
Tissue Phenomics: Profiling Cancer Patients for Treatment Decisions
Im Zeitalter der Digitalisierung wird unsere Gesellschaft in einen neuen Zustand versetzt. Vor allem die maschinelle Intelligenz steigert unsere Fähigkeit, Informationen zu erstellen und zu verarbeiten, dramatisch.
Natürlich ist auch das Gesundheitswesen von diesem Trend betroffen und wird sich in Zukunft noch stärker in eine informatikgestützte Disziplin verwandeln. Im wichtigsten Bereich der Histo-Pathologie, der Interpretation von Gewebeschnitten von Krebspatienten, wird die Informatik einen frühen und enormen Einfluss auf Behandlungsentscheidungen haben und wahrscheinlich die führende Disziplin für diesen Wandel in der Medizin sein. Tissue Phenomics bietet eine umfassende Methodik, die darauf abzielt, den genauesten gewebebasierten Algorithmus zur Entscheidungsunterstützung durch eine enge Integration von Assay-Entwicklung, Bildanalyse und Bioinformatik sowie Optimierungs-Feedback-Schleifen zu finden.
In diesem Buch werden die Methodik der Tissue Phenomics und ihre Vorteile und Vorzüge beschrieben.
Die verschiedenen Komponenten von Tissue Phenomics werden in den einzelnen Kapiteln erläutert. In den Kapiteln 2 bis 4 dieses Buches beschreiben verschiedene Autoren verschiedene Ansätze, wie die Fülle der Pixeldaten von Gewebedias mit Hilfe wissensbasierter und datengesteuerter Bildanalyseverfahren in verwertbare Informationen umgewandelt werden kann.
Anschließend spielen die Datafizierung von Bildern und der bioinformatische Teil eine entscheidende Rolle bei der Erstellung von prognostischen und prädiktiven Modellen für den Krankheitsverlauf. Die Integration anderer Datenquellen wie Genomik, Radiomik und patientenbezogene Informationen ist ebenfalls wichtig und wird ebenfalls beschrieben. Wie in den Kapiteln 5 und 6 erörtert, können diese Modelle Patienten in verschiedene Gruppen einteilen, beispielsweise in solche, die auf eine bestimmte Therapie ansprechen.
Da Tissue Phenomics einen riesigen Satz potenziell prognostischer Merkmale (Phene) liefert, liegt ein Schwerpunkt beider Kapitel auf robusten Methoden zur Merkmalsauswahl durch fortgeschrittene Monte-Carlo-Kreuzvalidierungsalgorithmen. In Kapitel 7 erörtern wir mehrere Anwendungsbeispiele der Gewebephänomik in akademischen und kommerziellen Umgebungen und ihren enormen Einfluss auf Fortschritte in den biomedizinischen Wissenschaften. Aufbauend auf den Erfolgen in der Forschung werden in den Kapiteln 8 und 9 Anwendungen im klinischen Umfeld erörtert und in Kapitel 10 ein Ausblick auf die Zukunft gegeben, in der die Gewebedatenerfassung und die anschließende Erstellung von Patientenprofilen Teil jeder Routineuntersuchung ist, mit dem Ziel, die Patienten bestmöglich auf die erfolgreichste Therapie abzustimmen, wie sie von den Gewebephänomenen vorhergesagt wird.