Michiel van den Brekel

UMC Utrecht

Het onderzoek van Michiel van den Brekel houdt in het kort het volgende in: 

Genomics-assisted radiomic machine learning-based models to enable patient outcome prediction for personalized treatment in head and neck squamous cell cancer

'In dit project zal bestudeerd worden of we middels machine-learning technieken, modellen kunnen maken om bestaande genetische profielen te voorspellen middels beeldanalyse van MRI bij hoofdhals kanker patienten. In eerdere studies hebben wij en anderen aangetoond dat specifieke genetische tumorprofielen bestaan die de kans op genezing na chemoradiatie voorspellen. Ook zijn er al radiomic profielen gemaakt die de HPV status voorspellen en is ook hypoxie al bestudeerd. Om behandeling gerichter te maken, is het van groot belang om de genetische profielen te kunnen voorspellen op basis van beeldanalyse algoritmen. Ook de inzet van meer patientendata in het algemeen kan hierbij behulpzaam zijn.

In dit project, dat uitgevoerd zal worden in het nederlands Kanker Instituut – Antoni van Leeuwenhoek, gaan wij werken aan het uitdokteren van deze tumorprofielen en het correleren van genetische en imaging parameters.' 

Korte samenvatting van voortgang / resultaten februari 2024

Omdat radiomic data bij hoofd-hals kanker toch beperkt zijn, is gestart met een studie: "Overcoming data scarcity in radiomics/radiogenomics using synthetic radiomic features". Hierin hebben wij aangetoond dat het mogelijk is met synthetische data de betrouwbaarheid van correlaties te verhogen en betere feature selection te verkrijgen. Het manuscript is ingediend voor publicatie en de studie zal gepresenteerd worden op het European Congress of Radiology (ECR) in Wenen in maart 2024. Ook is gestart met een externe validatie met data uit het AUMC van een eerder gepubliceerd radiogenomics model, wat waardevolle resultaten opleverde. Een manuscript hierover: "Multicenter validation of an MRI-based radiogenomic model predicting human papillomavirus status in oropharyngeal cancer", wordt ingediend. Het team voerde ook een analyse uit op de impact van verschillende predictie modellen voor het genereren van synthetische data op een multicenter cohort van orofaryngeale kanker, wat veelbelovende voorlopige resultaten aan het licht bracht. Een nieuw studieontwerp werd voorgesteld en een masterstudent werd aangenomen om methoden voor kenmerkselectie te benchmarken en een nieuw algoritme te ontwikkelen voor radiomics/radiogenomics van hoofd- en halskanker. De goedkeuring van de IRB werd verkregen om een retrospectieve studie te starten middels de segmentatie van MRI-scans in het Nederlandse Kanker Instituut (NKI). 

Korte samenvatting van voortgang / resultaten februari 2023

In dit project zijn de patiëntgegevens uit NKI-AVL en AUMC geselecteerd en worden momenteel bestudeerd. De selectietechnieken en algoritmen om radiomische gegevens te synthetiseren, gebaseerd op een grote database van patiënten met kanker, allemaal ingetekend op MRI en genetisch getypeerd, zijn veelbelovend en kunnen waarschijnlijk ook worden gebruikt in gebieden met meer gegevens schaarste. Dit kan helpen om de betrouwbaarheid van radiomische dataselectie in vergelijkbare onderzoeken te verbeteren.