Hoe kan kunstmatige intelligentie ingezet worden voor een betere behandeling bij kankerpatiënten? Onderzoekers uit het UMC Utrecht gaan met deze vraag aan de slag. Vier onderzoeksprojecten in het UMC Utrecht kregen hiervoor financiering vanuit het Hanarth Fonds.
Het Hanarth Fonds is ontstaan uit de nalatenschap van Arthur del Prado, oprichter en voormalig CEO van ASM International. Het fonds richt zich op het inzetten van artificial intelligence (AI) en machine learning voor verbeteringen in de diagnose, behandeling en uitkomst van kankerpatiënten. Meer dan 6 miljoen euro is dit jaar toegekend aan verschillende projecten. Lees hieronder meer over de verschillende gehonoreerde projecten in het UMC Utrecht.
Versnelde herkenning tumortype
MaLMec: Machine-Learned DNA methylation Classification to enable tumor subtyping from liquid biopsies
Het project van hoofdaanvrager Jeroen de Ridder (Associate Professor) richt zich op tumoren van het centrale zenuwstelsel. Hierbij is toegang tot de tumor vaak onmogelijk zonder operatie. Jeroen vertelt: “Dit vormt een uitdaging voor neurochirurgen. Ze moeten namelijk opereren aan een tumor zonder te weten wat voor type tumor het is. Hierdoor bestaat de kans dat de patiënt nog een keer geopereerd moet worden.” Recentelijk is hiervoor de ‘Sturgeon’ ontwikkeld. Dat is een AI-toepassing waarbij al tijdens de operatie het exacte type tumor bepaald kan worden. Hierdoor kan direct de passende chirurgische strategie toegepast worden. Jeroen en zijn team gaan zich richten op de ontwikkeling van een variant op de Sturgeon. Bij deze nieuwe variant is het genoeg om hersenvocht te gebruiken in plaats van (een deel van) de tumor. Het type tumor zal hierdoor zelfs al voor de operatie bepaald kunnen worden. De belangrijkste uitdaging is dat hersenvocht een mengsel van tumor- en normaal DNA bevat. AI-modellen zullen getraind worden om hier rekening mee te kunnen houden.
Effect van (chemo)radiotherapie beoordelen
Improved residual disease detection after (chemo) radiotherapy for locally advanced head and neck squamous cell carcinoma
Hoofdaanvrager Nico van den Berg (Professor of computational imaging) en zijn team richten zich op hoofd-halskanker met hun nieuwe project. Doel: de ontwikkeling van een klinisch AI-model voor radiologen en radiotherapeuten. Bij hoofd-halskanker is het een grote uitdaging om het effect van (chemo)radiotherapie goed te beoordelen. Het model zal dit makkelijker maken. “Het doel is om betrouwbaar onderscheid te maken tussen resterende ziekte en veranderingen na de behandeling,”, vertelt Nico. “Daardoor zal er nauwkeuriger kunnen worden beoordeeld of er behoefte is aan een tweede operatie. Dit kan de overleving en kwaliteit van leven verbeteren. Onnodige procedures worden geminimaliseerd en de belasting voor de patiënt wordt verminderd.”
Herkenning uitzaaiingen prostaatkanker
TowArds IndividiaLized PSMA PET/CT-guided Treatment in Metastatic PrOstaste CanceR Using MAchine Learning-DErived Risk Stratification (TAILOR-MADE)
Het project van associate professor Arthur Braat richt zich op hormoon-sensitieve uitgezaaide prostaatkanker. Voor de keuze van de juiste behandeling is een goede detectie van de uitzaaiingen essentieel. Tegenwoordig wordt een verbeterde detectietechniek van uitzaaiingen (PSMA PET/CT) gebruikt in de dagelijkse kliniek. Echter, de manier om de uitgebreidheid van de uitzaaiingen in te delen voor een behandelkeuze is middels een verouderde techniek (botscan). Een nieuwe indeling is essentieel voor de bepaling van een passende behandeling in de huidige tijd. Ook kunnen we zo meer inzicht te krijgen in patiëntverschillen binnen nieuwe wetenschappelijke studies. “In dit project gaan we kunstmatige intelligentie (AI) toepassen om de PSMA PET/CT automatisch te analyseren”, legt Arthur uit. “Hierdoor krijgen we meer en beter inzicht in de onderlinge verschillen tussen patiënten.”
Betere MRI-beeldvorming
Physics-informed Neural networks to standardize brain MRI: boosting AI applications in gliomas and meningiomas
Het project van associate professor Alessandro Sbrizzi en assistant professor Stefano Mandija focust op zeldzame hersenkanker. Dankzij AI-tools en MRI-scans kunnen de grootte en locatie van deze tumoren beter worden ingeschat. Deze AI-tools zijn echter nog niet breed toepasbaar. Alessandro en Stefano vertellen: “Wij zullen de trainingsets van MRI-beelden gaan uitbreiden om de AI-tools te versterken. Voornamelijk op het gebied van zeldzame hersenkanker zoals meningiomen en gliomen. Hiervoor zijn op dit moment geen grote gestandaardiseerde datasets beschikbaar.” Hierdoor zullen deze AI-tools ook voor zeldzame hersenkanker toepasbaar worden.
Vrienden UMC Utrecht & Wilhelmina Kinderziekenhuis
Deze onderzoeken kunnen starten dankzij de steun van het Hanarth Fonds aan Vrienden UMC Utrecht & Wilhemina Kinderziekenhuis, het goede doel van het (kinder)ziekenhuis. Lees meer over hoe u onderzoek naar nieuwe behandeling in het UMC Utrecht vooruit kunt helpen.
