Stel je voor: een farmaceutisch bedrijf heeft een nieuw medicijn ontwikkeld tegen een bepaalde vorm van kanker. Ze hebben een grote klinische studie gedaan waarin ze het nieuwe medicijn vergelijken met een standaardbehandeling, zoals chemotherapie. Nu willen ze weten: is het nieuwe medicijn echt beter? Leven patiënten er langer door, voelen ze zich beter? En wat kost die nieuwe behandeling? Is het kosteneffectief? Zijn er bijvoorbeeld ook voordelen voor de maatschappij, zoals dat iemand minder lang ziek is en daardoor langer kan werken, kan zorgen voor ouderen en kinderen, of dat de zorgkosten lager zijn?
Dat is precies waar Open Health om de hoek komt kijken. Wij helpen farmaceutische bedrijven om deze vragen te beantwoorden. Ik werk in het Modeling & Meta-Analysis team, oftewel de modelleringsafdeling. Wij verwerken ingewikkelde data uit klinische studies om te bepalen of een nieuw medicijn kosteneffectief is.
Toen ik klein was, wist ik niet precies wat ik wilde worden. Iets in de medische wereld leek me interessant, maar bloed vond ik maar niks. Gelukkig ontdekte ik op de middelbare school dat ik wiskunde heel leuk vond. Biologie voelde soms als stampen en begrijpend lezen, maar wiskunde was voor mij een taal: als je het snapt, kun je er alles mee oplossen.
Ik koos voor Wiskunde aan de TU Delft omdat het daar wat meer toegepast is. Onze vakken waren niet puur theoretisch; we werkten aan projecten zoals het regelen van de snelheid van een havenkraan, het analyseren van productkwaliteit om boetes te voorkomen, of het modelleren (het nabootsen in een computermodel) van een epidemie om de verspreiding van een virus te begrijpen. Toegepast dus!
Nee, eigenlijk niet. Ik ben gewoon op LinkedIn gaan zoeken naar banen die iets met statistiek te maken hebben. Ik wilde vooral een baan waarin ik mijn wiskundige kennis blijf gebruiken, want na vijf jaar hard studeren wilde ik die kennis ook echt toepassen. Daarnaast vond ik het belangrijk dat mijn werk ethisch verantwoord was; ik wilde bijvoorbeeld geen statistiek bij een bank doen. Ik heb ook naar PhD-trajecten gekeken, maar vier jaar vastzitten vond ik te lang. Zo kwam ik uiteindelijk bij Open Health terecht.
Bij Open Health analyseren we medische data om te bepalen of behandelingen werken en de kosten waard zijn. Ik werk vooral aan het begin van dit proces, dus ik krijg de ruwe data uit klinische tests: hoe lang duurt het voordat de ziekte bij een patiënt erger wordt? Hoeveel mensen knappen op of leven langer? Hoe vaak treden bijwerkingen op? Met die data bouwen we modellen en maken we berekeningen. Soms is het pittig, want een klinische test duurt vaak maar vijf jaar, terwijl we willen weten wat het effect is over twintig jaar. Dan gebruik ik wiskundige modellen om te voorspellen hoe de cijfers zich in de toekomst ontwikkelen.
Bijvoorbeeld: bij een bestaand medicijn zie je in een grafiek dat patiënten na een jaar vaak achteruitgaan. Bij het nieuwe medicijn gebeurt dat veel later. Dan weet je dat het nieuwe medicijn beter werkt, en dat kun je doorrekenen naar wat dat betekent voor levensduur en kosten.
Ik werk veel met ruwe data die we krijgen van klinische testen. Die data is vaak niet meteen klaar voor gebruik; er zitten fouten in of kolomnamen verschillen per opdrachtgever. Daarom moet ik eerst goed kijken welke informatie belangrijk is en de data schoonmaken voordat ik ermee aan de slag kan.
Voordat we de analyses doen, moet ons team ook beslissen welke kenmerken we wel of niet meenemen. Specifieke data kan relevant zijn voor elk medicijn of ziektebeeld. We kijken daarvoor veel naar onderzoeken en publicaties. We weten bijvoorbeeld dat een hoge bloeddruk invloed kan hebben op de werking van een medicijn. Soms betrekken we ook dokters erbij, omdat zij beter kunnen inschatten wat belangrijke verschillen zijn.
Ja, ik werk in een team met verschillende specialisten. Sommige collega’s richten zich op overleving van patiënten (survival-analyse), anderen vergelijken behandelingen indirect met elkaar, en weer anderen bouwen het uiteindelijke kostenmodel in Excel. We werken ook samen met experts uit de medische praktijk en mensen die systematische literatuuronderzoeken doen. Het is echt een samenwerking waarbij iedereen zijn eigen stukje oppakt, maar we hebben ook veel overleg over welke data belangrijk is en hoe we die moeten interpreteren.
Soms vind ik het lastig, want we werken met grote farmaceutische bedrijven die natuurlijk geld willen verdienen en niet alleen maar goede dingen doen. Maar uiteindelijk helpt ons werk ervoor te zorgen dat er betere medicijnen op de markt komen en dat mensen een beter leven krijgen.
Ik ben ook blij dat ik ervoor zorg dat alle resultaten eerlijk worden bekeken, ook als ze minder positief zijn. Zo blijven de uitkomsten betrouwbaar, en daar draag ik aan bij.
Wat mij echt heeft geholpen bij mijn studiekeuze was het bezoeken van universiteiten en het volgen van meeloopdagen. Daardoor kreeg ik een beter beeld van wat er écht gebeurt tijdens de studie.
Leg niet te veel druk op het kiezen van de ‘juiste’ studie, want uiteindelijk kun je met veel studies op hetzelfde punt uitkomen. Het is niet erg als je na een jaar merkt dat iets anders je beter ligt. Je kunt altijd switchen of een andere richting kiezen voor je master, ook al duurt dat misschien iets langer.
