Scriptiebank overzicht

De betekenisverandering van ayahuasca in de Nederlandse pers, 1920-2019.

Colorectal cancer (CRC) is increasingly diagnosed at younger ages, with early-onset CRC (EO-CRC) rising despite declining incidence among older adults. These early diagnoses form the lower tail of the age-at-diagnosis distribution, where observations are sparse and may be difficult to predict accurately using models fitted to the full distribution. Extreme value theory (EVT) provides a framework for directly modelling this tail behaviour.

Using SEER data, a Weibull accelerated failure time (AFT) model fitted to the full distribution was compared with a generalized Pareto distribution (GPD) fitted to threshold exceedances below age 50. The Weibull systematically underestimated early-diagnosis quantiles by one to two years, whereas the GPD closely tracked empirical quantiles across the tail, supporting the use of EVT for direct modelling of the lower tail.

The GPD framework was then applied to the GECCO consortium to investigate whether genetic burden contributes to earlier diagnosis. Eleven genetic variants were forward-selected by AIC as covariates on the scale parameter, and were summarized into a genetic scale score. This score was used to compute theoretical endpoint and expected age at diagnosis across representative percentiles of its distribution. Genetic burden was associated with progressively earlier EO-CRC diagnosis: individuals in the 90th percentile of the genetic scale score had a theoretical endpoint age 8.8 years younger (95% CI: 6.6, 11.0) and an expected age 3.3 years younger (95% CI: 2.5, 4.4) than those in the 10th percentile.

Applied to an external test cohort, the model retained good calibration, and the genetic
scale score discriminated early-onset from late-onset CRC (AUC = 0.618, 95% CI: 0.549, 0.688). Separately, an interaction test confirmed that the genetic effect was specific to CRC cases rather than age in general.

These findings demonstrate that EVT offers a more accurate characterization of the lower tail of the CRC age-at-diagnosis distribution than conventional bulk models, and that genetic burden measurably alters the timing of diagnosis within the early-onset range, with potential relevance for personalized screening.

Wist je dat artsen de ernst en genezing van brandwonden met het blote oog in wel 40% van de gevallen verkeerd inschatten? De beste methode om de schade aan de huid vandaag objectief te beoordelen is Laser Doppler Imaging, een techniek die de doorbloeding van het weefsel meet. Deze scanners zijn heel erg duur en zwaar, waardoor ze voor een groot deel van de wereld simpelweg onbereikbaar zijn. In mijn masterproef ontwikkelde ik daarom een alternatief: een betrouwbaar deep learning-model dat hetzelfde kan op basis van een gewone digitale foto. Het algoritme transformeert een standaardafbeelding naar een virtuele doorbloedingskaart, waardoor artsen overal ter wereld snel en nauwkeurig kunnen bepalen of een brandwond vanzelf geneest of een operatie vereist.

Deze thesis onderzoekt hoe verstedelijking en luchtvervuiling de microfysische eigenschappen van neerslag in België beïnvloeden. Hiervoor werden meerjarige metingen van regendruppels nabij Brussel, Gent en Luik gecombineerd met meteorologische, landgebruiks- en luchtkwaliteitsgegevens. De resultaten tonen dat grootschalige weersomstandigheden de neerslagmicrofysica het sterkst bepalen. De invloed van verstedelijking is zwak en wisselend, terwijl fijnstof een duidelijker, maar regime-afhankelijk verband vertoont: hogere fijnstofconcentraties hangen samen met minder intense neerslag en kleinere druppels op dagelijkse schaal, terwijl vervuilde onweersbuien juist grotere druppels en meer kinetische energie vertonen.

Electric traction motors for hybrid and battery vehicles are currently designed by
wrapping a finite-element key-performance-indicator (KPI) evaluator in an evolu
tionary optimisation loop, an approach that can take days of compute on a multi-core
node per customer case. This thesis addresses the same problem from the inverse
direction: given a target peak performance profile together with the electrical limits
imposed by the inverter and battery, generate a diverse set of compliant double-V
interior permanent magnet synchronous machine (IPMSM) geometries. The pro
posed framework combines three components, using a dataset of 85384 physically
valid samples obtained by latin hypercube sampling of the 17 free geometric pa
rameters: (i) a residual multilayer-perceptron surrogate that maps geometry and
electrical limits to the 80-point peak torque–speed curve through a 19-component
principal-component bottleneck, (ii) a conditional variational autoencoder (CVAE)
with a 15-dimensional latent space that learns to generate performance-compliant
geometries, given the working conditions, and (iii) a gradient-based latent space
optimisation stage that refines a sampled candidate towards minimal volume under
soft performance-compliance and structural-integrity penalties driven by the frozen
surrogate.

On the held-out test set, the surrogate reaches a mean relative L2 error of 0.62%
on the denormalised torque curve at sub-millisecond inference cost. A performance
regularised CVAE variant, which augments the evidence lower bound with a dif
ferentiable compliance penalty derived from the frozen surrogate, lifts the mean
prior-sampling compliance on eight industrial conditions from 49.1% to 75.7% while
preserving roughly 86% of the per-feature design-range coverage. The subsequent
latent-space optimisation returns a compliant candidate for every one of the eight
conditions and for both CVAE variants, converging within roughly 100 iterations and
finishing in about 45s per condition on a single CPU core. A single FEM run con
firms that the optimised torque–speed curve passes through the requested operating
points. The framework therefore compresses what is currently a days-long search
into a sub-minute generative step. Thermal, efficiency, noise-vibration-harshness,
and demagnetisation behaviour remain out of scope and are identified as the prior
ity directions for further work.

Inleiding: Het plannen van cardiale ablatie vereist een nauwkeurige identificatie van niet-geleidend weefsel. Huidige methoden, zoals fasekaarten en voltagekaarten, overschatten vaak de omvang van niet-geleidende gebieden en geven slechts een vereenvoudigde weergave van de onderliggende elektrogram (EGM)-signalen. Bovendien kunnen huidige markers structurele remodellering niet betrouwbaar onderscheiden van functionele trage geleiding. Deze thesis onderzoekt of bijkomende, uit EGM afgeleide kenmerken gebruikt kunnen worden om verschillen in de elektrische geleidingssnelheid doorheen hartweefsel te onderscheiden.

