Jeanin van Hooft

LUMC

Het onderzoek van Jeanin van Hooft houdt in het kort het volgende in:

Improving early detection of PANcreatic cancer in HIgh-risk individuals through Artificial Intelligence methods (PAN-HI-AI)

Patiënten met alvleesklierkanker hebben een lage 5-jaarsoverleving doordat de meeste tumoren pas in een laat stadium ontdekt worden. Surveillance programma’s zijn opgezet voor mensen met een hoog risico op alvleesklierkanker (levenslange kans: 5-35%) waarbij zij frequent beeldvorming ondergaan met magnetic resonance imaging (MRI) en endoscopische echografie (EUS). Het is echter noodzakelijk de modaliteiten te verbeteren die gebruikt worden in deze surveillance programma’s, omdat nog slechts weinig van de ontdekte tumoren als voorstadium van kanker of in vroege stadium van kanker worden ontdekt. Kunstmatige intelligentie methoden toegepast op de MRI-scans, specifiek radiomics en deep learning modellen, zouden de klinische besluitvorming kunnen verbeteren door complexe patroon te herkennen waarbij er subtiele veranderingen in de alvleesklier optreden die gepaard gaan met progressie tot kanker.

Initieel is een automatische alvleesklier segmentatie algoritme ontwikkeld. Dit zal gevalideerd worden op alle 2400 MRIs van 340 individuen in het LUMC surveillance programma. Daarna zal dit algoritme extern worden gevalideerd op de 1200 MRI-database van het Karolinska Institutet in Zweden.

Nadat de segmentatie algoritme goed de alvleesklier van omliggende weefsel kan onderscheiden zullen dezelfde cohorten gebruikt worden om een diagnostisch algoritme te trainen dat een alvleeskliertumor van gezonde alvleesklierweefsel en benigne afwijkingen kan onderscheiden. Het classificatie algoritme zal een longitudinale aanpak gebruiken, waarbij meerdere MRI-sequenties en klinische variabelen meegenomen worden.

De laatste stap van het project zal zich richten op het ontwerp van een klinische studie, waarin het algoritme prospectief getest zal worden in hoog-risico surveillance groepen.