Design of Clinical Decision Support Systems for Cancer Based upon Clinical and Molecular Data

Geavanceerde wiskundige methoden zijn onontbeerlijk om de enorme hoeveel heid aan klinische data en informatie afkomstig uit het centrale dogma v an de moleculaire biologie om te vormen tot bruikbare en nuttige gegeven s voor geneeskundigen. Dit proefschrift is dan ook gericht op het introd uceren van klinische besluitvormingssystemen in de dagelijkse behandelin g van kanker. Doordat de beschikbare patiëntgegevens niet volstaan om de complexe biol ogie van kanker te ontrafelen, kunnen moleculaire merkers slechts geïden tificeerd worden door het integreren van biologisch complementaire data. De manier waarop wij het probleem van gegevensintegratie hebben benader d, verschilt van wat recent in de literatuur is verschenen. Wij stellen namelijk een kernel-gebaseerde methode voor om meerdere types van patiën t-gerelateerde, experimentele data in een homogeen model te combineren. Voor nieuwere data-types die nog niet voor classificatie zijn aangewend, is een extra verwerking vereist vooraleer onze integratie-methode toepa sbaar is. Daarom introduceren we voor genomische data een methode waarme e variaties in het aantal genkopieën bruikbaar worden voor classificatie . Aangezien histopathologie belangrijk zal blijven voor de besluitvormin g van kanker, verbeteren we eveneens de modellering van klinische gegeve ns door de lineaire kernelfunctie aan te passen aan de specifieke kenmer ken van klinische data. Op deze manier kan er meer informatie geëxtrahee rd worden vooraleer ze te combineren met andere gegevens. Tenslotte kan classificatie verbeterd worden aan de hand van niet-patiën tgerelateerde, biologische kennis via spectrale grafentheorie. Hiervoor exploreren we relaties tussen genen met gelijkaardige functies maar die actief zijn in alternatieve pathways. Als besluit kunnen we stellen dat onze methode voor data-integratie, de uitbreiding naar complexere d ata-types en het incorporeren van interactoom-gegevens, bijdraagt tot ee n verbeterde klinische besluitvorming en het ontrafelen van biologisch g edereguleerde processen.status: publishe