Promotie Shruti Atul Mali

Trefwoorden: Radiomics, Harmonisatie, Robuustheid, Reproduceerbaarheid

"Advancing Reliable Radiomics: Harmonization, Foundation Models, and Robustness in Cancer Imaging"

In dit proefschrift is onderzocht hoe medische beelden betrouwbaarder kunnen worden ingezet ter ondersteuning van de kankerzorg. Moderne beeldanalysemethoden kunnen patronen in scans detecteren die voor het menselijk oog niet zichtbaar zijn, maar de resultaten worden vaak beïnvloed door verschillen tussen ziekenhuizen, scanners en beeldvormingsinstellingen. Dit maakt het moeilijk om dergelijke methoden veilig toe te passen in de dagelijkse klinische praktijk. Het onderzoek richtte zich daarom op het verbeteren van de betrouwbaarheid van deze op beelden gebaseerde modellen door middel van harmonisatiemethoden, die tot doel hebben ongewenste technische verschillen in beeldgegevens te verminderen. Het proefschrift onderzocht ook de waarde van foundation-modellen, grote vooraf getrainde kunstmatige-intelligentiemodellen, voor taken zoals kankerclassificatie en risicovoorspelling. Daarnaast introduceerde het nieuwe kaders om de kwaliteit, volwassenheid en klinische gereedheid van radiomics-onderzoek te evalueren. Over het geheel genomen toont het proefschrift aan dat het verbeteren van de robuustheid, reproduceerbaarheid en evaluatienormen essentieel is voordat op AI gebaseerde beeldvormingsinstrumenten kunnen worden vertaald naar daadwerkelijk klinisch voordeel voor patiënten.

Klik hier voor de livestream.