Suk Wai Lam

LUMC

Het onderzoek van Suk Wai Lam houdt in het kort het volgende in:

BONE-CLASS - Bone Tumor Classification with Multimodal Deep Learning

Bottumoren vormen een uitdagende groep ultrazeldzame kankers. Ze vormen minder dan 1% van alle kankers en treffen vaak een jonge patiëntenpopulatie. Deze tumoren hebben een breed morfologisch spectrum, met overlappende kenmerken tussen reactieve, goedaardige en kwaadaardige bottumoren. Het opdoen van expertise om deze ultrazeldzame tumoren te diagnosticeren - die pathologen in niet-expertisecentra mogelijk slechts één keer in hun carrière tegenkomen - is daarom niet haalbaar. Bovendien is de correlatie van de morfologie van bottumoren met klinische en radiografische kenmerken essentieel voor een nauwkeurige diagnose, aangezien tumoren met een vergelijkbare morfologie een verschillend klinisch gedrag kunnen vertonen, wat de diagnostiek van bottumoren nog complexer maakt.

Om deze diagnostische uitdagingen van bottumoren aan te pakken hebben wij als doel om een decision support model, 'de BONE-CLASS'; te ontwikkelen, met behulp van een unieke, hoogwaardige database als basis voor deep learning-onderzoeken. Gelet op het belang van de integratie van radiologische, pathologische en klinische gegevens in het diagnostische proces, is ons doel een multimodaal deep learning-model te creëren dat de diagnose van bottumoren ondersteunt door H&E-gekleurde digitale pathologie  beelden, gewone röntgenfoto's en klinische informatie (de "triade") te combineren. Door gebruik te maken van deze eenvoudige en breed toegankelijke modaliteiten – waardoor kostbare technieken worden vermeden – kan de BONE-CLASS van nut zijn voor medische instellingen met beperkte middelen en een gebrek aan domeinspecifieke expertise wereldwijd. Dit zorgt ervoor dat zelfs centra zonder geavanceerde apparatuur de diagnostische nauwkeurigheid kunnen verbeteren, de doorverwijzingstijden kunnen verkorten en uiteindelijk de patiëntuitkomsten kunnen verbeteren.