Trefwoorden: big imaging data, radiotherapie, voorspelmodel, behandelingsresultaten en bijeffecten

"Learning from Big Imaging Data to Predict Radiotherapy Treatment Outcomes and Side-effects"

De prevalentie van kanker is een groeiend probleem in de gezondheidszorg, omdat het wereldwijd de belangrijkste doodsoorzaak is. De groeiende last vanwege kanker wordt veroorzaakt door verschillende factoren, waaronder de bevolkingsgroei, de vergrijzing en de veranderende prevalentie van bepaalde oorzaken van kanker tijdens de sociale en economische ontwikkeling. Om de wereldwijde last vanwege kanker aan te pakken, zijn nieuwe technologieën, bijvoorbeeld Artificial Intelligence (AI), toegepast in de workflow van de kankerzorg, van diagnose tot behandeling. Voor de behandeling van kanker, met name radiotherapie, zijn nieuwe innovaties niet alleen nuttig om uitgebreide behandelplannen te verschaffen, maar ook om de door radiotherapie veroorzaakte neveneffecten bij patiënten tijdens en (lang) na de behandeling te verminderen. Deze dissertatie richt zich op kwantitatieve beeldvormingstechnieken op basis van AI (bijvoorbeeld radiomics) die artsen en patiënten kunnen helpen bij het nemen van geïndividualiseerde behandelingsbeslissingen.