Prostatacancer är en vanligt förekommande sjukdom i Sverige. För att få bukt med sjukdomen krävs att mer resurser sätts in för att effektivisera forskningen inom området. Ett samarbete mellan Karolinska Institutet, Kungliga Tekniska Högskolan och Janssen- Cilag AB har resulterat i LUPA, ett informationsvisualiseringssystem, med ambitionen att åstadkomma en effektivare process för hypotesgenerering gällande prostatacancer. Det här projektet handlar om att validera systemets funktion för den tilltänkta målgruppen; det vill säga att göra hypotesgenereringsprocessen enklare och mer effektiv för forskare som arbetar med prostatacancerdata i Stockholms län. Från resultatet kan man se att ett informationsvisualiseringsverktyg skulle vara användbart för att effektivisera dagens cancerforskningsprocess. Tidsåtgången för nystartade projekts första grundläggande steg skulle kunna reduceras drastiskt, särskilt stegen för införskaffning av data och datamanipulation. Dessutom upplevdes systemet främja hypotesgenereringsprocessen genom enkelheten att kvickt generera nya visuella strukturer för olika variabler. Slutligen visade det här projektet att organiserad och ren rådata är sällsynt. Testdeltagarna uppskattade informationsvisualiseringen men såg mest potential i dess möjlighet att städa och strukturera data.

Prostate cancer is a common disease in Sweden. In order to overcome the disease, more resources must be invested to streamline research in the field. A collaboration between Karolinska Institutet, the Royal Institute of Technology and Janssen-Cilag AB has resulted in LUPA, an information visualization system with the ambition of achieving a more efficient process for hypothesis generation regarding prostate cancer. This thesis project is about validating the system's function for the intended target group; that is, to make the hypothesis generation process simpler and more efficient for researchers working with prostate cancer data in Stockholm County. From the results, it can be seen that an information visualization tool would be useful to streamline the current cancer research process. The time required for the first basic steps of new projects could be drastically reduced, especially the steps for data acquisition and data manipulation. In addition, the system was perceived to promote the hypothesis generation process through the simple methods of quickly generating new visual structures for different variables. Finally, this project showed that organized and clean raw data is rare. The test participants appreciated the information visualization but saw the most potential in its ability to clean and structure data.