Liesbeth Hondelink

LUMC

Het fellowship van Liesbeth Hondelink houdt in het kort het volgende in: 

Multi-input prognostic models for time to resistance prediction

Niet-kleincellig long adenocarcinoom is een van de dodelijkste en vaakst voorkomende kankers ter wereld. In de afgelopen decennia heeft behandeling met de targeted tyrosine kinase inhibitor Osimertinib de ziektevrije overleving van patiënten wiens tumor een epithelial growth factor receptor mutatie bevat substantieel verbeterd. Echter, longtumoren worden uiteindelijk altijd resistent voor behandeling met Osimertinib, resulterend in ziekteprogressie. Tijdens de behandeling met Osimertinib is snelle opsporing van verworven resistentie belangrijk, zodat patiënten effectief behandeld blijven worden. Snelle opsporing is echter lastig, omdat de tijd tot resistentie sterk tussen patiënten varieert. Een accurate voorspelling van de tijd tot resistentie zou daarom een enorm voordeel vormen voor patiënten die behandeld worden met Osimertinib.

Tijdens het Hanarth Fellowship zal Liesbeth Hondelink een convolutional deep learning model ontwikkelen, waarin digitale microscopie, Radiologiedata, klinische gegevens en moleculaire data gecombineerd worden in één voorspeller, gebruik makend van de nieuwste data science technologie. Het uiteindelijke doel is om de tijd tot resistentie van met Osimertinib behandelde longkankerpatiënten betrouwbaar te kunnen voorspellen, zodat er hun ziektemanagement kan verbeteren.