auteur van het artikel.