Alexander Leemans

UMC Utrecht

Het onderzoek van Alexander Leemans houdt in het kort het volgende in:

Harmonization and segmentation of multicenter paediatric sarcoma MRI data through artificial intelligence to support clinical decision making in international trials

'Rhabdomyosarcomen en Ewing-sarcomen zijn zeldzame tumoren met een prevalentie van ongeveer 35 gevallen per jaar in de Nederlandse pediatrische en adolescente populatie. Momenteel zijn er geen biomarkers die in een vroeg stadium van de behandeling van deze tumoren onderscheid kunnen maken tussen slechte en goede uitkomsten. Hoewel microstructurele weefseleigenschappen afgeleid van diffusie-MRI (dMRI) waardevolle biomarkers zouden kunnen zijn voor een vroege beoordeling van de werkzaamheid van de behandeling, bemoeilijken verschillen in scannerhardware en acquisitieprotocollen tussen locaties het samenvoegen van dMRI data die nodig is voor klinische besluitvorming in internationale onderzoeken. In dit project zullen we kunstmatige intelligentie (AI)-methodologie ontwikkelen voor het harmoniseren van dMRI data en het segmenteren van tumoren in MRI data. Hiermee kunnen we die ongewenste multicentervariabiliteit verminderen zodat we de biologische signatuur van de weefselmicrostructuur beter kunnen behouden en uitkomsten beter kunnen voorspellen.'

Korte samenvatting van voortgang / resultaten juli 2024

Dit jaar begon met de presentatie van ons werk op de Connective Tissue Oncology Society (CTOS) conferentie van 2023, waarin werd benadrukt hoe de door de scanner automatisch berekende apparent diffusion coefficient (ADC) data heterogeen kunnen zijn, vooral in vergelijking met ADC-data die zijn berekend met behulp van een gestandaardiseerde pipeline. Dit kan een extra laag van variabiliteit creëren in multicenter studies, die vermeden zou kunnen worden door het gebruik van een gestandaardiseerde pipeline voor de berekening van ADC-kaarten van diffusiegewogen beelden. 

Het project voor de volledige 3D dataset annotatie is gestart. Voor elke patiënt werden de ADC-data en ten minste één type structureel beeld (meestal contrast-versterkte T1 gewogen afbeelding) handmatig gesegmenteerd. Gecertificeerde radiologen zullen deze beelden controleren, die zullen worden gebruikt als ground-truth voor automatische segmentatie en voor het onderzoek naar de vorm, het volume en de interne structuur van de tumor.

Na de zelfstudie over AI, met automatische segmentatie als doel, werd een reeks neurale netwerken geïmplementeerd. Een reeks voorlopige experimenten met U-net en nnU-net werd gestart ter voorbereiding op de complete en gecontroleerde dataset. Voor beide architecturen werden 3D- en 2D-opties verkend en werden verschillende MRI-modaliteiten als invoer vergeleken (ADC-data versus structurele beelden). Voorlopige resultaten geven aan dat het gebruik van structurele beelden de neiging heeft om betere  resultaten te geven en een reeks meer gestructureerde experimenten zal worden ondernomen.  

Korte samenvatting van voortgang / resultaten juli 2023

MRI-scans van pediatrische patiënten met rhabdomyosarcoma werden verzameld uit meerdere centra in heel Europa. In de eerste maanden van dit project werden de beelden en bijbehorende metadata georganiseerd in een database. Gezien onze interesse in de harmonisatie van diffusie-MRI-gegevens, werd een voorlopige studie uitgevoerd om te bepalen of ADC waarden die automatisch zijn berekend door scanners van verschillende leveranciers vergelijkbaar zijn met ADC waarden die zijn berekend met een gestandaardiseerde interne methode. Waarden binnen de tumoren werden vergeleken en er werd geen significant verschil gevonden in de subset van geanalyseerde beelden. Terwijl het onderzoek om onze huidige dataset uit te breiden met reeds bestaande scans nog steeds gaande is, is er een MRI acquisitieprotocol ontwikkeld voor het verkrijgen van een multi-scanner MRI-database op vrijwilligers. Bovendien is er een framework geïmplementeerd voor handmatige segmentatie van tumoren en belangrijke gezonde structuren, om te worden gebruikt als referentie voor toekomstige stappen in de studie.