"Big Data and Interpretable Models for Outcome Prediction in Radiation Oncology"

Dit proefschrift richt zich op (Big) Data uit de gezondheidszorg en de waarde van interpreteerbare modellen voor uitkomstvoorspelling in de radiotherapie-oncologie en belicht de voordelen van betrokkenheid van deskundigen bij het modelontwikkelingsproces. Voor het leesgemak is dit proefschrift opgedeeld in een theoretisch en een praktisch deel. Het theoretische deel bespreekt (Big) Data uit de gezondheidszorg, met name in de radiotherapie. Dit deel gaat over de kenmerken van (Big) Data, verschillende bronnen binnen de stralingsoncologie, oplossingen voor uitdagingen in de gezondheidszorg, met voorbeelden waar Big Data de operationele efficiëntie voor klinische uitmuntendheid heeft verbeterd, domeintoepassingen, barrières en de toekomst van Big Data in de stralingsoncologie. Het analytische gedeelte bespreekt de ontwikkeling en validatie van drie groepen modellen (regressie, beslisboom en Bayesiaans netwerk) om verschillende patiëntuitkomsten in de bestralingsoncologie te voorspellen. Dit deel richt zich op modellen die kunnen worden begrepen, uitgedaagd, geïnterpreteerd en gebruikt door zorgverleners voor optimale besluitvorming.

Kijk hier voor het proefschrift