Marianne Jonker

Radboudumc

Het onderzoek van Marianne Jonker houdt in het kort het volgende in:

Improved Transparent AI methods for personalized prediction based on data from rare cancers

De prognose van patiënten met zeldzame vormen van kanker is slechter dan die van patiënten met veel voorkomende vormen. Een belangrijke reden is dat voor zeldzame kankers het moeilijker is om mogelijke behandelingen te vinden, omdat doorgaans slechts kleine datasets beschikbaar zijn voor onderzoek. Bij het gebruik van dergelijke kleine datasets is het risico van overfitting in de gebruikte modellen groot. Dit maakt het moeilijk om statistisch significante patronen in de data te vinden, die mogelijk tot nieuwe behandelingen zouden kunnen leiden. Het samenvoegen van data van verschillende instellingen of ziekenhuizen zou een stap in de goede richting kunnen zijn, maar is in de praktijk lastig vanwege regelgeving en logistieke problemen.

In dit project worden twee complementaire routes voorgesteld. De eerste is om te focussen op statistische methoden die ook goed werken bij een kleine steekproefomvang, zonder overfitting. De tweede route is het ontwerpen en verbeteren van machine learning-algoritmen die de noodzaak van datapooling op één locatie omzeilen door rond medische instituten te ‘fietsen’ met kleine datasets (federatief leren). Gegevens over speekselklierkanker zullen worden geanalyseerd met de voorgestelde methoden.

Het project is een samenwerking tussen: dr. Marianne Jonker, prof. Ton Coolen, prof. Kit Roes en prof. Carla van Herpen, allen in het Radboudumc of Radboud universiteit.