Van privacy obstakel naar onderwijsprimeur: studenten genereren met veilige AI hun eigen biomedische data in het EAS datalab.
Hogeschool Rotterdam ontvangt een Comenius Teaching Fellows-beurs van het Nationaal Kennisinstituut Onderwijs (NKO) voor een vernieuwend onderwijsproject op het gebied van AI, data en biomedisch onderzoek. Studenten van de opleiding Biologie en Medisch Laboratoriumonderzoek (BML) leren zelf realistische synthetische biomedische datasets te genereren en analyseren met behulp van AI op het HR Datalab van het instituut voor Engineering en Applied science (EAS). Volledig privacyproof en zonder dat daarvoor programmeerkennis nodig is.
Leren van datasets
In het laboratoriumonderwijs werken studenten doorgaans met kleine, eenvoudige datasets die weinig lijken op wat hen in de praktijk te wachten staat. Echte beroepsdata zoals ECG-signalen, bloeddrukcurves of moleculaire expressieprofielen is vanwege privacywetgeving (AVG) vaak niet beschikbaar voor onderwijsdoeleinden. Het gevolg hiervan is dat studenten het werkveld instromen zonder de benodigde ervaring om met de complexe, tijdsafhankelijke en soms ongestructureerde data die daar dagelijks gebruikt wordt om te kunnen gaan.
Synthetische data met generatieve AI
Met behulp van generatieve AI kunnen nu op maat gemaakte datasets worden gemaakt die qua complexiteit en realisme nauwelijks te onderscheiden zijn van echte data, maar volledig vrij zijn van privacyrisico's. Hogeschool Rotterdam doet binnen het lectoraat AI & Data Supported Healthcare (DSH) van dr. Tim Hulsen en prof. dr. Mark Scheper al langer onderzoek naar het gebruik van synthetische data. Over dit onderwerp publiceerde het lectoraat in het wetenschappelijke tijdschrift Frontiers in Artificial Intelligence (2025).
In dit project leren derdejaars BML-studenten zelf zulke datasets te maken en te beoordelen, met behulp van no-code platforms die geen programmeerkennis vereisen. Zo gebruiken zij nieuwe AI technieken om hun biomedische domeinkennis nog beter in te zetten.
"Zonder beurs blijft innovatie beperkt tot lokale experimenten. Met de Comeniusbeurs kunnen we dit systematisch, evidence-informed en opschaalbaar uitrollen en onze studenten echt voorbereiden op de datarijke praktijk van morgen."
— Dr. Vincent de Beer, hogeschooldocent en projectleider, Hogeschool Rotterdam
Dit is het eerste project in Nederland dat synthetische datasets op deze manier systematisch integreert in het hbo-laboratoriumonderwijs.
Open Source
Het didactische materiaal dat in het project wordt ontwikkeld (datasets, opdrachten en simulatiehandleidingen) wordt vrij beschikbaar gesteld via open source, zodat ook andere hbo- en mbo-instellingen er direct mee aan de slag kunnen.
Wat is het HR Datalab EAS?
Hogeschool Rotterdam heeft zes datalabs ingericht verspreid over de stad: fysieke en digitale omgevingen waar studenten, docenten en onderzoekers veilig en verantwoord werken met data en AI. Het HR Datalab EAS (het lab waarbinnen dit project plaatsvindt) richt zich op complexe dataverwerking en het gebruik van AI binnen het EAS onderwijs en onderzoek en is gevestigd op locatie Academieplein. Elk van de zes datalabs heeft een eigen focus, passend bij de opleidingen en onderzoeksgebieden van het betreffende instituut. De labs werken samen in een federale structuur, waardoor kennis, rekenkracht en expertise worden gedeeld.
Over de Comenius Teaching Fellows-Beurs
De Comenius Teaching Fellows-beurs is een persoonsgebonden beurs van € 50.000, beschikbaar gesteld door het NKO. De subsidie is bedoeld voor onderwijsprofessionals in het mbo, hbo en wo om kleinschalige onderwijsinnovaties op cursus- of vakniveau door te voeren.
Projectdetails
Projectnaam: Privacyproof Leren en Innoveren: Biomedisch Onderzoek met Synthetische Data
Looptijd: 31 mei 2026 – 6 september 2027
Instelling: Hogeschool Rotterdam, Instituut voor Engineering & Applied Science (EAS), in samenwerking met het lectoraat AI & Data Supported Healthcare (DSH)
Projectleider: Dr. V.J. (Vincent) de Beer
Subsidieverstrekker: NKO – Comenius Teaching Fellows 2026
Budget: Max. € 50.000
