De rol van data in moderne zorg: de ervaring van Daniel Kapitan (PharmAccess & TU/Eindhoven)

Hey, leuk dat je weer luistert naar een nieuwe aflevering van de AIToday Live. Met mijn naam Niels Naglé, Area Lead Data & AI bij Info Support. En helaas, Joop kon er vandaag niet bij zijn, die was verhinderd. En ik vraag me toch een beetje af, we gaan toch wel wat data raken vandaag. Dus wie weet dat dat meespeelt in zijn beslissingen. We hebben vandaag een speciale gast, Daniel Kapitan. Dankjewel, leuk dat je wilde komen naar onze studio. Zou je ons eerst even meenemen, wie is Daniel Kapitan voor de luisteraars? Ik ben Daniel, getrouwd, vorig jaar 50 geworden. Sinds mijn jonge jaren eigenlijk, met een tik van de draaideur qua wiskunde en beta dingen. Uiteindelijk gepromoveerd in de natuurkunde. En ik werk nu ruim 20 jaar, 23 jaar of zo denk ik, in het gebied van data en AI. Ook voordat het data science heette. Ik heb allerlei modellen gebouwd, vooral heel veel aanvankelijk eerste helft in de telecom sector. En in de afgelopen 12 jaar vooral in de non-for-profit en daarbinnen juist weer healthcare. Op dit moment heb ik een deeltijd aanstelling bij het AI-instituut van de EU Eindhoven. En mijn belangrijkste rol daarbij is om het volwassen educatieprogramma vorm te geven en mensen op te leiden. Dat is echt super tof. Dan krijg ik ook heel veel voeding met wat er allemaal leeft bij de organisaties, om toch AI een beetje breder begrijpbaar te maken. En voor de andere helft ben ik freelance adviseur. Waarbij mijn twee grootste projecten op dit moment zijn voor PharmAccess Foundation. Voor het beschikbaar maken van zorgdata in Afrika. Ook daar is het gewoon echt een serieus uitdaging. En voor Dutch Hospital Data. Het opbouwen van federatieve data platformen in de zorg in samenwerking met heel veel partijen. Mooi, gaaf en al jaren ervaring van verschillende perspectieven met allemaal raakvlak met data en AI. En voor de luisteraars die al jaren met ons meegaan, ook geen onbekende in de show. Ik geloof dat je zei dat het twee jaar geleden was. Ja, in de trein hiernaartoe zat ik een beetje door mijn LinkedIn-feed te kijken. Het was precies twee jaar geleden. Het stond zelfs bij, het was de eerste post-COVID face-to-face. Ik had toen nog een kantoortje bij station Rotterdam. Het was super mooi, dus leuk om hier weer te zijn. Dankjewel dat je er wilde zijn. We hebben een nieuw topic en dat is de vraag van de leek. Daar gaan we eerst even mee beginnen. Adviseur interne communicatie. Ik vind het wel heel fijn dat we ons als mens nog makkelijk onderscheiden van een robot. Dankzij onze sociale intelligentie. Daarin zijn we nog steeds uniek, al worden robotjes wel ingezet in de zorg. Om bijvoorbeeld aan eenzame ouderen, quasi geïnteresseerde vragen te stellen. Zo voelen deze mensen zich schijnbaar minder eenzaam. Verwacht je dat AI in de nabije toekomst over echt sociale vaardigheden gaat beschikken? En zo ja, wat moet ik me daar dan bij voorstellen? Schitterende vraag. Uit mijn hart gegrepen. Waar kan ik beginnen? Vooropgesteld specifiek deze casus, de zorgrobotjes. Ze zijn er in verschillende vormen en maten. Heel lang geleden was er een pratende plant. Tegenwoordig heb je er volgens mij ook eentje in de vorm van een soort kleine zeehond of zo. Die ademhaalt, als ik het goed heb. Ja, die zit ook dichtbij je. Dus daar zit ook iets van fysiek contact om mensen te triggeren. Ik gebruik dit heel vaak in mijn colleges om ook gewoon een beetje als opwarmertje om aan te geven van wat vinden we hier nou eigenlijk van als mensen onderling. En de meningen zijn extreem verdeeld. Dus het eerste wat ik vooraf wil zeggen, ik heb hier absoluut ook niet de wijsheid in pacht. Ik weet wel bij de TU Eindhoven, met name ook in de filosofie faculteit, wordt hier serieus onderzoek naar gedaan. Wat doet dit met mensen? Wat doet het met menselijke interactie? En even dan heel