Methoden: Simulaties werden uitgevoerd voor vijf verschillende weefselconfiguraties met toenemende complexiteit en afnemende symmetrie. Alle simulaties werden in 2D uitgevoerd met een enkele stimulus en bevatten een centraal obstakel omringd door een raster van EGM-elektroden. Uit elk EGM-signaal werden 11 kenmerken geëxtraheerd, gebaseerd op grootheden die eerder in de literatuur beschreven zijn of vaak gebruikt worden in ECG-analyse. Vervolgens werd PCA toegepast om de lineaire combinaties van kenmerken te identificeren die de grootste variantie in de data verklaren. De belangrijkste principal components werden daarna gebruikt in gesuperviseerde machine learning-benaderingen om de geleidingssnelheid en de afstand tot aangetast weefsel te voorspellen.

Resultaten: De eerste principal component verklaarde 65–70% van de variantie over alle simulatietypes en werd gedomineerd door kenmerken gerelateerd aan signaalsterkte, waaronder de maximale amplitude en de totale signaaloppervlakte. De tweede tot en met de vierde principal components verklaarden samen ongeveer 25% van de variantie en bevatten voornamelijk kenmerken gerelateerd aan piekstructuur, timing en signaalasymmetrie. De waarden van deze principale componenten, in het bijzonder de eerste component, verschilden systematisch tussen simulaties met verschillende geleidingssnelheden. Een logistische regressie classificeerde tussen het wel of niet in aangetast weefsel liggen met een balanced accuracy van 89,3%. Een random forest regressor kon de gemiddelde geleiding voorspellen met een absolute gemiddelde fout (MAE) van 1,2%.

Conclusie: Uit EGM-afgeleide kenmerken, naast fase en maximale spanning, ontstaat onderscheidende informatie over de geleidingseigenschappen van hartweefsel. De laagdimensionale structuur geïdentificeerd door PCA generaliseert over weefselconfiguraties met toenemende complexiteit, en de resulterende kenmerkrepresentaties ondersteunen zowel de classificatie van de afstand van de elektrode tot aangetast weefsel als de voorspelling van de lokale geleidingssnelheid. Deze bevindingen suggereren dat multidimensionale EGM-kenmerkanalyse een geschikter kader biedt om littekenweefsel te onderscheiden van functionele trage-geleidingsgebieden dan geïsoleerde signaalmerkers alleen.

Hoe kunnen we verborgen schade in beton opsporen zonder het materiaal te beschadigen? In deze studie wordt een geautomatiseerd meetsysteem gecombineerd met artificiële intelligentie om defecten, zoals holtes en delaminaties, te detecteren en te lokaliseren. Met behulp van trillingsmetingen en een neuraal netwerk werden de defecten onder gecontroleerde laboratoriumomstandigheden met een nauwkeurigheid van 97,7% geclassificeerd. De resultaten tonen hoe deze technologie kan bijdragen aan een snellere en meer geautomatiseerde inspectie van betonnen constructies, en zo de weg vrijmaakt voor gerichter onderhoud.

Einsteins theorie van algemene relativiteit doorstaat al meer dan een eeuw elke experimentele test. Toch zijn we er steeds meer van overtuigd dat Einstein niet volledig gelijk had. Zwarte gaten zijn een uitstekend laboratorium om naar die afwijkingen te zoeken, en dat is precies wat ik heb onderzocht: hoe het luisteren naar zwarte gaten kan verraden waar Einstein mis ging, welke zwarte gaten daarvoor het meest geschikt zijn, en hoe dat zou klinken. Met toekomstige detectoren, zoals de Einstein Telescope die mogelijks naar België komt, horen we dan misschien eindelijk iets dat Einstein nooit voorspeld heeft.

Artificiële intelligentie (AI) speelt een steeds grotere rol in de gezondheidszorg. Veel medische AI-toepassingen maken gebruik van Machine Learning (ML), waarbij de kwaliteit en samenstelling van de gebruikte data bepalend zijn voor de prestaties van het model.

In deze masterproef onderzochten we de vertegenwoordiging van mannen en vrouwen in medische ML-datasets. Via een systematische literatuurstudie analyseerden we 221 studies over vier aandoeningen: Acute Kidney Injury (AKI), Traumatic Brain Injury (TBI), Out-of-Hospital Cardiac Arrest (OHCA) en Systemic Lupus Erythematosus (SLE).

Onze resultaten tonen aan dat de sekseverdeling soms niet wordt gerapporteerd en dat datasets regelmatig niet representatief zijn voor de populatie waarop de aandoening voorkomt. Bovendien besteden slechts weinig onderzoekers expliciet aandacht aan de mogelijke gevolgen van deze ongelijkheid voor verschillen in modelprestaties tussen mannen en vrouwen.

Deze bevindingen benadrukken het belang van representatieve datasets, transparante rapportering en een nauwe samenwerking tussen clinici en AI-ontwikkelaars om medische AI betrouwbaar en veilig te kunnen inzetten voor alle patiënten.

In deze thesis onderzoek ik wat het effect van klimaatverandering is op het voorkomen van regenoverstromingen. Dat zijn overstromingen die ontstaan doordat de neerslag té intens is voor de bodem en de riolering om alles te slikken, en dus niet omdat een rivier buiten haar oevers treedt.

De effecten van klimaatverandering op regenoverstromingen zijn nog niet eerder op wereldschaal onderzocht, omdat modellen vaak berusten op lokale bodemkarakteristieken, vegetatiekenmerken, enzovoort. Ik omzeil het probleem van zulke beschrijvende modellen door artificiële intelligentie (AI) in te zetten: in plaats van alle processen (zoals infiltratie, verdamping, enzovoort) expliciet te gaan beschrijven met formules, laat ik het model de relatie zoeken tussen omgevingskarakteristieken en geobserveerde overstromingen. Die observaties zijn gebaseerd op satelietbeelden.

Mijn model werkt oké, maar zeker nog niet perfect. Het ziet bepaalde verbanden, zoals lager gelegen plaatsen die doorgaans natter zijn en bossen die doorgaans minder overstromen, hetgeen betekent dat het model effectief iets leert. De grootste problemen zitten hem voorlopig nog in het modelleren van de omvang van de overstroming. Het model heeft de neiging om steeds een gemiddelde waarde te voorspellen, in plaats van bij zeer hevige neerslag een écht grote overstroming te voorspellen.

