Philippe Lambin

Maastricht University

Het onderzoek van Philippe Lambin houdt in het kort het volgende in:

Explainable Foundation Model-Driven Prognostic Modeling in High-Grade Serous and Rare Ovarian Cancers for Personalized Treatment

Eierstokkanker omvat hooggradige sereuze ziekte en diverse zeldzamere histologische typen die zich verschillend kunnen gedragen, maar vaak op dezelfde manier worden behandeld. Dit project zal een verklaarbare AI-tool ontwikkelen die belangrijke moleculaire kenmerken en uitkomsten direct op basis van routinematige CT-scans voorspelt, ter ondersteuning van een meer gepersonaliseerde behandeling voor alle subtypen ovariumkanker. 

We zullen een op de eierstokken gericht CT-fundamentmodel trainen met behulp van zelfgestuurd en multitaskleren, en dit vervolgens verfijnen op multicenter datasets om homologe recombinatiedeficiëntie (HRD) te voorspellen als een niet-invasief alternatief voor dure genomische tests, en om de overleving en het recidiefrisico te schatten voor patiëntstratificatie, inclusief analyses voor zeldzame subtypen zoals endometrioïd adenocarcinoom, heldercellig adenocarcinoom en ovariumcarcinosarcoom. 

Om klinisch transparante voorspellingen te maken, zullen generatieve diffusiemodellen contrafactische CT-beelden creëren die laten zien welke minimale veranderingen de HRD- of risicoschattingen zouden veranderen, waarbij potentiële beeldvormende biomarkers worden benadrukt. Ten slotte wordt de tool extern gevalideerd en geëvalueerd met clinici die gebruikmaken van in silico-workflowonderzoeken in meerdere landen. Zo wordt de bruikbaarheid en de klinische waarde in de echte wereld gewaarborgd.