Kunstmatige intelligentie (AI) speelt een steeds grotere rol in de gezondheidszorg, maar het gebruik ervan brengt ook risico's met zich mee. AI-systemen kunnen onopgemerkt fouten maken, wat ernstige gevolgen kan hebben in medische toepassingen. Een belangrijk probleem is dat veel AI-systemen geen onzekerheid kunnen uitdrukken, waardoor gebruikers zoals artsen niet weten hoe betrouwbaar een voorspelling is. Dit proefschrift richt zich op de ontwikkeling van methoden om onzekerheid in AI expliciet te maken en beter te kwantificeren. Door onzekerheidsmarges te introduceren, kunnen fouten eerder worden opgespoord en kan de betrouwbaarheid van AI-systemen worden verbeterd. Dit stelt artsen in staat om beter geïnformeerde beslissingen te nemen wanneer zij door AI worden ondersteund, vooral in kritieke situaties zoals bij diagnostiek. De resultaten van dit onderzoek dragen bij aan veiligere en betrouwbaardere medische AI-systemen, wat uiteindelijk leidt tot betere zorg en meer vertrouwen in deze technologie.
Jasper Linmans, geboren op kerstavond 1992 in Oirschot, behaalde in 2015 zijn bachelor Biologie en in 2018 cum laude zijn master Artificial Intelligence aan de Universiteit van Amsterdam. Tijdens zijn promotie bij Radboudumc onderzocht hij onzekerheidsmodellen in deep learning. Momenteel werkt hij als Senior Machine Learning Engineer bij Kaiko.ai aan digitale pathologie.