Toch heb ik het model alvast eens gebruikt om de impact van klimaatverandering op regenoverstromingen in te schatten. Dat doe ik door het geobserveerde klimaat van een bepaalde periode in het model in te laden en het zijn voorspellingen te laten doen. Vervolgens laadt ik een fictief klimaat in dat een wereld zonder klimaatverandering voorstelt, en laat het model opnieuw zijn voorspellingen maken. Het verschil tussen beide modelruns vertelt mij het effect van de klimaatverandering. In dit geval vind ik een toename van 0,5% terug. Dat is een waarde die een stuk lager ligt dan verwacht, wat wellicht te wijten is aan de beperkingen van het model. Wel zien we grote regionale verschillen, waarbij delen van Noord- en Midden-Amerika, Noord-Europa en Oost-Azië véél zwaarder getroffen worden dan het globale gemiddelde.

Wereldwijde ontbossing blijft een alarmerend groot probleem, met de uitbreiding
van de landbouw en illegale houtkap als belangrijkste oorzaken. Illegaal verkregen
hout maakt 10–30 % uit van de totale wereldwijde handel in houtproducten.
Sinds juni 2023 heeft de Europese ontbossingsverordening (EUDR) de Europese
houtverordening (EUTR) vervangen, waarbij nog steeds wordt vertrouwd op een due
diligence approach. De EUDR erkent echter dat de volledige effectiviteit van deze
regelgeving fundamenteel afhangt van de beschikbaarheid van robuuste, wetenschappelijk
onderbouwde methoden waarmee de opgegeven geografische oogstlocatie
van risicovolle bosproducten (hout, soja. . . ) betrouwbaar kan worden geverifieerd.
In deze masterscriptie maken we gebruik van georefereerde datasets met
stabiele isotopen- en multi-elementgegevens van verschillende houtsoorten. We
ontwikkelen een nieuwe voorspellingsmethode op basis van conformal predictoin
(CP), met onderliggende Random Forest-modellen. Deze methodologie wordt gebruikt
om zowel landen als aaneengesloten gebieden te voorspellen. Voor de afzonderlijke
landen maken we gebruik van zowel Least Ambiguous set-valued Classifier
(LAC) CP als adaptive prediction set (APS) CP. Daarnaast vertalen we de voorspelde
aaneengesloten gebieden naar landen, waardoor een directe vergelijking tussen
de afzonderlijke en de aaneengesloten benadering mogelijk wordt. We constateren
dat het gebrek aan referentiegegevens de grootste beperking blijft bij het toewijzen
van de herkomst van hout. Onze resultaten tonen echter aan dat CP inderdaad in
staat is om voorspellingen betrouwbaarder en robuuster te maken, en om interpreteerbare
resultaten te leveren.

‘Het besparingspotentieel van een Energie Management Systeem (EMS)’
Student: Walter D’Amico – AP Hogeschool Antwerpen
Stageplaats: VEKA – Vlaams Energie- en Klimaatagentschap
Opleiding: Professionele bachelor Energiemanagement (2024-2025)
In een energiemarkt gekenmerkt door prijsschommelingen, capaciteitsheffingen en digitalisering, worden huishoudens en KMO’s uitgedaagd om hun verbruik slimmer te beheren. Energie Management Systemen (EMS’en) vormen hierbij een sleuteltechnologie: ze sturen het verbruik automatisch op basis van realtime prijs- en netdata. Toch blijft de rendabiliteit ervan voor veel gebruikers onduidelijk. Deze bachelorproef brengt daar verandering in.
Ik ontwikkelde een interactieve rekenmodule die op basis van gebruikersinput – zoals woningtype, toestellen, gedrag en contractvorm – de Total Cost of Ownership (TCO) en de Terugverdientijd (TVT) van een EMS berekent. Via Google Sheets en Apps Script wordt automatisch een gepersonaliseerd rapport gegenereerd, inclusief scenariovergelijking, besparingsgrafieken en benchmarkanalyse.
De tool werd ontworpen met reproduceerbare logica, gevoeligheids- en correctiefactoren, en werd getest op meer dan 550 realistische scenario’s. De resultaten tonen dat voor gebruikers met meerdere regelbare toestellen en een dynamisch of een contract bij een Flexibility Service Provider of aggregator, de jaarlijkse besparing kan oplopen tot honderden euro’s, met een gemiddelde terugverdientijd van net boven de 5 jaar. Daartegenover staan profielen waar de investering minder loont – wat de nood aan maatwerk aantoont.
Het project is technisch en beleidsmatig relevant. VEKA gaat deze rekenmodule zeker verder bespreken om te integreren in de website www.maakjemeterslim.be en zal dan worden ingezet in campagnes van VEKA als extra stimulans om potentiële gebruikers te overtuigen. Daarnaast is het inzetbaar als simulatie-instrument bij energieloketten, netbeheerders of leveranciers die contractoptimalisatie en flexibiliteitsdiensten willen ondersteunen. De methodiek is uitbreidbaar naar andere technologieën (zoals warmtepompen of batterijen) en types aansluitingen (zoals AMR).
Deze bachelorproef koppelt praktijkervaring, innovatie en systeeminzicht met een breed maatschappelijk nut. Het biedt gebruikers helderheid, en beleidsmakers een onderbouwde basis om het potentieel van EMS’en gericht te stimuleren in het kader van de energietransitie.

This thesis examines how climate change reshapes security and mobility by comparing two distinct pathways of climate-related displacement: rapid-onset drought and agricultural collapse in Syria, and slow-onset sea-level rise and salinization in Bangladesh. Building on Environmental Security, Human Security, and Securitization Theory, the study argues that these frameworks illuminate important mechanisms—such as climate change as a “threat multiplier” and the political construction of (in)security—but remain limited by state- and anthropocentric assumptions. To address these limits, the thesis advances a Green Theory–informed perspective that centers ecological integrity and climate justice as core security referents. Methodologically, the research employs a comparative case design with process-tracing and pattern-matching across secondary data (peer-reviewed studies, attribution science, displacement statistics, and policy reports). The Syria case links multi-year drought, rural–urban migration, and governance failures to heightened social unrest and onward displacement. The Bangladesh case shows how chronic inundation, salinity intrusion, and livelihood erosion generate primarily internal, incremental mobility with long-term human security risks. Cross-case synthesis demonstrates convergent vulnerabilities (exposure, adaptive capacity, and institutional response) alongside divergent temporal dynamics and policy needs. The thesis contributes in two ways: empirically, by integrating visual and quantitative evidence on climate impacts and mobility patterns across contrasting contexts; and normatively, by proposing elements of a sui generis protection regime for climatedisplaced persons (eligibility criteria for planned relocation, responsibility-sharing formula, and dedicated financing and monitoring). Overall, it reframes security in the Anthropocene toward ecocentric and justice-oriented protection that better aligns with the lived realities of climate-affected populations.

