Ondersteuning van wetenschappelijk onderzoek
UMC Groningen
Het onderzoek van Lisanne van Dijk houdt in het kort het volgende in:
'Radiotherapie is een belangrijke behandeling voor longkankerpatiënten. Maar deze patiënten krijgen vaak te maken met ernstige toxiciteiten als gevolg van de bestralingsschade. Deze toxiciteiten kunnen niet alleen een grote impact hebben op de kwaliteit van leven van patiënten, maar kunnen ook een negatieve invloed hebben op hun prognose. Adequate voorspelling van de behandelingsuitkomst is nodig om ernstige toxiciteiten en de (gerelateerde) sterfgevallen te voorkomen door gepersonaliseerde behandelingsoptimalisatie.
Dit project heeft tot doel de voorspelling van de uitkomst van longkankerbestraling te verbeteren met kunstmatige intelligentie. Kunstmatige Intelligentie heeft het vermogen om 3D bestralingsdosis, die wordt gegeven aan de patiënt, te gebruiken voor de voorspelling van toxiciteiten. Dit in plaats van de huidige modellen die enkel gebaseerd zijn op een gemiddelde dosis per orgaan. Tegelijkertijd kan deze techniek patiëntgegevens uit medische beelden en klinische data gebruiken voor de voorspelling.'
We ontwikkelen geavanceerde kunstmatige intelligentie (AI)-modellen om de bijwerkingen en overleving beter te voorspellen bij longkankerpatiënten die behandeld worden met radiotherapie. Ons recent ontwikkelde deep learning-model maakt gebruik van volledige 3D-scans en behandeldata om straling geïnduceerde longschade (pneumonitis) nauwkeuriger te voorspellen dan de huidige conventionele modellen, die gebruikmaken van eenvoudigere en minder gedetailleerde informatie (AUC: 0.79 vs. 0.72). Dit kan artsen helpen om veiligere en meer gepersonaliseerde behandelkeuzes te maken. Op dit moment werken we aan het toevoegen van PET-scan data om de voorspellingen verder te verbeteren met aanvullende fysiologische informatie. Daarnaast zijn we nu klaar om te starten met de ontwikkeling van deep learning-modellen die de overleving van patiënten voorspellen, door beeldvorming te combineren met klinische gegevens. De veelbelovende resultaten van de pneumonitis-AI-modellen zijn klaar voor publicatie en vormen een belangrijke stap richting meer gepersonaliseerde en effectievere longkankerzorg.
Voor het trainen van het Deep Learning-model is een grote hoeveelheid patiëntendata nodig. Het verzamelen en controleren van deze data is essentieel voor alle vervolgstappen van het onderzoeksproject. De afgelopen maanden heeft de controle en verwerking van de data plaatsgevonden met de klinische en toxiciteitsdata vanuit RedCap, en met de DICOM-bestanden die de CT-scan, stralingsdosisverdeling en segmentatiedata van de tumor en kritieke organen bevatten. In totaal is er een dataset verkregen van 1107 patiënten voor het voorspellen van radiatiepneumonitis (WP1) en de algehele overleving (WP2). Momenteel zijn we bezig met het ontwikkelen van de referentie-, radiomics- en deep learning-modellen. De verzameling van de PET-beelden (WP3) is parallel gestart. N.b. we enige vertraging vanwege complicaties in het wervingsproces.