Meer dan € 6 miljoen toegekend voor de vijfde call van het Hanarth Fonds!

Het Hanarth Fonds ontving gedurende de 2023 call, 70 financieringsaanvragen. Na een zorgvuldig beoordelingsproces is bepaald dat met ingang van 2024, 13 projecten door het Hanarth Fonds worden gefinancierd. Binnenkort leest u hier meer over de gehonoreerde onderzoek aanvragen 2023.

De wetenschappelijke adviesraad (WAR) en deskundige (internationale) referenten hebben de voorstellen beoordeeld op criteria zoals haalbaarheid en kwaliteit van het voorstel, de ervaring van de aanvrager en of de aanvraag in overeenstemming is met het doel van het Hanarth Fonds. Op basis van alle beoordelingen heeft het bestuur van het Hanarth Fonds een weloverwogen financieringsbesluit genomen.

Gehonoreerde projecten 2023

Hieronder vindt u de onderzoeksprojecten die zijn gehonoreerd*. Hier vindt u binnenkort ook een link naar de samenvattingen van deze onderzoeksprojecten.

MaLMeC: Machine-Learned DNA Methylation Classification to enable tumor subtyping from liquid biopsies
Jeroen de Ridder
UMC Utrecht

Artificial intelligence for risk group classification and staging of Wilms tumors
Ronald de Krijger
Princess Máxima

Development and implementation of Image-based machine-learning models to Determine the response to neoadjuvant therApy in panCreatic ducTal adenocarcinoma (DIDACT)
Inez Verpalen
Amsterdam UMC

AI-IMAGINE - Automated Intraoperative assessment of IMAGINg Endpoints for first-time right liver thermal ablation
Kristian Overduin
Radboudumc

SalvIdentify: improving salivary gland tumor diagnostics by artificial intelligence based classification
Danielle Cohen
LUMC

Improved residual disease detection after (chemo-)radiotherapy for locally advanced head and neck squamous cell carcinoma
Cornelis van den Berg
UMC Utrecht

TowArds IndividuaLized PSMA PET/CT-guided Treatment in Metastastatic PrOstate CanceR Using Machine Learning-Derived Risk Stratification (TAILOR-MADE)
Arthur Braat
UMC Utrecht

Deep uLMS: Deep Learning To Improve Uterine LeiomyoSarcoma Diagnostics
Tjalling Bosse
LUMC

Predicting functional and cognitive decline after glioma surgery (PREDICT)
Linda Douw
Amsterdam UMC

Response prediction to neoadjuvant chemotherapy in patients with triple negative breast cancer based on integrated diagnostics
Carolien van Deurzen
Erasmus MC

Improving early detection of PANcreatic cancer in HIgh-risk individuals through Artificial Intelligence methods (PAN-HI-AI)
Jeanin van Hooft
LUMC

Physics-informed Neural networks to standardize brain MRI: boosting AI applications in gliomas and meningiomas
Alessandro Sbrizzi / Stefano Mandija
UMC Utrecht

Artificial Intelligence-based MRI diagnosis of Prostate Cancer: a two-step research approach to realize clinical implementation
Derya Yakar
UMCG

* op voorwaarde dat de vereiste overeenkomsten tussen partijen worden ondertekend