Breuken vormen een fundamenteel onderdeel van het curriculum in het basis- en secundair onderwijs. Toch blijkt uit onderzoek dat mensen meer moeilijkheden ervaren met het begrijpen van de numerieke grootte van breuken, in vergelijking met natuurlijke en decimale getallen. Dit heeft geleid tot verder onderzoek naar hoe leerlingen breuken begrijpen en welke strategieën zij daarbij gebruiken. Zo onderzocht Hofmans (2022) het strategiegebruik bij het schatten van breuken op een getallenlijn van leerlingen uit het zesde leerjaar met verschillende wiskundige competenties. Zij maakte daarbij gebruik van de Number Line Estimation (NLE)-taak, waarbij leerlingen verschillende breuken op een getallenlijn van 0 tot 1 moesten plaatsen. Daarnaast ontwikkelde ze een codeerschema waarmee ze het strategiegebruik systematisch kon coderen en analyseren in relatie tot item- en leerlingkenmerken. In dit driedelig codeerschema werd elke trial eerst globaal beoordeeld als ‘correct’, ‘inaccuraat’ of ‘rest’. Het schatten van de breuk werd vervolgens opgesplitst in drie stappen, namelijk ‘encoderen’, ‘positioneren’ en ‘finaliseren’.
Hoewel Hofmans (2022) aantoonde dat de strategiekeuze en adaptief strategiegebruik samenhingen met de schattingsnauwkeurigheid, beperkte haar studie zich enkel tot leerlingen uit het zesde leerjaar. Hierdoor werd niet duidelijk in hoeverre onderwijsniveau of expertise een invloed uitoefende op het strategiegebruik en de schattingsfouten.
Het huidig onderzoek vergeleek daarom leerlingen uit het zesde leerjaar en vijfde middelbaar. Er werd via een gelijkaardig onderzoeksopzet nagegaan hoe deze onderwijsniveaus verschilden in hun strategiegebruik en adaptiviteit en welk effect dit had op hun schattingsfouten. Hierbij werd er gebruikgemaakt van hetzelfde codeerschema, mits enkele aanpassingen, en de NLE-taak. De nauwkeurigheid van de schattingen van de leerlingen werd berekend door middel van de Percentage of Absolute Error (PAE).
Er werd onderzocht welke strategieën leerlingen hanteerden, hoe accuraat en hoe flexibel deze werden toegepast en in welke mate die samenhingen met leerling- of itemkenmerken. Er werd gekeken naar de algemene schattingsfout bij het positioneren van breuken op een getallenlijn en naar de verschillen in strategiegebruik en nauwkeurigheid tussen leerlingen uit verschillende onderwijsniveaus. Daarnaast werd onderzocht of er verschillen optraden in de nauwkeurigheid van de schattingen op leerling- en itemniveau. Ook de relatie tussen de strategiediversiteit van een leerling en diens onderwijsniveau werd geanalyseerd in relatie tot de schattingsnauwkeurigheid. Tot slot werd nagegaan of bepaalde itemkenmerken specifieke strategieën uitlokten en of dit leidde tot een grotere nauwkeurigheid in de schatting. Zo werd het adaptief strategiegebruik van leerlingen uit verschillende onderwijsniveaus in kaart gebracht worden.
Samenvattend toonden de resultaten aan dat zowel het onderwijsniveau als het strategiegebruik een rol spelen bij het accuraat schatten van breuken op een getallenlijn. Leerlingen uit het vijfde middelbaar schatten over het algemeen nauwkeuriger dan leerlingen uit het zesde leerjaar. Dit verschil leek eerder samen te hangen met het strategiegebruik binnen de stap ‘positioneren’ dan met ‘encoderen’ of ‘finaliseren’. Daarnaast bleek dat itemkenmerken, zoals de noemergrootte en de ligging ten opzichte van referentiepunten, het strategiegebruik en de schattingsnauwkeurigheid sterk beïnvloedden.

Traditionele geotechnische ontwerpmethoden in België zijn in hoofdzaak gebaseerd op deterministische of semi-probabilistische benaderingen. Deze leiden vaak tot conservatieve schattingen die de inherente variabiliteit van het bodemgedrag slechts beperkt weerspiegelen. In deze thesis wordt de praktische toepassing van volledig probabilistische geotechnische berekeningen onderzocht, met specifieke aandacht voor het voorspellen van dijkzettingen.

Het onderzoek richt zich op het project voor dijkversterking te Groot Schoor (Bornem), dat deel uitmaakt van het bredere Vlaamse Sigmaplan voor waterveiligheid. Hierbij wordt uitgebreide veld- en laboratoriumdata geïntegreerd met geavanceerde probabilistische methoden.

Een omvattende methodologie wordt ontwikkeld, waarin PLAXIS 2D eindige-elementenmodellering wordt gecombineerd met Python-gebaseerde automatisering en probabilistische berekeningen. Via een sensitiviteitsanalyse worden de belangrijkste bodemparameters geïdentificeerd en gemodelleerd als stochastische variabelen, gebaseerd op kansverdelingen afgeleid uit CPT(u)-gegevens en laboratoriumproeven. Latin hypercube sampling wordt toegepast om representatieve inputsets te genereren, terwijl een response-surface model, getraind op een beperkt aantal PLAXIS-simulaties, een grootschalige probabilistische analyse mogelijk maakt. Bayesian updating, geïmplementeerd via de Markov Chain Monte Carlo-methode, verfijnt de probabilistische voorspellingen door de integratie van werkelijke zettingsmetingen uit de monitorcampagne.

De resultaten tonen aan dat probabilistische methoden niet alleen de variabiliteit en onzekerheid van zettingsgedrag accurater weergeven dan deterministische benaderingen, maar tevens waardevolle inzichten verschaffen in parametersensitiviteit en modelrobuustheid. Deze studie bevestigt de haalbaarheid en de voordelen van het structureel integreren van probabilistische technieken in geotechnisch ontwerp, wat de weg opent naar betrouwbaardere en kostenefficiëntere infrastructuurontwikkeling, evenals data-gestuurde besluitvorming.

