Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen: doi:10.22028/D291-26681
Titel: Improving and validating data-driven genotypic interpretation systems for the selection of antiretroviral therapies
Alternativtitel: Verbesserung und Validierung von datenbasierten genotypischen Interpretationssystemen zur Auswahl von antiretroviralen Therapien
VerfasserIn: Pironti, Alejandro
Sprache: Englisch
Erscheinungsjahr: 2016
Kontrollierte Schlagwörter: HIV
HIV-Infektion
Kombinationstherapie
Multidrug-Resistenz
Resistenz
Resistenzbestimmung
Antiretrovirale Substanz
Regressionsmodell
Freie Schlagwörter: HIV
antiretroviral therapy
statistical learning
right-censored data
drug resistance
DDC-Sachgruppe: 004 Informatik
Dokumenttyp: Dissertation
Abstract: Infection with Human immunodeficiency vir type 1 (HIV-1) requires treatment with a combination of antiretroviral drugs. This combination of drugs must be selected under consideration of its prospects for attaining sustained therapeutic success. Genotypic therapy-success interpretation systems can be used for selecting a combination of antiretroviral compounds. However, a number of shortcomings of these systems have prevented them from reaching the bedside. In this work, I present and validate novel methods for deriving interpretable genotype interpretation systems that are trained on HIV-1 data from routine clinical practice. One method produces scores that are correlated with previous exposure of the virus to the drug and with drug resistance. A further, novel genotype interpretation system produces a prognostic score correlated with the time for which the antiretroviral therapy with a certain drug combination will remain effective. The methods presented in this work represent an important advance in techniques for the interpretation of viral genotypes. Validation of the methods shows that their performance is comparable or, most frequently, superior to that of previously available methods. The methods are interpretable and can be retrained without the need for expert intervention. Last but not least, long-term therapeutic success is considered by the methods such that their predictions are in line with the results of clinical studies.
Eine Infektion mit dem Humanen Immunodefizienz-Virus Typ 1 (HIV-1) erfordert die Behandlung des Patienten mit einer Kombination von antiretroviralen Wirkstoffen. Die Auswahl dieser Wirkstoffkombination muss unter Berücksichtigung der Aussichten für einen lang anhaltenden Behandlungserfolg stattfinden. Bei der Auswahl von Wirkstoffkombinationen können Systeme zur Vorhersage des Behandlungserfolgs eingesetzt werden. Bisher verfügbare Systeme weisen jedoch mehrere Defizite auf, sodass sie in der klinischen Praxis kaum Verwendung finden. In dieser Arbeit werden neuartige Methoden zur Aufstellung von Systemen zur Genotypinterpretation präsentiert und validiert. Eine dieser Methoden bewertet einen HIV-1-Genotyp bezüglich der vorhergehenden viralen Wirkstoffexposition und der Wirkstoffresistenzen. Eine weitere Genotypinterpretationsmethode errechnet eine prognostische Zahl, welche mit der Zeit korreliert, die eine antiretrovirale Therapie effektiv sein wird. Diese Arbeit stellt eine wichtige Weiterentwicklung der Methoden zur Interpretation von viralen Genotypen dar. Zum Einen ist das Vorhersagemögen der Modelle dieser Arbeit vergleichbar oder sogar höher als diejenige von bisher verfügbaren Modellen. Zum Anderen sind die Modelle dieser Arbeit interpretierbar und können ohne Expertensupervision neu trainiert werden. Darüber hinaus berücksichtigen die Methoden den Langzeittherapieerfolg, sodass ihre Vorhersagen mit den Ergebnissen klinischer Studien übereinstimmen.
Link zu diesem Datensatz: urn:nbn:de:bsz:291-scidok-67190
hdl:20.500.11880/26737
http://dx.doi.org/10.22028/D291-26681
Erstgutachter: Lengauer, Thomas
Tag der mündlichen Prüfung: 7-Dez-2016
Datum des Eintrags: 19-Dez-2016
Fakultät: MI - Fakultät für Mathematik und Informatik
Fachrichtung: MI - Informatik
Sammlung:SciDok - Der Wissenschaftsserver der Universität des Saarlandes

Dateien zu diesem Datensatz:
Datei Beschreibung GrößeFormat 
dissertationPublished.pdf12,78 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.