Kenneth Gilhuijs

UMC Utrecht

Het onderzoek van Kenneth Gilhuijs houdt in het kort het volgende in:

Triage of Patients with High-risk Oral Squamous cell Carcinoma using Artificial Intelligence (TOSCA)

Het orale plaveiselcelcarcinoom (OSCC) is een vorm van kanker die de mond en keel aantast. Het is relatief zeldzaam, goed voor 1-4% van alle kankers in westerse landen met 971 nieuwe gevallen in Nederland in 2021. De aanwezigheid van lymfekliermetastasen, d.w.z. de verspreiding van kanker naar de lymfeklieren, is de belangrijkste factor bij het voorspellen van de uitkomst van de ziekte.

Momenteel worden patiënten met risico op occulte of verborgen lymfekliermetastasen behandeld met een electieve halsklierdissectie (END), een chirurgische procedure die lymfeklieren uit de hals verwijdert. Deze procedure blijkt echter onnodig te zijn in ongeveer 80% van de vroege OSCC-patiënten, waardoor deze patiënten worden blootgesteld aan onnodige morbiditeit.

Een alternatief is een schildwachtklierbiopsie (SNB), waarbij slechts een enkele lymfeklier wordt verwijderd en getest op kanker. Als de schildwachtklier negatief is, is geen verdere behandeling nodig. Als de schildwachtklier positief is, is een tweede, uitgebreidere operatie noodzakelijk (volledige halsklierdissectie), waarvoor opnieuw ziekenhuisopname en algehele narcose nodig is. Bovendien is deze tweede operatie moeilijker uit te voeren na een electieve halsklierdissectie, wat het risico vergroot op morbiditeit en vertraging van (adjuvante) vervolgbehandeling.

In deze retrospectieve observationele cohortstudie met ongeveer 1.000 patiënten uit zeven ziekenhuizen willen we een nieuwe strategie ontwikkelen op basis van deep learning van MRI om het grootste aantal patiënten met occulte lymfekliermetastasen rechtstreeks door te verwijzen naar halsklierdissectie in plaats van schildwachtklierbiopsie, zonder patiënten met negatieve halsklieren te verwijzen naar halsklierdissectie.

TOSCA is een samenwerkingsproject tussen het Image Sciences Institute en de afdelingen Hoofd-hals chirurgische oncologie, Radiologie en Radiotherapie in het UMC Utrecht. Daarnaast participeren zes andere hoofd-hals oncologische behandelcentra in Nederland.

Korte samenvatting van voortgang / resultaten juli 2024

In het eerste jaar van de TOSCA-studie werden twee databases aangelegd na goedkeuring van de nWMOstudie door de METC van het UMC Utrecht. De databases bevatten gepseudonimiseerde informatie van patiënten met vroeg mondholte plaveiselcelcarcinoom (OSCC) die sentinel node procedures (SNP) ondergingen. Patiënten werden opeenvolgend geïncludeerd tussen 2012 en 2021. Inclusiecriteria waren: eerste primaire (d.w.z. geen eerdere OSCC) en vroeg stadium (d.w.z. cT1N0Mx en cT2N0Mx).
Exclusiecriterium was het ontbreken van pre-operatieve MRI.

De eerste database is een DICOM imaging database met preoperatieve MRI-scans. Elk MRI-onderzoek bevat multiparametrische series, waaronder proton-density STIR, T2, contrastversterkte T1, T1 SPIR en diffusiegewogen beeldvorming (DWI). De tweede database is een CASTOR-database met klinischpathologische parameters zoals leeftijd van de patiënt, lokalisatie van de tumor, histopathologische parameters en uitkomst. Op dit moment hebben we 148 patiënten van het UMC Utrecht geïncludeerd met 41 occulte lymfekliermetastasen (28%). Het papierwerk met de andere deelnemende ziekenhuizen bevindt zich in verschillende stadia van voltooiing, variërend tussen de ondertekening van de overeenkomsten voor
gegevensoverdracht (DTA's) tot de daadwerkelijke gegevensoverdracht. 

Methodologisch richtte het eerste deel van dit project zich op geautomatiseerde segmentatie van de
indexkanker met behulp van deep learning (U-Net) - waarvoor handmatige intekeningen werden verricht in de trainingscohort - en multiple-instance learning.