specifiek de vraag, verwachten we dat robots, want ze gebruikt het woord robots, vind ik ook beter dan het over AI te hebben, want met robots hebben we denk ik wel de juiste associatie. Het is echt een autonoom ding waar je een bepaalde verstandhouding mee op gaat bouwen. Gaan die dan inderdaad sociale vaardigheden? Nou, met de huidige techniek gaat dat voorlopig niet komen, omdat de huidige technieken echt gebaseerd zijn vooral op rauwe computing power en alleen maar op correlaties. En ik wil geloven als mens dat wij meer zijn dan dat. Dat sociale interacties veel meer zijn dan alleen maar correlaties. Tegelijkertijd, als je een beetje meer in het voorkamp bent, ik heb ook gezien in discussies met zorgpartijen voor eenzame ouderen, niet eens zozeer eenzaam, maar die bijvoorbeeld moeite hebben vanwege aandoeningen zoals dementie, doordat een semi-autonoom apparaat, zeg ik dan maar, hun triggert om vragen, antwoord en iets van een dialoog, omdat dat hen helpt, dan zeg ik van ja, laten we dat dan vooral verder verkennen en breder uitrollen. Maar dat noem ik geen sociale interactie, niet zoals deze mevrouw die vraag stelde. Dus we zouden het graag willen, maar we hebben nog een flinke route te gaan. En dat is de vraag van de mensen die het willen weten. En dat is de vraag van de mensen die het willen weten. En dat is de vraag van de mensen die het willen weten. En dat is de vraag van de mensen die het willen weten. En je had het over klein, klein en kleinst. Heb je voorbeelden daarvan? Wanneer is dat handig om daar naartoe te gaan, in plaats van de grote generieke modellen waar generieke antwoorden uitkomen? Wanneer zou je de stappen moeten willen maken richting klein, klein en kleinst? Nou, één van de triggers, en dat zei ik ook bewust tijdens mijn inleiding, hoe ik op dit spoor kwam, is dat ik nu twee jaar voor PharmAccess Foundation werk. En één van mijn hoofdopdrachten daar is, is om datadelen mogelijk te maken in Afrika. We werken vooral in landen zoals Kenia, Tanzania, Ghana en Nigeria. En dan kan je zeggen, joh, hebben we geen betere dingen te doen? Lees andere, meer urgente problemen dan het te gaan hebben over data platformen. Nou, onze gedachte, ons heel expliciet Farm Access, is we kunnen niet zorg leveren op de oude manier. Dat gaat gewoon niet. Waarom niet? Als ik de vraag stel. We hebben te weinig artsen, we hebben te weinig geld. Vanwege de geografie, rurale gebieden. Het kan vaak gewoon fysiek niet. Dus is één van de gedachten, remote care, telehealth, noem het maar op, heeft hier een belangrijke rol in. En je ziet dus, en dat schept hoop, dat bijvoorbeeld in Tanzania, er jonge dokters opstaan die zeggen van, ja, ik heb leren dokteren, maar ik ga nu meteen een telehealth dokterspraktijk opstarten. Een telehealth? Waar moet ik dan aan denken? Nou, het goede nieuws is dat in landen zoals Tanzania en Kenia, de meeste mensen hebben wel een smartphone. Maar die zijn niet bij macht om een arts te bezoeken. Een huisarts, het gaat er wel over eerst de lijn zorgen. Maar een app kunnen ze downloaden. Dus waar jij en ik normaliter voor naar de huisarts gaan, met het inloopspreekuur in de ochtend, dat doen ze dus nu veel meer via de app. Zo veel mogelijk via de app, je krijgt daadwerkelijk wel een huisarts aan de lijn. En pas wanneer, na dat eerste gesprek, blijkt, oh ja, er is wel iets serieuzer aan de hand. En daardoor is het noodzakelijk dat je gaat reizen. En ook een van de barrières is een halve dag, of misschien zelfs een hele dag gaan reizen om ergens naar een dokter te gaan. Ja, ik heb dan geen inkomen. Het zijn echt dat soort hele primaire vraagstukken. Daar geloven we in, in de zin van, nou, kunnen we dan toch de goede dingen van digitalisering zo inzetten dat we dus inderdaad zorg op afstand ook in deze landen kunnen aanbieden. En wat zijn dan de uitdagingen waar je zo tegenaan loopt? Nou, dan hebben we dus allemaal ideeën. We