Ondanks vooruitgang in de behandeling van kanker reageren veel patiënten nog steeds onvoldoende op therapie. Zij kunnen ernstige bijwerkingen ervaren zonder dat de behandeling effectief is. Daarom zijn methoden nodig die beter kunnen voorspellen welke therapie het meest geschikt is voor een individuele patiënt. In dit proefschrift wordt onderzocht of dergelijke voorspellingen kunnen worden verbeterd door te bestuderen hoe het immuunsysteem kanker bestrijdt. Wanneer kanker ontstaat, verandert de tumor het omliggende weefsel om zijn groei te ondersteunen, terwijl immuuncellen naar de tumor trekken om deze te vernietigen. Deze complexe tumor-immuunmicro-omgeving bevat waarschijnlijk belangrijke informatie om de reactie op een behandeling te voorspellen. Daarom is een analysekader ontwikkeld dat gebruikmaakt van een deep-learningmodel om immuuncellen te detecteren in microscopische tumorbeelden, gecombineerd met een nieuwe methode om hun ruimtelijke organisatie te beschrijven. Toepassing van deze aanpak bij speekselklierkanker liet zien dat specifieke patronen van immuuncellen samenhangen met een langere remissie na behandeling.
Evgenia Martynova (1990) behaalde haar Bachelor in Toegepaste Wiskunde en Informatica in Voronezj, Rusland, en werkte daarna als softwareontwikkelaar. In 2019 besloot ze haar studie te hervatten en behaalde in 2021 cum laude haar Master in Computing Science (data science track) aan de Radboud Universiteit. In datzelfde jaar begon ze aan haar promotieonderzoek bij de Computational Immunology Group van het Radboudumc. Momenteel zet ze haar academische carrière voort als postdoctoraal onderzoeker in de Computational Pathology Group van het Radboudumc.