Philip De Witt Hamer

Amsterdam UMC, location Vumc

Kort samengevat, behelst het onderzoek van Philip de Witt Hamer het volgende:

'Machine learning for better neurosurgical decisions in patients with glioblastoma

The most common brain tumor - glioblastoma - is a rare cancer but invariably fatal, despite surgery and chemoradiotherapy. Prolongation of patient survival and persistence of quality of life critically depend on decisions by neurosurgeons. The aim of this study is to improve these decisions in new patients by digital support systems based on patient characteristics and standard brain scans that predict decisions from experts, the tumor's growth speed, the location of tumor recurrence and the patient’s survival time. For these predictions we will combine datasets with large numbers of patients and scans in a collaboration of medical experts and machine learning experts. This should enable decision support systems to distribute expert knowledge for better neurosurgical decisions in patients with glioblastoma.'

Korte samenvatting van de eindresultaten van dit onderzoek 

We hebben laten zien dat de behandeluitkomsten voor patiënten met een glioblastoom verschillen tussen ziekenhuizen. Om deze verschillen te verklaren en tot duidelijkere behandelstandaarden te komen is een grote dataset met veel MRI-scans van patiënten met een glioblastoom noodzakelijk. Het met de hand intekenen waar de grens van de tumor in de MRI scan is zeer tijdsintensief.  Daarom hebben we gewerkt aan validatie van machine learning gebaseerde  automatische intekeningen. We hebben aangetoond dat dit een betrouwbare en efficiënte methode is en gebruikt kan worden om relevante tumor eigenschappen  te bepalen in de scans direct voor en na de operatie. Aan de hand van deze tumor  eigenschappen hebben we vervolgens meer inzicht gekregen in welke patiënten in  aanmerking komen voor chirurgische behandeling, en kunnen we deze beslissing  nauwkeuriger voorspellen dan met alleen de klinische gegevens. De volgende stap  is om ook de overleving van deze patiënten beter te kunnen voorspellen, waarbij de eerste resultaten veelbelovend zijn. Ons vervolgdoel is om deze  voorspellingen door het toepassen van de nieuwste technieken verder te verbeteren.

Korte samenvatting van voortgang / resultaten jaar 1

Voor behandelbeslissingen voor patiënten met een glioblastoom – de meest voorkomende, snelst groeiende en meest kwaadaardige hersentumor - is informatie van de hersen MRI scans essentieel. Deze informatie bestaat bijvoorbeeld uit de tumorgrootte, de locatie in de hersenen en de afstand tot kwetsbare hersenstructuren en de behandelbeslissingen bestaan bijvoorbeeld uit de timing en het soort operatie en het schema van bestraling met chemotherapie. Als deze informatie door experts met de hand verzameld wordt, duurt dit lang (een uur per patiënt) en is niet precies genoeg voor de juiste beslissingen. In de praktijk is de interpretatie nu subjectief en intuïtief “met een timmermansoog”, waardoor we ruimte voor verbetering zien. Zodoende hebben we nu kunstmatige intelligentie toegepast om de essentiële informatie sneller (een minuut per patiënt) en precies te verzamelen, en volledig reproduceerbaar. Dit is gepubliceerd en de software werd ‘open access’ gedeeld. Met deze informatie verwachten we behandelbeslissingen en de inschatting van het ziektebeloop te kunnen verbeteren, zoals de beslissing om voor de juiste patiënt een biopsie operatie te doen in plaats van een tumorverwijdering, de groeisnelheid van de tumor, de locatie van terugkeer van de tumor en de verwachte levensduur.