Philip De Witt Hamer

Amsterdam UMC, location Vumc

Kort samengevat, behelst het onderzoek van Philip de Witt Hamer het volgende:

'Machine learning for better neurosurgical decisions in patients with glioblastoma

The most common brain tumor - glioblastoma - is a rare cancer but invariably fatal, despite surgery and chemoradiotherapy. Prolongation of patient survival and persistence of quality of life critically depend on decisions by neurosurgeons. The aim of this study is to improve these decisions in new patients by digital support systems based on patient characteristics and standard brain scans that predict decisions from experts, the tumor's growth speed, the location of tumor recurrence and the patient’s survival time. For these predictions we will combine datasets with large numbers of patients and scans in a collaboration of medical experts and machine learning experts. This should enable decision support systems to distribute expert knowledge for better neurosurgical decisions in patients with glioblastoma.'

Korte samenvatting van voortgang / resultaten per juni 2021

'Voor behandelbeslissingen voor patiënten met een glioblastoom – de meest voorkomende, snelst groeiende en meest kwaadaardige hersentumor - is informatie van de hersen MRI scans essentieel. Deze informatie bestaat bijvoorbeeld uit de tumorgrootte, de locatie in de hersenen en de afstand tot kwetsbare hersenstructuren en de behandelbeslissingen bestaan bijvoorbeeld uit de timing en het soort operatie en het schema van bestraling met chemotherapie. Als deze informatie door experts met de hand verzameld wordt, duurt dit lang (een uur per patiënt) en is niet precies genoeg voor de juiste beslissingen. In de praktijk is de interpretatie nu subjectief en intuïtief “met een timmermansoog”, waardoor we ruimte voor verbetering zien. Zodoende hebben we nu kunstmatige intelligentie toegepast om de essentiële informatie sneller (een minuut per patiënt) en precies te verzamelen, en volledig reproduceerbaar. Dit is gepubliceerd en de software werd ‘open access’ gedeeld. Met deze informatie verwachten we behandelbeslissingen en de inschatting van het ziektebeloop te kunnen verbeteren, zoals de beslissing om voor de juiste patiënt een biopsie operatie te doen in plaats van een tumorverwijdering, de groeisnelheid van de tumor, de locatie van terugkeer van de tumor en de verwachte levensduur.'