Project R-11405

Op de universiteit van vandaag werken we aan nieuwe technieken gebaseerd op tumor heterogeniteit in pathologisch beelden voor predictieve geneeskunde en diagnostiek. (Onderzoek)

De nieuwste technologische ontwikkelingen in de digitale pathologie maken het mogelijk om beelden van weefsel secties in hoge resolutie te genereren. Standaardprotocollen in klinische pathologie zijn niet op dezelfde manier geëvolueerd. In dit project zal een interdisciplinair team van experts op het gebied van kankerbiologie, pathologie, klinische artsen, beeldvormings- en gegevensanalyse nieuwe methoden ontwikkelen om de tumorheterogeniteit in longtumoren te identificeren op basis van beelden van tumorweefselbiopten. Ten eerste worden de details van het beeld onderzocht via convolutionele neurale netwerken, supervised machine learning en geavanceerde taakaanpassingsmethoden om belangrijke kenmerken van het beeld te herkennen. Ten tweede wordt de ruimtelijke heterogeniteit van celtypen in longtumorweefsel bestudeerd als ruimtelijk puntproces, om de verdeling van cellen en interacties daartussen bloot te leggen. Het doel is om de ruimtelijke heterogeniteit te bestuderen als nieuwe biomarker voor tumorsortering en langetermijnprognose.. De heterogeniteit zal eerst worden onderzocht in een preklinisch muismodel dat de histologische situatie bij menselijke longkanker nabootst. Daarna wordt de brug naar de klinische praktijk gemaakt door biopten van longkankerpatiënten te bestuderen. Dit stelt ons in staat patiënten te identificeren die mogelijks reageren op bepaalde behandelingen. Door markers te identificeren die gemeenschappelijk zijn in preklinische en klinische monsters, kan de voorspellende waarde voor therapeutische responsen al in de preklinische fase worden gegenereerd.

01 januari 2021 - 31 december 2024