Loes Hollestein

Erasmus MC

Het onderzoek van Loes Hollestein houdt in het kort het volgende in:

AI-Driven Exploration of the Melanoma Tumor Microenvironment in the Dutch Early Stage Melanoma (D-ESMEL) study

De ontwikkeling van afstandsmetastasen na een dun melanoom is zeer zeldzaam (1% van alle stadium IA melanomen). Om te kunnen onderzoeken welke van deze vroeg stadium melanomen uitzaaiingen veroorzaken, hebben we de Dutch Early Stage Melanoma Study (D-ESMEL) ontworpen. 

De D-ESMEL-studie bestaat uit twee datasets: een discovery dataset (om nieuwe voorspellers te kunnen vinden) en een dataset om de bevindingen te kunnen valideren. Van alle melanomen (>750) is klinische data, multi-omics (gen mutaties en gen expressie) en digitale beelden van de gehele tumor (histopathologische beelden en multiplex immunofluorescentie) beschikbaar. Met multiplex immunofluorescentie kun je verschillende cellen van het immuunsysteem zichtbaar maken.

In dit project zullen we de interacties tussen de tumor en cellen van het immuunsysteem onderzoeken met twee verschillende AI methoden. In de eerste methode zullen we eerst de tumor en immuuncellen van elkaar onderscheiden met AI. In de tweede methode doen we dit niet en gebruiken we een AI methode die zelf leert welke celtypen en interacties tussen cellen mogelijk voorspellend zijn voor het ontstaan van uitzaaiingen. Ten slotte worden de voorspellende interacties tussen tumor en immuuncellen samengevoegd met gegevens over genexpressie, genmutaties, klinische en histopathologische gegevens om één voorspelmodel te maken.

Korte samenvatting van voortgang / resultaten maart 2026

Het doel van dit project is om patienten met een hoog risico voor metastase te identificeren door de lokale immuunrespons te bestuderen. We hebben ruimtelijke transcriptomische gegevens gegenereerd om aanwijzingen te verzamelen over specifieke immuunmarkers die voorspellend zijn voor metastasen in melanoma. Deze gegevens kunnen gebruikt worden om te bepalen welke prognostische markers potentie hebben voor verder onderzoek in een 5-plex immunofluorescentie analyse. Momenteel ontwikkelen we een workflow om metastasen op afstand te voorspellen in een interne multiplex immunofluorescentie dataset voor melanomen. Dit model kan worden gebruikt voor de multiplexgegevens die worden gegenereerd. De analyse van de gegevensintegratie, met uitzondering van de ruimtelijke transcriptomics/proteomics, wordt momenteel afgerond en het manuscript wordt geschreven. Dit werk legt de basis voor toekomstige gegevensintegratie waarin ruimtelijke immuungegevens worden opgenomen.