Dit PhD-thesis richt zich op de beperkte adoptie van beeldgebaseerde modellen in de stralingsoncologie voor voorspelling van behandelresultaten. Het thesis onderzoekt de redenen hiervoor, waaronder de slechte reproduceerbaarheid van beelddata en de verstorende invloed van andere factoren, zoals tumorvolume, op beeldresultaten. De auteur biedt oplossingen, waaronder methoden om onzekerheid in beelddata te schatten en verstorende invloeden te verwijderen. Het thesis richt zich ook op technische uitdagingen bij het implementeren van deze oplossingen, waaronder de integratie van radiomics in klinische imaging workflows en het uitvoeren van federatieve radiomics studies tussen kankercentra. Het doel van het thesis is het verbeteren van het gebruik van beelddata in de stralingsoncologie voor betere behandelresultaten.
Ivan Zhovannik, afgestudeerd in Biomedische Techniek, werkte als datawetenschapper en ging in 2018 naar de Radboud Universiteit voor een PhD-programma in data-mining en machine learning in radiotherapie. Hij onderzoekt beeldbiomarkeranalyse en heeft samengewerkt met verschillende wereldwijde instellingen. Op dit moment is Ivan onderzoeker bij het Nederlands Kanker Instituut in de Adaptieve Radiotherapie-groep.