De opkomst van elektrische Vertical Take-Off and Landing (eVTOL) vliegtuigen roept vragen op over hun akoestische integratie in dichtbevolkte stedelijke omgevingen. Een belangrijke uitdaging is te onderzoeken in hoeverre het karakteristieke tonale geluid van eVTOL’s wegvalt in of juist afsteekt tegen de stedelijke achtergrond. Deze masterproef behandelt deze problematiek aan de hand van de centrale onderzoeksvraag: “Hoe kan een goedkoop en autonoom akoestisch meetsysteem worden ontworpen, gebouwd en gekalibreerd om op betrouwbare wijze stedelijke achtergrondgeluiden vast te leggen en de akoestische impact van eVTOL-vliegtuigen te evalueren?

Om deze vraag te beantwoorden werd een goedkoop, autonoom meetsysteem ontwikkeld en gevalideerd voor langdurige geluidsmonitoring in stedelijke context. Het prototype combineert een MEMS-microfoon, een Raspberry Pi met data-acquisitiesysteem, 4G-connectiviteit en een op zonne-energie gebaseerde energievoorziening in een robuuste configuratie die buitenshuis kan
functioneren met minimale interventie. Kalibratie tegen een referentiemicrofoon beperkte het betrouwbare frequentiebereik tot 500–3000 Hz. Binnen dit bereik registreerde een eerste meting op de VUB-campus stedelijke geluidsdrukniveaus tussen 42 en 57 dB SPL. De metingen tonen zowel geleidelijke variaties als kortstondige pieken, vermoedelijk veroorzaakt door verkeersintensivering en sirenes van hulpdiensten. Daarnaast werden tonale componenten waargenomen, met name rond 1 kHz en 2 kHz. Dit illustreert de capaciteit van het systeem om smalbandige kenmerken in het geluidslandschap te detecteren. Een vergelijking met numerieke voorspellingen van eVTOL-rotorgeluid suggereert dat tonale pieken het stedelijke achtergrondniveau met meer dan 10 dB kunnen overstijgen direct onder het toestel, terwijl waarnemers opzij deels maskering kunnen ervaren. Deze eerste resultaten tonen aan dat het ontwikkelde systeem een veelbelovend en betaalbaar proof-of-concept vormt voor de evaluatie van de akoestische voetafdruk van eVTOL’s in stedelijke context. Verdere metingen zijn echter noodzakelijk om de betrouwbaarheid en robuustheid volledig te onderbouwen.

Deze thesis onderzoekt de rol van Johannes Kepler (1571-1630) als prognosticator binnen het bredere netwerk van lutheraanse astrologen, door een vergelijking met zijn tijdsgenoten Johannes Krabbe (1553-1616) en Melchior Schärer (1563-1624). Dit onderzoek wordt geconceptualiseerd als een microstudie van het netwerk van Wittenbergse astrologen beschreven in de literatuur en stelt de prognosticaties centraal binnen het onderzoek naar de vroegmoderne wetenschap van de sterren. Via een studie van de structuur, wiskundige basis en religieuze zingeving van de werken, toont deze thesis een aanzienlijke overeenkomsten tussen de drie astrologen. Elk beschouwen ze de prognosticaties op de eerste plaats als een religieus instrument, bedoeld om de mens dichter bij God te brengen. Via een kritische omgang met en uitwisseling van astrologische gegevens en theorieën proberen de astrologen elk op hun manier Gods wil, zoals die in de natuur geuit wordt, zo goed mogelijk te benaderen. Ondanks deze gedeelde basis komt Kepler naar voren als een radicale hervormer. Waar Krabbe en Schärer slechts stapsgewijze veranderingen doorvoerden, waren Keplers kritiek en structurele hervormingen veel ingrijpender. Hij bevond zich in een spreidstand tussen de verdedigers en critici van de astrologie: hij behield het religieuze kader, maar verwierp veel conventionele praktijken. Door een analyse van Kepler als prognosticator, draagt dit onderzoek bij aan een beter begrip van de wisselwerking tussen theorie en praktijk binnen wetenschappelijke netwerken.

Deze thesis ontwikkelt een computationeel raamwerk voor structurele topologie-optimalisatie dat expliciet rekening houdt met multiaxiale vermoeiing onder niet-proportionele belastingen. Hoewel vermoeiing een veelvoorkomend faalmechanisme is in mechanische componenten, wordt het vaak behandeld als een nabewerkingsstap in plaats van als een integraal onderdeel van het ontwerpproces. Dit werk vult die leemte op door een kritieke-vlak vermoeiingsmodel rechtstreeks in het optimalisatie-algoritme te integreren.

Het raamwerk verwerkt het op rek gebaseerde Brown–Miller vermoeiingscriterium binnen een dichtheidsgebaseerde topologie-optimalisatiebenadering, waardoor vermoeiingslevensduur kan worden voorspeld bij complexe belastingstrajecten. De implementatie omvat een volledige analytische sensitiviteitsanalyse, zowel direct als adjoint, om een nauwkeurige en efficiënte optimalisatie met gradiënt-gebaseerde oplosmethodes te garanderen.

De methodologie wordt eerst gevalideerd op een L-beugel benchmark om de prestaties te demonstreren in vergelijking met doelstellingen gebaseerd op compliance en spanning. Vervolgens wordt ze toegepast op het ontwerp van een autowiel onderworpen aan een roterende buigproef. Dit is een gestandaardiseerde, multiaxiale en niet-proportionele vermoeiingsproef die elk aftermarket wiel moet doorstaan. De vermoeidheidsgeoptimaliseerde ontwerpen tonen een verbeterde verdeling van vermoeiingsschade, verminderde spanningsconcentraties en een verlengde voorspelde levensduur in vergelijking met andere ontwerpbenaderingen.

Door de voorspelling van de vermoeiingslevensduur in de optimalisatielus op te nemen, overbrugt dit onderzoek de kloof tussen structurele efficiëntie en langdurige duurzaamheid. De voorgestelde aanpak biedt een veelbelovend pad naar robuustere ontwerpen in veeleisende technische toepassingen.

----

This thesis develops a computational framework for structural topology optimisation
that explicitly accounts for multiaxial fatigue under non-proportional loading. While
fatigue is a frequently occurring failure mechanism in mechanical components, it is
often treated as a post-processing step rather than being integrated into the design
process. This work addresses that gap by embedding a critical-plane fatigue model
directly into the optimisation algorithm.

