Carolien van Deurzen

Erasmus MC

Het onderzoek van Carolien van Deurzen houdt in het kort het volgende in:

Response prediction to neoadjuvant chemotherapy in patients with triple negative breast cancer based on integrated diagnostics

Triple negatieve borstkanker is de meest agressieve, moeilijkst te behandelen vorm van borstkanker en komt relatief vaak voor bij jonge vrouwen. Deze patiënten ondergaan doorgaans chemotherapie, bij voorkeur voorafgaand aan de operatie. Bij een deel van deze patiënten (ongeveer 40-50%) verdwijnt de tumor volledig na deze behandeling, bij de rest niet. Voor een persoonlijke behandeling, dus ‘therapie op maat’ is het dus belangrijk om voorafgaand aan de chemotherapie te kunnen voorspellen welke patiënten goed gaan reageren op de behandeling en welke niet.

Om dit te kunnen doen gaan wij kenmerken van zowel de kankercellen, de omliggende ontstekingscellen en MRI-scans van de borst combineren met nieuwe technieken.

Publicaties

• Predicting response to neoadjuvant therapy using artificial intelligence on digitized histopathology slides: a systematic review
  • NPJ Digital Medicine, 01-07-2026
  • Klik hier om de publicatie te bekijken

Korte samenvatting van voortgang / resultaten juli 2026

De dataverzameling in de deelnemende ziekenhuizen is afgerond, en van de geïncludeerde patiënten zijn MRI-scans beschikbaar. Van al deze patiënten is ook het diagnostische biopt gekleurd en op hoge resolutie gedigitaliseerd. Daarnaast ontwikkelden we software die de MRI-scans automatisch klaarmaakt voor analyse.

We ontwikkelen en vergelijken nu AI-modellen die beide MRI-scans naast elkaar bekijken en leren hoe de tumor tijdens de behandeling verandert. De modellen worden getraind op patiënten uit drie ziekenhuizen; gegevens uit twee andere ziekenhuizen houden we bewust apart, zodat we onafhankelijk kunnen toetsen hoe goed de modellen elders presteren.

Korte samenvatting van voortgang / resultaten juli 2025

In het eerste deel van dit project hebben we een patiënteninclusielijst samengesteld in 6 verschillende ziekenhuizen. Inmiddels hebben we de gegevens van 75% van deze lijst verzameld en pseudogeanonimiseerd. De verzamelde weefselmaterialen (biopten) worden ook verwerkt. We zijn verder begonnen met het ontwikkelen van een automatische pipeline om MRI scans te verwerken en te gebruiken als input voor een deep learning model, dat wordt getraind om de respons op neoadjuvante chemotherapie te voorspellen.