hebben allemaal architecturen. Ook daar wordt cloud architectuur gebruikt. Maar als je dus naar een willekeurige zorginstelling gaat, om en nabij de grote wegen en de grote steden, heb je vaak wel internet en stroom, maar daarbuiten niet. Dus je moet echt gaan nadenken qua architectuur. Hoe gaat dit werken? Dus we zijn ook aan het verkennen met sommige partijen, moeten er solar panels, zonnepanelen op het dak, dat we daar stroom hebben. En het andere belangrijke voor deze discussie is dat ik erachter kwam, ja, we kunnen niet eens van op aan dat we een klassieke soort client-server opstelling, die hebt een app. - De connectiviteit. De connectiviteit, die knalt er de hele tijd uit. En dat heeft mij op het spoor gezet. Dus een van mijn collega's heeft mij echt uitgedaagd. Ja, iedereen heeft het over scaling. We nemen impliciet aan upward scaling. Maar wat nou als het downward scaling is? En toen dacht ik, dat vind ik ook een mooi technisch puzzeltje. Dus wat betekent downward scalability? En uiteindelijk hebben we een soort mini data warehouse in de browser gebruikt. Vanwege deze standaarden konden wij, zeg maar, het developmentwerk met dezelfde toolkit op Azure of op Google, maakt niet uit, maar het zijn allemaal parquetbestanden, het zijn open source libraries. Ja, dat is manier van opslag, hè? - Ja, sorry, parquet is manier van opslag. Maar als we bijvoorbeeld zeggen, ja, maar we moeten het wel kunnen uitrollen, kunnen deployen, nou, dat heet in jargon resource-constrained environments, dan is het bijna dezelfde codebase. Natuurlijk moet je wel iets aanpassen, maar het merendeel blijft hetzelfde. We hebben dus technieken en standaarden zoals WebAssembly, en het draait gewoon in de browser. Echt volledig. En een jaar geleden hadden we dit dus voor 30 klinieken draaien in Tanzania. Ik dacht echt, dit is waanzinnig. - Ja, mooi. Hoezo hebben we een server nodig? - Ja. En wat heeft het de mensen daar gebracht? Wat het mensen daar heeft gebracht is, dus je moet je voorstellen, een kliniek in rural areas, het is echt rural. Dus daar valt stroom vaak uit, en internet is er vaak of niet. Je moet echt naar buiten lopen en dan ergens toevallig op het heuveltje, dan heb je dekking. En wat ik van mijn lokale collega's heb begrepen, hoe het meestal zo is, de mensen die de zorg verlenen, die wonen ergens anders, die wonen vaak ergens in urban of suburban area's waar wel dekking is. Dus letterlijk één van de design criteria. Kunnen we alles zo downward scalen, dat het op die tablet past van die zorgverlener? Die zorgverlener die heeft bijna 24/7 die tablet bij zich. En het syncingmechanisme wat we gebruiken is als de zorgverlener 's avonds naar huis gaat, dat wordt gesynct en de volgende dag dan staat alles weer op die tablet, zodat ze weer de zorg kan verlenen in die kliniek. - Ja, dat brengt natuurlijk wel andere uitdagingen met zich mee inderdaad, om dan te tackelen. En hoe helpt AI bij het tackelen van deze problemen? - Nou, die vraag krijg ik dus ook vaak, omdat ook AI natuurlijk, ook in de wereld van development organizations is natuurlijk, en we hebben daar hoge verwachtingen van, ik ben daar wat voorzichtiger in. Want ik denk bijna, zullen we eerst gewoon het data-share wel goed regelen, en bij wijze van spreken eerst met hele recht toe recht aan, als dit dan dat type logica inbouwen in de apps, dan kunnen we dat doen. Een van de eerste vormen van machine learning die we hebben toegepast, we doen veel op het gebied van antenatal care, dus moeder- en kindzorg, om dus ook de geboorte/sterfte tegen te gaan, is een heel simpel algoritme met risicoprofielen, op basis van leeftijd, etc. Dat is echt niet waar we de meeste tijd in kwijt zijn. Het is alle data-feeds, alle questionnaires, hoe doen we het veilig? Ook Kenia heeft GDPR, hoe zorgen we ervoor dat communicatiekanaal zo breed mogelijk beschikbaar is? Afgelopen jaar hebben we een