The framework incorporates the Brown–Miller strain-based fatigue criterion within a
density-based topology optimisation approach, enabling fatigue life prediction across
complex load paths. The implementation includes a full analytical sensitivity analysis,
both direct and adjoint, to ensure accurate and efficient optimisation with
gradient-based solvers.

The methodology is first validated on a benchmark L-bracket to demonstrate its
performance relative to compliance- and stress-based objectives. It is then applied
to the design of an automotive wheel subjected to a rotating bending test. This is
a standardised, multiaxial and non-proportional fatigue test that every aftermarket
wheel must pass. The fatigue-optimised designs exhibit improved fatigue damage
distribution, reduced stress concentrations and extended predicted fatigue life compared to different design approaches.

By embedding fatigue life prediction into the optimisation loop, this research bridges
the gap between structural efficiency and long-term durability. The proposed approach offers a promising pathway toward more resilient designs in demanding engineering applications.

Zwaartekrachtgolven bieden een unieke blik op ons universum en een nieuwe manier om materie te bekijken. We meten echt de dynamiek van massa's wat ons toe zou staan om op vrij natuurlijke wijze de samenstelling van compacte objecten te bepalen. Voor mijn thesis heb ik een techniek ontwikkeld die twee algemene data analyse technieken uit de zwaartekrachtgolffysica combineert om ongemodelleerde fenomenen bovenop gekende theoretische modellen toe te voegen en vervolgens te infereren. Zo'n fenomenen zouden bijvoorbeeld resonanties van neutronensterren kunnen zijn, die nauw samenhangen met de interne structuur van deze objecten, of glitches in zwaartekrachtgolfdetectoren.

In woonzorgcentra gaan ondervoeding en voedselverspilling vaak hand in hand. Bewoners krijgen weliswaar uitgebalanceerde maaltijden, maar eten daar vaak slechts een deel van op. Het gevolg: ouderen krijgen te weinig voedingsstoffen binnen en grote hoeveelheden eten verdwijnen in de vuilnisbak. Bestaande opvolgsystemen bieden weinig soelaas: ze zijn arbeidsintensief, houden geen rekening met restjes, of falen bij gemixte en gepureerde maaltijden.

Daarom ontwikkelde ik LeftoVision, een computersysteem dat met behulp van beeldherkenning automatisch berekent hoeveel bewoners eten én hoeveel er wordt verspild. Het systeem vergelijkt foto’s van een maaltijd vóór en na consumptie, herkent de verschillende voedselcomponenten, schat hun gewicht en koppelt dit aan een voedingsdatabank. De resultaten worden bewaard in het Obelisk Core dataplatform en overzichtelijk weergegeven in een dashboard voor zorgverleners.

In tests behaalde LeftoVision een gemiddelde foutmarge van 22 gram per maaltijdonderdeel, voldoende nauwkeurig om kleine verschillen te detecteren. Het systeem vormt zo een belangrijke stap naar datagedreven zorg in woonzorgcentra, met als doel zowel de gezondheid van bewoners te verbeteren als voedselverspilling te beperken.

When fundamental symmetries break during early universe phase transitions the resulting scalar field can develop non trivial space dependent configurations of non-vanishing energy density, known as defects; examples of which include domain walls, cosmic strings and monopoles. These defects form a network of extended object, which can play an active role in the dynamics of the early universe, such as generating a gravitational wave background (GWB). Remarkably, Pulsar Timing Array (PTA) experiments have recently reported the first evidence of a GWB, making the study of defects particularly timely and relevant. While the PTA excess is most likely of astrophysical origin, an exciting prospect is a GWB of cosmological origin. In this thesis, a GWB generated by cosmic strings in the early universe is studied. In particular, a model of two subsequent phase transitions is considered in which, under certain conditions, metastable cosmic strings can emerge during the second transition. Specifically, metastable strings have a probability to decay through a quantum tunneling process in which monopoles are nucleated along the strings, effectively reducing their lifetime. Within this model, we will perform a classical stability analysis on the string solutions in order to investigate whether they are long lived enough to have any impactful phenomenology. Finally, we discuss the implications of the determined stability conditions on the predicted gravitational wave spectrum, and how it affects the detectability of this scenario in GW experiments, including PTA.

Ongeveer één op de vier personen met een beroerte krijgt te maken met afasie, een taalstoornis waarbij het begrijpen en/of produceren van taal moeilijk kan verlopen. In deze masterproef zoeken we een link tussen de taalfouten die personen met afasie maken en de exacte locatie van hun hersenletsel. Dit deden we aan de hand van de innovatieve techniek 'voxel-wise lesion-symptom mapping'. Wat ons onderzoek bijzonder maakt, is dat we bij de taaltesten gebruikmaken van natuurlijke spraak. Zo krijgen we een accurater beeld van het dagelijks taalgebruik van de personen met afasie. Deze studie opent nieuwe wegen om te voorspellen welke hersenschade welke taalproblemen veroorzaakt en hoe personen met afasie zullen herstellen.

Door de evolutie van de sport is het jureren van ropeskipping freestyles op hoog niveau moeilijk geworden. Zowel het aantal skills in de routine, alsook de snelheid waarmee ze worden uitgevoerd neemt toe. Dit is vooral te merken in Double Dutch freestyles. Daarom worden deze routines zowel live (creativiteit, variatie, muziekgebruik) als vertraagd (moeilijkheidsgraad) gejureerd.
Ondanks het feit dat freestyles op halve snelheid worden herbekeken en hierdoor jureerfouten worden vermeden, merkt men dat er nog enig verschil zit op scores toegekend door juryleden. Door de toegenomen toegankelijkheid van kunstmatige intelligentie, voornamelijk neurale netwerken, werd de vraag gesteld of een AI juryassistent ontwikkeld kan worden die helpt een betere en objectievere score zou opleveren.
Dit onderzoek verkent de mogelijkheid tot het bouwen van zo een juryassistent, de benodigde technieken en uitdagingen. De huidige vorm van de juryassistent bestaat uit drie hoofdzakelijke delen. Het eerste deel gaat over het lokaliseren van springers in de opnames. Niet alle videos zoomen in op de springer of zijn net eerder statische opname. Dit deel is noodzakelijk om computationele overhead te beperken, daar springers soms minder dan een vijfde van het beeld in beslag nemen.
De tweede groote stap is het splitsen van volledige routines in elke uitgevoerde skill. Dit wordt gedaan aangezien het onbegonnen werk zou zijn op om dit manueel te doen.
Het derde deel omvat het herkennen van de gesprongen skill. Voor Double Dutch Freestyles betekent dit een combinatie van uitvoering door draaiers en springers.
Door louter presentatieskills of moeilijk zichtbare skills te makeren als 'unknown' (e.g. wanneer een draaier tussen de springer en camera staat), wordt er verwacht dat het model aangeeft wanneer het niet zeker is.
Voor het lokaliseren slaagde YOLOv11 er in om een mAP50 te behalen tussen de 93-95\%, waarbij het succesvol publiek filterde van atleten, mits kleine foutjes. Hierdoor het Multiscale Vision Transformer model skills ingezoomde crops gebruiken om acties van elkaar te onderscheiden. Deze konden vervolgens herkend herkend worden hetzelfde MViT model of een doormiddel van een Swin Transformer. Het gemiddelde f1 macro gemiddelde van deze modellen lagen tussen de 49 en de 53 procent, door de lage representatie van minder vaak voorkomende skills. Immers lag de totale accuraatheid hoger, tussen de 89 en de 94 procent.
Dit zorgde ervoor dat juryscores door het model konden toegewezen, deze lagen -28 tot -20 procent onder de score toegekend door juryleden.
Verdere onderzoek is nodig om de accuraatheid van de architectuur te verhogen.

