Marius Staring

LUMC

Het onderzoek van Marius Staring houdt in het kort het volgende in:

Machine Learning to support Clinical Decision Making in Vestibular Schwannoma (MLSCHWAN)

Vestibulaire schwannomen (brughoektumoren) zijn zeldzame tumoren in het hoofd die (meestal) goedaardig zijn, maar invaliderende symptomen kunnen veroorzaken. Denk daarbij aan gehoorverlies, evenwichtsstoornissen, verhoogde hersendruk of zelfs een hersenstamcompressie. Gewoonlijk worden patiënten met een hersentumor nauwlettend gemonitord met MRI. Pas als een tumor groeit wordt er voor een behandeling gekozen. Met behulp van machine learning willen we leermodellen ontwikkelen waarmee de progressie van een tumor al in een vroeg stadium ingeschat kan worden. Dankzij deze kennis kan dan al bij de start van het behandeltraject voor de meest passende strategie worden gekozen. Binnen het MLSCHWAN-project zal ons team van ingenieurs, radiologen en KNO-artsen, rekenkundige tumorgroeimodellen ontwikkelen, deze implementeren in de kliniek, en haar toegevoegde waarde bepalen.

MRI scan of a Vestibular Schwannoma: is it stable or does it grow?

Short summary of progress/results 2024

In deze eerste periode hebben we een patiënteninclusielijst samengesteld en opgeschoond, en longitudinale MR-beeldvormingsgegevens van meer dan 2000 patiënten gedownload en pseudogeanonimiseerd. Dit wordt verder opgeschoond en geüpload naar een XNAT-faciliteit. We zijn begonnen met de ontwikkeling van een machine learning-aanpak op basis van MR-beeldvorming die een binaire classificatie van groei in het komende jaar voorspelt van meer dan 2 mm in diameter of minder, gebaseerd op een algemene radiomics-aanpak geïmplementeerd in WORC.