Johannes Textor

Radboud UMC

 

Kort samengevat, behelst het onderzoek van Johannes Textor het volgende: 

Transfer Learning for Immune Cell Landscape Analysis in Salivary Gland Cancer

'Salivary gland cancer is a rare type of head-and-neck cancer with 150-200 diagnoses per year in the Netherlands, and the most aggressive subtypes have poor prognosis. To develop new treatment options, we are imaging the interactions between immune system cells and tumor cells within patient biopsies using high-resolution digital microscopy. Machine learning approaches are the state of the art for analyzing such data, but they can require very large datasets to train on, which are usually not available for rare cancer types. In our project, we will address this problem using "transfer learning" methodology that allows machine learning algorithms to benefit from experience gained on larger datasets from more common cancer types and train more effectively on smaller datasets. Leveraging existing data and knowledge in this manner, we hope that our project will help to build a rationale for future immunotherapy treatments for salivary gland caner patients.'

 

Publicaties

• A Uniformly Bounded Correlation Function for Spatial Point Patterns
  • ACM Digital Library, 24 augustus 2024
  • Klik hier om de publicatie te bekijken. 
• Detection of dendritic cell subsets in the tumor microenvironment by multiplex immunohistochemistry
  • PubMed, 24 oktober 2023
  • Klik hier om de publicatie te bekijken. 
• Multiplex Immunohistochemical Analysis of the Spatial Immune Cell Landscape of the Tumor Microenvironment
  • PubMed, 18 augustus 2023
  • Klik hier om de publicatie te bekijken. 

 

Korte samenvatting van eindresultaten augustus 2025

Speekselklierkanker is een zeldzame vorm van kanker in het hoofd-halsgebied. In Nederland wordt bij 150 tot 200 mensen per jaar speekselklierkanker vastgesteld. Vooral patiënten met het salivary duct carcinoom (SDC), een subtype van speekselklierkanker, hebben een slechte prognose. Een typische patiënt met gemetastaseerd SDC overleeft bijvoorbeeld slechts 5 maanden. Nieuwe therapiemogelijkheden voor deze zeldzame en agressieve vorm van kanker zijn nodig om dit te verbeteren. Er zijn tegenwoordig veel nieuwe soorten kankerbehandelingen die verschillende delen van het eigen immuunsysteem van de patiënt gebruiken om de kankercellen aan te vallen en te vernietigen. Welke van deze nieuwe behandelingen zou het meest veelbelovend kunnen zijn voor SDC? Om deze vraag te beantwoorden, hebben we weefsel van meer dan 200 patiënten geanalyseerd. Met behulp van kunstmatige intelligentie (KI) hebben we de frequentie en het type van verschillende immuunsysteemcellen in deze weefselmonsters bepaald. We ontdekten dat patiënten met meer “T-helpercellen” in hun weefsel langer ziektevrij bleven dan patiënten met minder T-helpercellen. Als T-cellen een rol spelen bij het bepalen van de progressie van de ziekte, dan zouden therapiebenaderingen die de T-cellen versterken daarom gunstig kunnen zijn voor patiënten met SDC.

De KI-methodes die we ontwikkelden om ons onderzoek uit te voeren zijn in principe toepasbaar op elk soort kankerweefsel. Hetzelfde geldt voor nieuwe methoden die we hebben ontwikkeld om de resultaten van deze AI-algoritmen te interpreteren en uit te leggen aan medische specialisten. We hebben deze nieuwe methoden beschikbaar gemaakt als gratis software die iedereen kan downloaden en gebruiken. In het Radboudumc passen we deze nieuwe tools al toe op andere soorten kanker - in een ander project, gefinancierd door het Hanarth Fonds, passen we deze tools bijvoorbeeld toe om melanoom in het oog te bestuderen.

Korte samenvatting van voortgang / resultaten mei 2024

We hebben de ontwikkeling van onze algoritmen voor machinaal leren en methoden voor gegevensanalyse afgerond en drie artikelen gepubliceerd waarin deze methoden in detail worden beschreven, zodat andere onderzoekers ze kunnen gebruiken. Door gebruik te maken van geavanceerde statistische methoden hebben we inmiddels gedetailleerde informatie van 209 speekselklierkanker gereed gemaakt voor analyse. In het laatste jaar zullen we de informatie uit de weefselmonsters van deze patiënten combineren met andere klinische informatie om te bepalen of deze ruimtelijke informatie belangrijke inzicht kan geven over de prognose voor speekselklierkankerpatiënten.

Korte samenvatting van voortgang / resultaten mei 2023

In het afgelopen jaar hebben wij onze 'machine learning' methodes doorontwikkeld. Deze zijn nu in staat om twee nieuwe soorten van immuuncellen te herkennen die een belangrijke rol spelen bij de bestrijding van kanker: dendritische cellen en myeloide cellen. Omdat onze technieken grote en complexe datasets opleveren, hebben wij tevens nieuwe visualisatie- en analysemethodes ontwikkeld om deze voor andere onderzoekers en dokters toegankelijker te maken en de samenwerking tussen disciplines te vergemakkelijken.

Korte samenvatting van voortgang / resultaten mei 2022

In samenwerking met onze partners in Japan hebben wij meerdere honderd stukjes weefsel van Nederlandse en Japanse speekselklierkankerpatiënten kunnen verzamelen. Wij analyseren de aanwezige immuuncellen in deze monsters nu met behulp van kunstmatige intelligentie om meer over de interacties tussen tumorcellen en afweercellen te weten te komen. Deze kennis is belangrijk voor het ontwikkelen van gerichte immuuntherapien voor speekselklierkanker.