Heike Grabsch

Maastricht UMC

Het onderzoek van Heike Grabsch houdt in het kort het volgende in:

Artificial intelligence for high-throughput histological characterisation of the host anti-tumour immune response in regional lymph nodes from oesophageal cancer patients

'Patiënten met slokdarmkanker worden momenteel behandeld op basis van het stadium van de ziekte. Het bewijs neemt toe dat een anti-tumor immuunrespons een sleutelrol speelt in het bestrijden van de kankercellen. De lokale anti-tumor immuunrespons (het immuuninfiltraat in de primaire tumor, de slokdarm) is afhankelijk van de interactie met de immuuncellen in de tumor drainerende lymfklieren (LKs). Het klinisch belang van de LK-gebaseerde anti-tumor immuunrespons is nog niet in detail onderzocht, voornamelijk door het gebrek van een objectieve methodologie met hoge verwerkingscapaciteit. In dit project is het doel om middels kunstmatige intelligentie (deep learning), automatisch de coupes met LKs te identificeren, deze te selecteren en hun microarchitectuur te karakteriseren in slokdarmkanker patiënten van verschillende klinische studies. We verwachten daarbij dat we (1) de kennis van de systemische anti-tumor immuunrespons respons vergroten met daarbij de veranderingen op chemotherapie en (2) klinisch zinvolle LKs-gebaseerde biomarkers kunnen ontdekken en valideren in slokdarmkanker patiënten om de patiëntenzorg op individuele basis te kunnen invullen tav follow-up strategie of eventuele noodzaak tot adjuvante therapie.'

Korte samenvatting van voortgang / resultaten 2023

In het tweede jaar van deze schenking hebben we aanzienlijke vooruitgang geboekt en gaan we nu steeds meer weg van de ontwikkelingsfase van het AI-model naar de toepassingsfase. Alle materialen (gescande HE-gekleurde histologieglaasjes) zijn beschikbaar, de krachtige computer die we dankzij deze schenking hebben kunnen aanschaffen werkt erg goed en zal ons in staat stellen de ontwikkelde modellen nu de ene na de andere studieset te laten doorlopen. We kijken er erg naar uit om de gegevens te analyseren en verwachten nieuwe inzichten in de locoregionale immuunrespons met impact op het patiëntenbeheer. Ook in het tweede jaar van deze schenking blijven onze beschikbare datasets uniek in de wereld.

Korte samenvatting van voortgang / resultaten 2022

In dit eerste jaar ondervonden we een aanzienlijke vertraging bij de bestelling, levering en installatie van de op maat gemaakte, hoogwaardige server die nodig was voor het project. De wachttijd werd echter benut voor het uitvoeren en schrijven van twee systematische reviews. Één daarvan met meta-analyse om nieuwe samenwerkingsverbanden tot stand te brengen die het werk in dit project aanzienlijk zullen verbeteren en bijdragen aan het verbeteren van ons bestaande AI-model (J Pathol Inform 2023 Jan 25;14:100192) door gebruik te maken van de computationele faciliteiten van de afdeling Precision Medicine, Universiteit van Maastricht.

Dit nieuwe model presteert aanzienlijk beter als het wordt gevraagd digitale objectglaasjes te identificeren die lymfeklieren bevatten en deze te segmenteren door een aanpak op patch- en pixelniveau te combineren. Het AI-model voor het detecteren van kiemcentra en sinussen in lymfeklieren (code gedeeld met medewerker A Grigordiasis, King's College London) is getest en de initiële kwaliteitscontrole van de detectie van kiemcentra, uitgevoerd door H. Grabsch en P. Canao, ziet er erg goed uit. We zijn verheugd dat deze codeshare ons in staat zal stellen de kwantiteit en kwaliteit (vorm, grootte, locatie) van kiemcentra in lymfeklieren van patiënten met slokdarmkanker te analyseren en dit na de zomer te relateren aan klinisch-pathologische gegevens.

Publicaties 

- ScienceDirect.com, 4 februari 2024
Computational methods for metastasis detection in lymph nodes and characterization of the metastasis-free lymph node microarchitecture: A systematic-narrative hybrid review