WhatsApp-integratie gebouwd. Dat zijn ook een van die gedachten, downward scalability, kan je zeggen. Laten we consumententechnologie gebruiken, want dat heeft iedereen, maar dat robuuster maken, dat het met goed fatsoen ingezet kan worden in de zorg. Dus de goede kwaliteit, dat de ethiek afgehandeld is, maar ook de privacy afgehandeld is. Daar ben ik wel nieuwsgierig naar, want er zijn andere patronen voor nodig, om die data op een bepaald moment te syncen, maar hoe zorgen we ervoor dat de privacy, de vraag die we ook voor AI-modellen vaak hebben, is van, hoe kunnen we de privacy waarborgen? Wat doen we wel met de data, wat doen we niet met de data? Hoe kunnen jullie dat aanpakken, of hoe kunnen we dat aanpakken? Ja, dat is echt een van de hamvragen. Dat is dus ook een van de thema's binnen het werk van PharmAccess Foundation, maar dat is ook hier in Nederland actueel, het thema datasolidariteit, waar we twee jaar geleden over hadden. En dan ga ik even in een andere context, dus niet meer over die apps, maar meer in algemene zin. Ik geloof dus oprecht dat als de data van oorsprong is vastgelegd als bijproduct, dus aanhalingstekens van het zorgproces, dan is die data eigenlijk van niemand. Het is van ons allemaal, want het is als onderdeel van een collectieve dienst, die is geleverd en die hebben we met elkaar opgebracht. Heb je een voorbeeld daarvoor? Ja, dus bijvoorbeeld alle data van jou die zowel in het huisartsinformatiesysteem zit, die in het apotheekinformatiesysteem zit, die in het ziekenhuisinformatiesysteem zit. Ik durf nog best wel te zeggen, oké, data over mentale zorg is een aparte categorie, omdat het gewoon heel dicht bij mensen komt. Maar over jou is er echt heel veel data beschikbaar. En een deel daarvan overigens staat gewoon bij CBS, op CBS micro-data. En mijn punt is dat die data is van niemand, van ons allemaal tegelijk. En een van de oplossingsrichtingen die we zien, want elke keer als we het over data hergebruik gaan hebben, dan zitten we heel snel in een soort denken, oké, we gaan bepalen wie toegang mag hebben tot de data. En we denken meteen, of ik dan, naar access right controls, oh ja, deze tabellen, deze database, deze medewerkers mogen wel, deze medewerkers mogen niet. Ik denk dat dat dus bijna niet te doen is, gegeven alle data die overal en nergens opgeslagen is. En als je het omdraait, dus een van de principes van federative learning, is dat je de governance en de mechanismes op het hergebruik van data, die ga je dus plakken op de berekeningen, op de algoritmes. Dus je gaat naar een goedkeuringsmechanisme op berekeningsniveau, op algoritmeniveau en niet op dataniveau. En dat is dan ook een van de grote dingen die je moet doen. Dus dat is ook een van de grote dingen die je moet doen. En dat is ook een van de grote dingen die je moet doen. Dus dat is ook een van de grote dingen die je moet doen. En dat is ook een van de grote dingen die je moet doen. En dus encryptietechnieken zijn zo volwassen. En toen ik dus twee jaar geleden begon bij PharmAccess, we hebben ook al een pilot gedaan met Rosemann Labs. Echt waanzinnig. Nou, je moet wel echt extra dingen doen, want het komt uit de kost om die encryptie te doen. De berekening die ik toen wilde uitvoeren op ordegrootte 30.000 patiënten, kon net wel, net niet. Maar we zijn dus nu zover. We kunnen gewoon datasets van Pancabate, een miljoen instances, kunnen gewoon een random forest optrainen met MPC. We kunnen voorlopig gewoon aan de gang. En dat is dus, ik zie gewoon zoveel dingen, helemaal terug naar jouw vraag, wat is er de afgelopen twee jaar gebeurd en hoe we hier aan tafel zitten. Aan de ene kant ben ik een enorme liefhebber en optimist. Ik zie zoveel mooie puzzelstukken. Maar dat bij elkaar brengen. Ja, en we zijn er nog niet, maar we zien wel mooie stappen inderdaad. Die party trick deed me denken, ik weet niet waarom, maar ik gelijk aan kaartspellen. Die hebben