Sterren zijn er van alle formaten: van kleine, lichte sterren zoals onze Zon tot sterren tientallen of zelfs honderdtallen keer zwaarder. Zware sterren spelen een belangrijke rol in het universum. Ze produceren namelijk alle elementen van helium tot ijzer. Na hun relatief korte levensduur van ongeveer 10 miljoen jaar sterven ze in een indrukwekkende supernova. Ze laten dan een neutronenster of zwart gat achter: mysterieuze objecten die zwaartekrachtgolven kunnen voortbrengen. Het bestuderen van zware sterren is dus relevant voor vele aspecten van de astrofysica.

Asteroseismologie bestudeert de opbouw van sterren door het meten van sterbevingen. Net zoals aardbevingen een verhaal vertellen over de binnenkant van de Aarde, geven sterbevingen informatie over de structuur van sterren. Ondanks de belangrijke rol die zware sterren spelen, zijn er nog maar enkelen in detail bestudeerd aan de hand van asteroseismologie.

Deze thesis rapporteert over de eerste gedetailleerde asteroseismische studie van een zware ster die rekening houdt met een intern magnetisch veld. De zware ster in kwestie, HD192575, vertoont een patroon in zijn sterbevingen dat nog niet volledig begrepen was. Deze thesis onderzoekt of dit afwijkend patroon een gevolg kan zijn van een intern magnetisch veld in de ster. Vertrekkende van bestaande modellen van HD192575 modelleren we de effecten van rotatie en magnetisme op de sterbevingen en zoeken we de best passende modellen.

We vonden dat het patroon in de sterbevingen best verklaard kan worden door de combinatie van rotatie en een magnetisch veld. Wat opvalt is dat de ster draait rond een andere as dan de magnetische as tussen de noord- en zuidpool van het magnetische veld. De bekomen rotatiesnelheid van de ster sluit nauw aan bij vorige resultaten en de waarden van het magnetische veld zijn in lijn met verwachtingen uit de theorie. Dit werk presenteert de eerste asteroseismische modellering ooit van een zware ster met zowel rotatie als een intern magnetisch veld. De resultaten zijn een eerste stap naar breder onderzoek over magnetische velden in zware sterren. Dit zal tot nieuwe inzichten leiden in de evolutie en rotatie van zware sterren.

De afvoer van smeltwater uit de gletsjers van het Tien Shan-gebergte in Kirgizië is van cruciaal belang voor de samenleving en economie in de stroomafwaarts gelegen vlaktes. In het droge Centraal-Azië is de landbouw sterk afhankelijk van irrigatie met dit water. De gletsjers functioneren als watertorens: ze herverdelen de schaarse neerslag over de seizoenen, wat grootschalige landbouw mogelijk maakt. Door klimaatverandering trekken de gletsjers zich echter snel terug, waardoor de inwoners van de vlaktes hun belangrijkste inkomensbron dreigen te verliezen.

Het doel van deze thesis is het evalueren van het Instructed Glacier Model (IGM). Dit
model gebruikt een neuraal netwerk als emulator om ijsstroming te beschrijven, wat computationele voordelen oplevert en het mogelijk maakt het model zowel invers (interpoleren van ijsdiktemetingen) als voorwaarts (voorspellen van gletsjerevolutie onder klimaatscenario’s) te gebruiken. De prestaties worden vergeleken met klassieke ruimtelijke interpolatiemethoden, zoals de vloeispanningsmethode, en met een hoger-ordemodel dat de gletsjerevolutie simuleert.

De evaluatie vindt plaats op de Batysh-Sook-gletsjer in de Tien Shan. De resultaten tonen dat het ge¨ınverteerde IGM consistente, nauwkeurige en gladde ijsdiktevelden genereert. Vooral in schaars bemonsterde zones presteert het model beter dan de
conventionele vloeispanningsmethode. Voor de gletsjerevolutie laten zowel IGM als het hoger-ordemodel zien dat de Batysh-Sook-gletsjer gevoeliger is voor opwarming dan veel omliggende gletsjers, waarschijnlijk door haar kleine huidige omvang. IGM volgt de trends van het hoger-ordemodel goed, al simuleert het in de historische periode iets minder smelt, waardoor het gletsjervolume groter blijft.

Deze bevindingen tonen aan dat IGM een veelbelovend instrument is voor zowel ijsdikteinterpolatie als projectie, vooral in gebieden met beperkte veldmetingen. Betere modellering van gletsjers zoals de Batysh-Sook kan leiden tot nauwkeurigere voorspellingen van toekomstige waterbeschikbaarheid, wat van groot belang is voor wetenschappelijk onderzoek en voor duurzaam waterbeheer in Centraal-Azië.

Mijn scriptie/thesis onderzoekt hoe pijn en lichaamsmodificatie binnen performancekunst, en specifiek op de Duystere Markt, bewust worden ingezet als artistiek en ritueel middel. Ik toon hoe het lichaam zo fungeert als medium voor expressie, transformatie en verbondenheid, en hoe dit ons denken over kunst en identiteit verruimt.

