PhD defence
Applied Machine Learning in Neurosurgical Oncology
- J.T. Senders
- Date
- Thursday 27 January 2022
- Time
- Location
-
Academy Building
Rapenburg 73
2311 GJ Leiden
Supervisor(s)
- Prof. W.C. Peul
Summary:
Hoewel de behandelmogelijkheden voor patiënten met een kwaadaardige hersentumor zijn verbeterd in de afgelopen jaren, blijft het een ongeneselijke ziekte met een gemiddelde overleving in orde van maanden na diagnose. De nauwe balans tussen de baten en risico’s van behandeling benadrukken het belang van geïndividualiseerde patiëntenzorg. Machine learning omvat een breed scala aan computer algoritmen die kunnen leren aan de hand van data om vervolgens accurate voorspellingen te doen in nieuwe patiënten.
Dit proefschrift omvat verscheidene studies waarin modellen zijn ontwikkeld om de zorg voor patiënten met een hersentumor te optimaliseren en personaliseren. Deel I onderzoekt de postoperatieve complicaties en risicofactoren in patiënten geopereerd voor een primaire maligne hersentumor. Deel II omvat de ontwikkeling van een model voor het voorspellen van de de lange termijn overleving in glioblastoom patiënten op basis van patiënt- en tumor karakteristieken. Het ontwikkelde model is beschikbaar gesteld middels een online publiek-toegankelijke predictietool. Deel III beschrijft de ontwikkeling van verscheidene open-source natural language processing frameworks voor medische tekstanalyse. Deze kunnen gebruikt worden voor het automatiseren van dataverzameling in wetenschappelijk onderzoek of het detecteren van latente doch klinisch relevante patronen in de schriftelijke verslaglegging van zorg professionals.
Machine learning heeft de potentie om de zorg voor hersentumor patiënt verder te personaliseren. Het biedt krachtige methoden voor patroonherkenning in complexe hoog-dimensionele datastructuren (e.g., vrije tekst, genetische informatie, radiologische beeldvorming) welke betekenisloos of zelfs ondetecteerbaar zijn voor mensen. Clinici blijven echter verantwoordelijk voor het interpreteren van de klinische implicaties van deze voorspellingen in de individuele patiënt.
PhD dissertations
Approximately one week after the defence, PhD dissertations by Leiden PhD students are available digitally through the Leiden Repository, that offers free access to these PhD dissertations. Please note that in some cases a dissertation may be under embargo temporarily and access to its full-text version will only be granted later.
Press enquiries (journalists only)
General information
Beadle's Office
pedel@bb.leidenuniv.nl
+31 71 527 7211