‘Ik ben in 2006 tijdens mijn tweede studiejaar begonnen met het maken van 3D-reconstructies van kippenhartjes, gewoon op de snijzaal van de anatomieafdeling in het AMC,’ vertelt De Bakker. ‘Na mijn doctoraal kreeg ik een promotieplek aangeboden om een driedimensionale atlas van menselijke embryo’s te maken, onder leiding van professor Antoon Moorman. Dat is de basis geworden van alles wat ik nu doe.’ 

De Bakker werkte ruim vijf jaar aan de zogeheten 3D Embryo Atlas – een digitaal model waarin je de volledige embryonale ontwikkeling tot 10 weken zwangerschap kunt volgen. ‘Je kunt het embryo op je scherm bekijken, ronddraaien, en alle organen aanklikken en aan- of uitzetten. Voor het eerst werd die vroege menselijke ontwikkeling zo toegankelijk in beeld gebracht.’ 

In het project werkt ze ook nauw samen met internationale partners binnen initiatieven als de Human Organ Atlas Hub. ‘Daar zie je dat er ongelooflijk veel slimme mensen aan tafel zitten – postdocs, wiskundigen, natuurkundigen – die heel graag willen bouwen, maar tegen dezelfde muur aanlopen: er is te weinig grondige, gevalideerde anatomische data om AI op te trainen. En dat is precies waar wij ons op richten.’ 

Wat houdt je project in? 

‘In dit project werken we aan het automatisch segmenteren van de enorme hoeveelheid 3D-beelddata die we door de jaren heen hebben verzameld. Het gaat echt om petabytes aan data. Je kunt daar als mens niet meer handmatig doorheen. Daar hebben we AI voor nodig,’ legt Bernadette uit. 

Maar kunstmatige intelligentie heeft voorbeelden nodig om van te leren – de zogeheten ‘ground truth data’. ‘Een AI weet niet uit zichzelf wat een bloedvat is of een zenuw. Dat moet je het eerst leren. En daarvoor zijn specialisten nodig die die structuren herkennen en markeren. Maar artsen hebben daar vaak geen tijd voor.’ 

De oplossing die De Bakker met haar team onderzoekt, is het inzetten van ‘citizen science’: het betrekken van goed getrainde burgers – denk aan geneeskundestudenten of vrijwilligers met een (bio)medische achtergrond – om te helpen bij het annoteren van de data. ‘Zo bouwen we stap voor stap aan een betrouwbare dataset waar niet alleen wij, maar ook anderen verder mee kunnen.’ 

Waarom heb je de Impact Call aangevraagd? 

‘Voor dit soort initiatieven is het cruciaal dat er ruimte is om te investeren in de vertaalslag van wetenschap naar brede toepasbaarheid,’ zegt De Bakker. ‘Dankzij de Impact Call kunnen we nu echt stappen zetten in het ontwikkelen van een werkbaar AI-segmentatiemodel en een duurzame infrastructuur opzetten voor data-analyse. We kunnen mensen opleiden om te helpen bij het labelen van de data, en ook technische ondersteuning zoals laptops regelen om de modellen verder te ontwikkelen.’ 

De Bakker benadrukt dat ze het project niet alleen draagt. ‘De aanvraag heb ik bijvoorbeeld samen met promovenda Puck Mulder geschreven, die daar een grote bijdrage aan heeft geleverd. Zulke samenwerking is essentieel. Je kunt het niet alleen.’ 

Wat hoop je voor je project? 

‘Ik hoop dat dit project het begin is van iets groters,’ zegt De Bakker vastberaden. ‘We bouwen aan een fundamentele infrastructuur voor medisch-wetenschappelijk onderzoek naar de menselijke ontwikkeling. En die basis is nodig voor allerlei andere innovaties – in AI, in medische scholing, in diagnostiek.’ 

Ze ziet al duidelijk dat de interesse er is: ‘Binnen internationale consortia zie ik veel enthousiasme, maar ook frustratie omdat ze niet verder kunnen zonder die betrouwbare data. Ons werk kan dat gat helpen vullen. Als we dit goed opzetten, kan het uitgroeien tot een standaard waar de hele wereld gebruik van maakt.’ 

Daarnaast ziet De Bakker ook mogelijkheden om het project toegankelijk te maken voor studenten en artsen in opleiding. ‘Het is niet alleen onderzoek; het is ook educatie, het is samenwerking, het is techniek én kliniek. Die verbindingen zijn zeldzaam en waardevol.’ 

Tot slot hoopt ze vooral op structurele aandacht. ‘Ik wil dat het niet bij dit project blijft, maar dat het een model wordt voor hoe we als medisch-wetenschappelijke gemeenschap met nieuwe technologieën kunnen omgaan. Dat we AI niet alleen gebruiken, maar begrijpen – omdat we zelf de basis ervoor gelegd hebben.’