wij ook, dus ik maak nu even een brugje naar een van de thema's die we hebben in de podcast. Dus daar start ik nu even de jingle van in. Dat is namelijk onze AI Game Changer kaartspel. Om met elkaar de discussie te hebben over hoe we tegenstellingen aankijken. En eigenlijk is iedereen altijd de winnaar bij dit kaartspel. Dat is een beetje de truc. Dus ik ga jou een stelling voorleggen. [muziek] Zo, dat was onze AI-gegenereerde intro die we daar hebben. Ik heb de kaarten geschud zoals je net zag. Ik zie het. Dus ik pak gewoon, nou dit kan bijna niet, toeval bestaat niet. Gebruik en toepassingen is een van de thema's die we hebben. We hebben er een aantal in zitten om verschillende disciplines van het vraagstuk van generatieve AI te kunnen belichten. En deze stelling gaat over datakwaliteit. Alsof het zo moet zijn, Daniel. En de stelling is, onze datakwaliteit is uitstekend voor het gebruik van generatieve AI. Eerst eens of oneens en daarna mag je hem toelichten. Maar je bedoelt dit in algemene zin voor alle bedrijven en organisaties in Nederland of de wereld? Je mag ook een casus pakken waar je nu momenteel mee bezig bent geweest. Want dit is inderdaad een hele generieke vraag. Dus eerst maar even een casus en daarna misschien een bredere zin. Dus even herhalen, onze data kwaliteit is goed genoeg om gen-AI toe te passen. Zelfs nog iets extremer is uitstekend. Ja kijk, dat is heel flauw. Dat wil ik geloven, maar dat kom ik heel zelden tegen. Als ik hem iets afzwak van het is goed genoeg om met gen-AI in de gang te gaan, dan denk ik van ja, dat zie ik bij veel organisaties. Ook weer een mooi voorbeeld in de zorg. Ik werk met een start-up, Textors, bij TU Eindhoven. Die bouwen dus in-house gen-AI toepassingen. En ik heb ze geïntroduceerd bij een huisartsenpraktijk. En we gaan daar dus de digitale oma bouwen. De vragen die je vroeger aan oma stelde voordat je naar de huisarts ging. Oh, ja ja ja. Wat je dus nu ziet is dat met die huisarts-apps, er komen al best wel veel vragen via die app binnen. Bij sommige praktijken heeft het inmiddels zo'n vorm, dat iemand twee uur per dag, let wel, twee uur per dag alleen maar bezig is om die vragen te beantwoorden. Kunnen we dat niet efficiënter doen? Nou, en ik denk dus dat, zelfs dus met de huidige techniek van gen-AI, en bij voorkeur dus inderdaad de wat meer open foundational models, die je dan veilig in je eigen omgeving kan gebruiken. En daar bovenop met extra data gaat trainen, in dit geval. Dus de huisartsendata toegevoegd ook met de protocollen, die gewoon in de Nederlandse huisartsenzorg gebruikt worden. Ja, de datakwaliteit is echt goed genoeg om dat te doen. En je kan het echt binnen een paar maanden live hebben. En de grootste uitdaging daarna is natuurlijk weer alle change management daarna. Hoe ga je het gebruiken? Je moet een proces voor de, hoe ga je de antwoorden goedkeuren? De moeilijke antwoorden, de makkelijke antwoorden en dan continu verbeteren. Dus in afgezwaktere vorm ben ik het ermee eens. Oké, dankjewel. [muziek] Ja, leuke stelling. Ik heb echt geschud net, maar het zou bijna over kunnen komen, als het doorgestoken kaart is inderdaad. Maar deze kwam letterlijk boven inderdaad. Ik heb die niet geschudden. Nee, en ik denk dat het wel belangrijk is inderdaad. Datakwaliteit is goed genoeg. En dat is ook een van de dingen die we in de toekomst hebben gedaan. Dus dat is allemaal de goede kant op. Maar het moet nog wel in standaarden worden vastgelegd. Ik zou graag zien dat bijvoorbeeld wetenschappers, dat ze niet alleen op peer-reviewed journals worden beoordeeld, maar ook op output. Ze hebben hier een open standaard geschreven en ze hebben een community aan de gang gekregen. Of ze hebben een open source implementatie van een standaard gemaakt. Dat zie je hier en daar. En dat is ook een van de dingen die we in de toekomst hebben gedaan. En dat heeft dus te maken met dat je dus