Johannes Textor

Radboud UMC

Kort samengevat, behelst het onderzoek van Johannes Textor het volgende: 

Transfer Learning for Immune Cell Landscape Analysis in Salivary Gland Cancer

'Salivary gland cancer is a rare type of head-and-neck cancer with 150-200 diagnoses per year in the Netherlands, and the most aggressive subtypes have poor prognosis. To develop new treatment options, we are imaging the interactions between immune system cells and tumor cells within patient biopsies using high-resolution digital microscopy. Machine learning approaches are the state of the art for analyzing such data, but they can require very large datasets to train on, which are usually not available for rare cancer types. In our project, we will address this problem using "transfer learning" methodology that allows machine learning algorithms to benefit from experience gained on larger datasets from more common cancer types and train more effectively on smaller datasets. Leveraging existing data and knowledge in this manner, we hope that our project will help to build a rationale for future immunotherapy treatments for salivary gland caner patients.'

Korte samenvatting van voortgang / resultaten mei 2024

We hebben de ontwikkeling van onze algoritmen voor machinaal leren en methoden voor gegevensanalyse afgerond en drie artikelen gepubliceerd waarin deze methoden in detail worden beschreven, zodat andere onderzoekers ze kunnen gebruiken. Door gebruik te maken van geavanceerde statistische methoden hebben we inmiddels gedetailleerde informatie van 209 speekselklierkanker gereed gemaakt voor analyse. In het laatste jaar zullen we de informatie uit de weefselmonsters van deze patiënten combineren met andere klinische informatie om te bepalen of deze ruimtelijke informatie belangrijke inzicht kan geven over de prognose voor speekselklierkankerpatiënten.

Korte samenvatting van voortgang / resultaten mei 2023

In het afgelopen jaar hebben wij onze 'machine learning' methodes doorontwikkeld. Deze zijn nu in staat om twee nieuwe soorten van immuuncellen te herkennen die een belangrijke rol spelen bij de bestrijding van kanker: dendritische cellen en myeloide cellen. Omdat onze technieken grote en complexe datasets opleveren, hebben wij tevens nieuwe visualisatie- en analysemethodes ontwikkeld om deze voor andere onderzoekers en dokters toegankelijker te maken en de samenwerking tussen disciplines te vergemakkelijken.

Korte samenvatting van voortgang / resultaten mei 2022

In samenwerking met onze partners in Japan hebben wij meerdere honderd stukjes weefsel van Nederlandse en Japanse speekselklierkankerpatiënten kunnen verzamelen. Wij analyseren de aanwezige immuuncellen in deze monsters nu met behulp van kunstmatige intelligentie om meer over de interacties tussen tumorcellen en afweercellen te weten te komen. Deze kennis is belangrijk voor het ontwikkelen van gerichte immuuntherapien voor speekselklierkanker.