Sparse Data Integration for Safe and Reliable AI-Driven Decision Making in Resource-Limited Clinical Settings
- Promovendus/a
- Ben Othman, Ghada
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektromechanica, Systeem- en Metaalengineering
- Curriculum
- National Diploma of Engineer: Industrial Electronics, Université de Sousse, Tunesië, 2020
- Academische graad
- Doctor in de ingenieurswetenschappen: biomedische ingenieurstechnieken
- Taal proefschrift
- Engels
- Vertaling titel
- Sparse Data Integration for Safe and Reliable AI-Driven Decision Making in Resource-Limited Clinical Settings
- Promotor(en)
- prof. Clara Ionescu, vakgroep Elektromechanica, Systeem- en Metaalengineering - dr. Dana Copot, vakgroep Elektromechanica, Systeem- en Metaalengineering
- Examencommissie
- voorzitter prof. Luc Dupré (gewezen voorzitter Commissie Wetenschappelijk Onderzoek) - prof. Kurt Barbé, Vrije Universiteit Brussel - prof. Guillaume Crevecoeur, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Barbara Vanderstraeten, vakgroep Elektromechanica, Systeem- en Metaalengineering - dr. Simona Vasile, Hogeschool Gent - promotor prof. Clara Ionescu, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor dr. Dana Copot, vakgroep Elektromechanica, Systeem- en Metaalengineering
Korte beschrijving
In de gezondheidszorg is het vaak moeilijk om voldoende patiëntgegevens te verzamelen. Klinische studies leveren vaak slechts beperkte of onvolledige data op, terwijl de behoefte aan gegevens voor slimme, datagedreven medische beslissingen blijft groeien. Mijn doctoraatsonderzoek onderzoekt hoe we deze kloof kunnen overbruggen met behulp van artificiële intelligentie (AI). Ik ontwikkelde AI-modellen die betrouwbaar kunnen functioneren op basis van schaarse en minimale gegevens. Ze herkennen patronen, corrigeren fouten en vullen ontbrekende waarden aan. Hierdoor kunnen ze artsen ondersteunen bij het nemen van beslissingen, zelfs wanneer slechts beperkte metingen beschikbaar zijn — bijvoorbeeld tijdens operaties of bij pijnregistratie. Mijn onderzoek toont aan dat we niet altijd grote hoeveelheden data nodig hebben. Door slimme AI-methoden kunnen zelfs beperkte datasets voldoende worden verrijkt om bruikbare inzichten te bieden. Zo overbruggen we de kloof tussen de beperkte data uit de praktijk of klinische studies en de behoefte aan betrouwbare, continue medische informatie. Dit opent de weg naar efficiëntere zorg en innovatieve toepassingen zoals digitale tweelingen van patiënten.
Praktisch
- Datum
- Woensdag 6 mei 2026, 16:00
- Locatie
- leslokaal Galileo Ferraris, gebouw 131 Volta, tweede verdieping, Technologiepark Zwijnaarde 131, 9052 Zwijnaarde
- Livestream
- Volg online
Meer info
- Contact
- doctoraat.ea@ugent.be