via die open source implementaties in parallel met open standaarden, en een open standaard is bijvoorbeeld het TCP/IP-protocol, want zonder dat kan het internet niet werken. - Voor de informatieuitwisseling. - Ja, dus allemaal in die hoek. En als je dat gezamenlijk doet, dan zijn talloze studies die hebben uitgewezen, als je dus via een open manier van ontwikkelen dit soort technieken gaat uithollen, dan heeft het een veel grotere maatschappelijke waarde en ook veel eerlijkere verdeling in plaats van een closed source te maken. Omdat het open is, kan je de code verbeteren. Je kan het inzien, iedereen kan daar inderdaad kwetsbaarheden in herkennen en helpen op te lossen. Misschien ook niet heel toevallig is het een thema die we ook in de podcast een drieluik van hebben, waar Joop ook toelicht geeft. Maar wat is een open source in de AI-context? Want dan is de code misschien niet meer voldoende. Dan heb je het natuurlijk ook over trainingsdata die gebruikt is. En dat gaat dus nog wel verder op dat vlak dan alleen de code die er is. Nee, en dat zou ik dus inderdaad heel graag willen verkennen. Want even als gedachte-experiment. Stel je nou eens voor, neem een willekeurige AI voor beeldvormende diagnostiek. Bijvoorbeeld fundusfoto's. Fundusfoto's? Je retina, de binnenkant van je oog. Er zijn nu camera's. Ik kan gewoon een foto van de binnenkant van je oog maken. Binnen pak en beet vijf minuten weet ik of je bepaalde oogaandoeningen hebt. Met allemaal goedgekeurde AI. En daar ben ik bij betrokken vanuit een start-up. Maar even iets heel anders, dat gaan mijn collega's niet leuk vinden. Maar stel je nou eens voor, het menselijk oog is het menselijk oog. En stel je voor, we hebben, er zijn inmiddels heel veel grote datasets, met echt honderden, duizenden, zo niet miljoenen foto's van het binnenkant van je oog. Gelabeld met wel of niet ziekte X, Y of Z. Wat nou als we gewoon dat als basis nemen? En daar bovenop dus echt als een soort regenerative AI, we gaan modellen trainen in volstrekte openheid. Het mooie van dit voorbeeld is, hier is geen sprake van persoonsgegevens. Daar is een uitspraak van. Een foto van het oog is niet identificerend. Dat hebben we inmiddels. Nou, prima. Laten we vooral duizend bloemetjes bloeien. We gaan hackathons organiseren. Maar echt om production proof, het kunnen screenen op oogaandoeningen met een publieke dataset. De getrainde modellen gaan ook in de repositories. De modelcards, de evaluaties gaan er ook allemaal in. En als iemand zegt, ik wil dat wel oppakken, je wilt integreren in mijn product, voel je vrij om daar een dienstverlening omheen te doen. Zo werken ook alle grote cloud providers. Die bouwen, die packagen open source componenten, zodat het gebruiksvriendelijk wordt en de servers, etcetera. Waarom doen we dat dan niet? Om inderdaad het maatschappelijke belang, de kwaliteit en transparantie daarin te kunnen vergroten. Nou, niet alleen dat. En als je heel activistisch bent, dus Bart de Witte, Hippo-AI Foundation in Duitsland, die zit heel erg op deze tour. We spraken afgelopen congres gezamenlijk over dit onderwerp. Hij beweert zelfs, maar dat is natuurlijk ook echt een politiek debat, we hebben geen andere optie. Want als we het closed doen, dan wordt het gewoon te duur. Want er zijn ook al studies die dat uitwijzen. Het mooie voorbeeld recentelijk is dus de Human Genome Project. Dat is inmiddels al een tijdje geleden. Maar toen we daar aan het begin stonden, was ook een discussie, gaan we met belastinggeld één Human Genome database aanleggen, die dan eigenlijk open is. En daaruit kunnen allerlei partijen of onderzoeksinstellingen gewoon hun ding doen. En dat is ook een heel belangrijk onderwerp. En dat is ook een onderwerp waarin we ook een soort van een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van open source-project kunnen maken. En dat is ook een onderwerp waarin we ook een soort van