Technische Universität Dresden
Predicting patient-specific outcome based on machine learning algorithms using genomic data of patients with locally advanced head and neck squamous cell carcinoma
Abstract
dc:description.abstractAufgrund der heterogenen Tumorbiologie variiert der Therapieerfolg bei lokal fortgeschrittenen Plattenepithelkarzinomen stark, woraus ein mittleres 5-Jahres-Überleben dieser Patienten von etwa 50% resultiert. Um die Therapie besser an die Tumoreigenschaften anzupassen, muss die Therapieresistenz der Tumoren vor der Behandlung bestimmt werden. In dieser Dissertationsschrift werden Methoden aus dem Bereich des maschinellen Lernens angewandt um Genexpressionsdaten zu analysieren, um so Signaturen und Modelle zu erzeugen die eine Klassifizierung der Tumoren in verschiedene Risikogruppen bezüglich der loko-regionären Tumorkontrolle erlauben. Für Patienten, die mit postoperativer Radiochemotherapie behandelt wurden, konnte eine 7-Gen Signatur entwickelt und erfolgreich validiert werden. Außerdem konnte gezeigt werden, dass verschiedene Signaturen ähnlich gut zur Patientenklassifizierung geeignet sein können. Daher wurde eine Methode vorgeschlagen, die es erlaubt verschiedene prognostiche Modelle zu kombinieren. Weiterhin wurden verschiedene genbasierte Biomarker zwischen verschiedenen Genexpressionsmessmethoden verglichen. In den resultierenden Patienteneinteilungen zeigten Biomarker, die auf Signaturen basieren, eine geringere Variabilität als Biomarker, die auf einzelnen Genen basieren.
Degree
thesis:*- Level thesis:degree_level
- thesis.doctoral
- Grantor dc:publisher
- Technische Universität Dresden
- Year dc:date.issued
- 2019
Author and committee
dc:creator, dc:contributor.*- Author dc:creator
-
- Schmidt, Stefan
- Contributors dc:contributor
-
- Löck, Steffen
- Alsner, Jan
Subjects
dc:subject × 6Rights
dc:rights- Statement dc:rights
-
- info:eu-repo/semantics/openAccess
- Language dc:language.dcterms_iso639_2
- ger
Identifiers
dc:identifier.*- URN
- urn:nbn:de:bsz:14-qucosa2-364987
- Ddb Identifier Erstkat Id
- 1698158378