Väitös tietotekniikan alalta, M.Sc. Onur Poyraz

Väitöskirjan nimi: Flexible Bayesian latent variable modeling of interacting processes in healthcare time-series

Väittelijä: Onur Poyraz
Vastaväittäjä: Docent, University Lecturer, Moritz Schauer, Chalmers University of Technology, Ruotsi
Kustos: Associate Professor Pekka Marttinen, Aalto-yliopiston perustieteiden korkeakoulu 

Nykyaikainen terveydenhuolto tuottaa enemmän tietoa kuin koskaan aiemmin. Päivittäisistä verensokerimittauksista kehon eri osien infektiokuvioihin nämä jatkuvat tietovirrat sisältävät arvokkaita oivalluksia ihmisten terveydestä. Silti eri biologisten prosessien vuorovaikutusten ymmärtäminen ajan myötä on edelleen yksi lääketieteen ja kansanterveyden suurimmista haasteista. Näiden monimutkaisten suhteiden ymmärtäminen on olennaista yksilöllisen hoidon kehittämiseksi ja terveyden ennustettavuuden parantamiseksi.

Tämän väitöskirjan taustalla on kasvava ymmärrys siitä, että perinteiset mallit eivät usein kykene kuvaamaan biologisten järjestelmien monisyisiä vuorovaikutuksia. Todellisuudessa terveys on harvoin yhden tekijän seurausta, vaan syntyy monien prosessien jatkuvasta vuorovaikutuksesta. Olemassa olevat työkalut ovat usein liian jäykkiä, yksinkertaistavia tai hitaita pysyäkseen nykyaikaisen terveydenhuoltotiedon monimutkaisuuden ja määrän tahdissa. On olemassa selkeä tarve joustavammille, skaalautuvammille ja tulkittavammille menetelmille, jotka kykenevät paljastamaan potilasterveyttä ohjaavia piileviä dynamiikkoja sekä yksilö- että väestötasolla.

Tämä väitöskirja vastaa tähän tarpeeseen kehittämällä joukon uusia laskennallisia menetelmiä, jotka on suunniteltu erityisesti vuorovaikutteisten prosessien mallintamiseen. Työ tuo mukanaan innovaatioita, jotka mahdollistavat monimutkaisempien riippuvuussuhteiden esittämisen biologisten järjestelmien välillä, parannuksia, joiden ansiosta mallit toimivat tehokkaasti myös suurten tietomäärien kanssa, sekä kehyksiä, jotka kuvaavat yksilöllisiä poikkeamia väestötason trendeistä. Menetelmät on validoitu todellisilla kliinisillä aineistoilla, ja ne osoittavat merkittäviä edistysaskeleita sekä tarkkuudessa että skaalautuvuudessa. Tulokset tarjoavat tehokkaita uusia työkaluja terveydenhuollon tutkijoille, kliinikoille ja kansanterveyden asiantuntijoille. Paljastamalla ja ymmärtämällä ihmisterveyden eri osa-alueita yhdistäviä näkymättömiä yhteyksiä tämä tutkimus tuo yksilöllisemmän, ennakoivamman ja vaikuttavamman terveydenhuollon askeleen lähemmäs todellisuutta.

 Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): Aaltodoc 

Lisätietoja: onur.poyraz@aalto.fi