In het hedendaags kwantitatief onderzoek in de levenswetenschappen wordt men vaak geconfronteerd met anomaliedetectie. Conventionele methodes uit machinaal leren zijn hier niet steeds geschikt door een tekort aan data afkomstig van anomalieën. In dit doctoraatsonderzoek wordt een raamwerk ontwikkeld dat machinaal leren combineert met de theorie van extreme waarden en dat bijzonder geschikt is om extremen in data te bestuderen.