Adverse Outcome Pathways (AOPs) are conceptual frameworks that tie an initial perturbation (molecular initiat- ing event) to a phenotypic toxicological manifestation (adverse outcome), through a series of steps (key events). They provide therefore a standardized way to map and organize toxicological mechanistic information. As such, AOPs inform on key events underlying toxicity, thus supporting the development of New Approach Methodologies (NAMs), which aim to reduce the use of animal testing for toxicology purposes. However, the establishment of a novel AOP relies on the gathering of multiple streams of evidence and infor- mation, from available literature to knowledge databases. Often, this information is in the form of free text, also called unstructured text, which is not immediately digestible by a computer. This information is thus both tedious and increasingly time-consuming to process manually with the growing volume of data available. The advance- ment of machine learning provides alternative solutions to this challenge. To extract and organize information from relevant sources, it seems valuable to employ deep learning Natural Language Processing techniques. We review here some of the recent progress in the NLP field, and show how these techniques have already demonstrated value in the biomedical and toxicology areas. We also propose an approach to efficiently and reliably extract and combine relevant toxicological information from text. This data can be used to map underlying mechanisms that lead to toxicological effects and start building quantitative models, in particular AOPs, ultimately allowing animal-free human-based hazard and risk assessment.
In het SaxShirt-project wordt een comfortabel shirt ontwikkeld waarmee fysiologische aspecten van de drager kunnen worden gemeten, zonder dat de drager daar extra inspanning voor hoeft te leveren. Dergelijke technologieën noemen we Zero Effort Technologies (Baecker, 2011). De belangrijkste fysiologische aspecten die in eerste instantie gemeten gaan worden zijn: 1) temperatuur 2) hartslag 3) ademhaling. Het project is gestart in september 2013. Het doel is om in oktober 2014 een praktisch demonstratiemodel te hebben van het shirt waarmee de mogelijkheden van de huidige technologie kunnen worden gedemonstreerd. Het is belangrijk dat het shirt niet alleen comfortabel zit, maar ook robuust en eenvoudig te wassen en reinigen is. Voorafgaand aan dit project zijn er al verscheidene onderzoeken en ontwikkelingen geweest om mogelijkheden voor het shirt te onderzoeken. Om een definitief implementatieplan te kunnen opstellen voor het huidige project, was er behoefte om nog eenmaal een korte verbredende onderzoeksfase uit te voeren. Dit rapport is het resultaat van deze fase. Na de verbredende fase zijn in november 2013 besluiten genomen en is begonnen aan de implementatie van het demonstratiemodel. De belangrijke momenten staan in onderstaand overzicht: • Oktober 2013: Start SaxShirt Project • November 2013: Vaststellen Plan van Aanpak (PvA) voor implementatie • Juli 2014: Afronden implementatie • Oktober 2014: Oplevering eerste demonstratiemodel SaxShirt Dit rapport beschrijft de state-of-the art van technieken waarmee bovenstaande fysiologische aspecten kunnen worden gemeten. Het doel van dit rapport is om een overzicht van in textiel-integreerbare fysiologische sensoren te geven. Dit overzicht dient als basis en discussiestuk voor het pan van aanpak voor de implementatie en kan worden gebruikt als introductie voor nieuwe medewerkers op het SaxShirt project.
MULTIFILE
Through a qualitative examination, the moral evaluations of Dutch care professionals regarding healthcare robots for eldercare in terms of biomedical ethical principles and non-utility are researched. Results showed that care professionals primarily focused on maleficence (potential harm done by the robot), deriving from diminishing human contact. Worries about potential maleficence were more pronounced from intermediate compared to higher educated professionals. However, both groups deemed companion robots more beneficiary than devices that monitor and assist, which were deemed potentially harmful physically and psychologically. The perceived utility was not related to the professionals' moral stances, countering prevailing views. Increasing patient's autonomy by applying robot care was not part of the discussion and justice as a moral evaluation was rarely mentioned. Awareness of the care professionals' point of view is important for policymakers, educational institutes, and for developers of healthcare robots to tailor designs to the wants of older adults along with the needs of the much-undervalued eldercare professionals.
