Vergleichende visuelle Analyse in einer Kohorte von Brustkrebspatienten

Abstract

Die am meisten verbreitete Krebsart in der weiblichen Bevölkerung in Industrieländern ist Brustkrebs. Um die Sterblichkeit unter betroffenen Frauen signifikant reduzieren zu können, ist eine frühe Diagnose wesentlich und Behandlungsstrategien müssen sorgsam ausgewählt werden. Klinische Forscher und Forscherinnen, die eine geeignete chemotherapeutische Behandlungsmethode auswählen möchten, müssen den Verlauf der Krankheit während und nach der Behandlung analysieren und dabei verstehen, wie unterschiedliche Gruppen von Patienten und Patientinnen auf die jeweils gewählte Behandlungsmethode reagieren. Dies ist aktuell aufgrund der Vielzahl an involvierten (bildgebenden und nicht bildgebenden) Daten eine schwierige Aufgabe, daher sind adäquate Visualisierungen erforderlich. Das Ziel dieser Arbeit ist es, klinische Forscher und Forscherinnen, die an der Analyse des Verlaufs einer Chemotherapie arbeiten, beim Verstehen und Erforschen der Menge an vorhandenen Daten zu unterstützen. Diese Arbeit präsentiert ein web-basiertes System, das drei Aufgaben zum Erforschen und Analysieren von bildgebenden und nicht bildgebenden Daten von Brustkrebspatientinnen in einer Kohorte, zur Verfügung stellt. Eine Funktionalität für eine Nachfolgestudie einer einzelnen Patientin, eine Funktionalität zum Vergleichen von zwei verschiedenen Patientinnen und eine Funktionalität zum Vergleichen von Patientinnengruppen werden zum einfachen Erforschen und Analysieren der vorhandenen multivariaten Daten bereitgestellt. Zu Beginn wurden die bildgebenden und nicht bildgebenden Daten einigen Vorverarbeitungsschritten, wie beispielsweise Registrierung, Segmentierung und Berechnung von Tumor-Wahrscheinlichkeitskarten, unterzogen. Anschließend wurden sorgfältig einige verknüpfte Ansichten entworfen und implementiert, in denen interaktive Darstellungen verschiedener Aspekte der Daten präsentiert werden, mit deren Hilfe klinische Forscher und Forscherinnen die vorhandenen Kohorten-Daten verstehen und analysieren können. Zum Demonstrieren der Ergebnisse wurden einige Anwendungsfälle durchgeführt und präsentiert, die die Funktionalität veranschaulichen und die Bedeutung der visuellen Analyse-Anwendung zeigen. Durch die Verwendung dieses Systems können klinische Forscher und Forscherinnen optisch die Vielzahl von bildgebenden und nicht bildgebenden Daten einer Patientin erforschen und analysieren, und diese mit anderen Patientinnen in der Kohorte vergleichen, was zuvor mit vorhandenen exploratorischen Anwendungen nicht möglich war.

The most common cancer among the female population in the economically developed world is breast cancer. To significantly reduce the mortality among affected women, an early diagn osis is essential, and also treatment strategies need to be selected carefully. Clinical researchers working on the selection of chemotherapy treatment need to analyze the progress of the disease during and after treatment and to understand how different groups of patients respond to selected treatments. Currently this is a difficult task because of the multitude of involved (imaging and non-imaging) data, for which adequate visualizations are required. The aim of this work is to help clinical researchers working on the analysis of the progress of chemotherapy to understand and explore the multitude of data they have. This thesis introduces a web-based framework realizing three tasks of exploring and analyzing imaging and non-imaging data of breast cancer patients in a cohort. A functionality for single patient follow-up studies (intra-patient study), a functionality to compare two different patients (pairwise inter-patient study) and a functionality to compare groups of patients (groupwise inter-patient study) are provided to enable an easier exploration and analysis of the available multivariate cohort data. To begin with, the imaging and non-imaging data underwent some preprocessing steps, such as registration, segmentation and calculation of tumor probability maps, to make them comparable. Afterwards, we carefully designed and implemented several multiple linked views, where interactive representations show distinct aspects of the data from which the clinical researcher can understand and analyze the available cohort data. A number of use cases to demonstrate the results that can be achieved with the provided framework are performed and they illustrate the functionality and also the importance of the designed and implemented visual analytics framework. Using this framework, clinical researchers are able to visually explore and analyze the multitude of both imaging and non-imaging data of a patient and compare patients within a cohort, which was not possible before with any available exploratory tools.