Koper-nanodeeltjes (Cu NP's) hebben een brede toepasbaarheid, maar hun synthese is gevoelig voor kleine veranderingen in reactieparameters. Deze gevoeligheid, in combinatie met het tijdrovende en arbeidsintensieve karakter van experimentele optimalisatie, vormt een grote uitdaging voor reproduceerbare synthese met gecontroleerde deeltjesgrootte. Bovendien is Machine Learning (ML) weliswaar veelbelovend gebleken voor materiaalonderzoek, maar wordt toepassing ervan vaak beperkt door gebrek aan hoogwaardige experimentele datasets. Deze studie onderzoekt ML om de grootte van Cu NP’s gevormd met microgolf geassisteerde polyolsynthese te voorspellen met kleine datasets, gegenereerd uit 25 intern uitgevoerde syntheses. Latin Hypercube Sampling wordt gebruikt om de parameterruimte van precursorconcentratie, temperatuur en reactietijd efficiënt te samplen. Ensemble-regressiemodellen, gebouwd met het AMADEUS-framework, voorspellen met hoge nauwkeurigheid de deeltjesgrootte en presteren daarmee beter dan klassieke statistische benaderingen. Featureselectie vermindert complexiteit van het model en verbetert generaliseerbaarheid. Daarnaast worden classificatiemodellen, gebaseerd op zowel traditionele random forests als Large Language Modellen (LLM’s), geëvalueerd om onderscheid te maken tussen grote en kleine deeltjes. Terwijl random forests matig presteren, bieden LLM’s geen duidelijke verbeteringen in omstandigheden met weinig gegevens. Over het algemeen toont dit onderzoek dat zorgvuldig samengestelde kleine datasets, in combinatie met robuuste klassieke ML, synthese van Cu NP's effectief kan voorspellen en dat voor laboratoriumonderzoek complexe LLM's geen voordelen bieden.

Het ontdekken van nieuwe interacties tussen geneesmiddelen en proteïne-doelwitten (DTIs) is cruciaal voor therapeutische innovatie, maar experimentele validatie is kostelijk
en schaalt niet naar de astronomische omvang van chemische mogelijkheden. Heterogene, schaarse bindingsdata en beperkte diversiteit belemmeren robuuste voorspelling en de mogelijkheden voor in silico moleculaire ontwerp. Deze scriptie presenteert een geïntegreerd raamwerk dat data, representaties en modellen opschaalt voor DTI-voorspelling en doelwit-gestuurd de novo geneesmiddelontwerp.

Een gecombineerd DTI-corpus (339k interacties) en twee grote pretrainingsbronnen werden samengesteld om zowel supervised als unsupervised leerdoelen te ondersteunen. Centraal in het raamwerk is een flexibele, modulaire multi-branch architectuur: elke branch van het model (geneesmiddel of doelwit) kan geïnstantieerd worden als een encoder met enkele invoer, of als een multi-invoer-encoder die complementaire representaties fuseert (bijv. graaf, vingerafdruk, aminozuursequentie, DNA-signalen).
De geneesmiddel branch kan ook een variatie-sampling kop en een latent-gestuurde, discrete diffusie gebaseerde moleculaire graaf-generator omvatten. Branches kunnen
gezamenlijk getraind worden voor supervised DTI-voorspelling, of onafhankelijk met unsupervised/self-supervised leerdoelen om biologische voorkennis langs domeinen
heen in te brengen.

Resultaten tonen een regime-afhankelijk beeld: in data-arme regimes zijn foundationmodel embeddings het effectiefst, terwijl moleculaire vingerafdrukken de leiding hebben
wanneer data abundant zijn. Analyses tonen aan dat geneesmiddel-representaties de DTI-voorspellingsnauwkeurigheid sturen, met graaf-gebaseerde representaties als
meest invloedrijk; aminozuur- en DNA-signalen zijn complementair voor proteïnen. Algemeen verduidelijkt deze studie wanneer en hoe leren van meerdere representaties
en transfer learning helpen, biedt het een reproduceerbare basis voor DTI-voorspelling, en toont het de haalbaarheid aan van latent-gestuurde omgekeerde diffusie voor het
genereren van chemisch valide, doelwit-specifieke moleculen waarvan de farmacofore kenmerken consistent zijn met de bredere biochemische literatuur.

Puppy’s worden vaak op te jonge leeftijd verhandeld. Dit kan gezondheidsimplicaties voor
zowel de hond, als de menselijke bevolking met zich meebrengen. Hierbij spelen de
minimumleeftijden van acht en vijftien weken een cruciale rol. Deze zijn ingevoerd om te
voorkomen dat te jonge en ongevaccineerde honden verhandeld worden. Deze studie
ontwikkelt daarom met behulp van machinaal leren en survival analyse een techniek om de illegale puppyhandel te bestrijden. Dit gebeurt door middel van modellen die accuraat de leeftijd van een pup kunnen bepalen op basis van zijn gebit.

Ik onderzocht hoe artificiële intelligentie longontsteking sneller en betrouwbaarder kan opsporen op borstkas-röntgenbeelden, en wat er nodig is om zo een systeem veilig, ethisch en juridisch verantwoord richting een ziekenhuis te ontwikkelen. De vraag kwam vanuit het AZ Sint-Maarten: er is nood aan ondersteuning bij triage van pneumoniedetectie.

Technisch bouwde ik een ResNet152-model en trainde dat op publieke Kaggle-datasets. De reality check volgde met geanonimiseerde pediatrische beelden uit AZ Sint-Maarten: door domain shift miste het eerste model te veel echte longontstekingen . Dat heb ik aangepakt met hertraining op pediatrische data, gericht croppen van het longveld en afstemming van helderheid/contrast. In de tweede evaluatie pikte het model alle echte positieve gevallen op.

Naast de prestaties besteed ik veel aandacht aan ethiek en regelgeving. Alle beelden zijn geanonimiseerd en lokaal verwerkt (GDPR). Met Grad-CAM-heatmaps maak ik beslissingen uitlegbaar. Het systeem ondersteunt artsen zij blijven eindverantwoordelijk. Qua regulering positioneer ik het als potentiële MDR-klasse IIa-software en situeer ik het project rond TRL 3→4: van labprototype naar testen in een relevante klinische omgeving. Ik bouwde ook een lokale Streamlit-interface die beelden uploadt, een voorspelling geeft en de heatmap toont. Conclusie: AI kan echt helpen bij triage en vroege detectie, maar robuuste praktijkinzet vraagt representatieve data, uitlegbaarheid, klinische validatie en moet ethisch verantwoord ontwikkeld worden.