Over de onderzoeker(s)
Amber Lamoré
6Drs. Amber Lamoré is een PhD-student op de afdeling Radiologie en Nucleaire Geneeskunde. Naast haar PhD-onderzoek dat zich focust op abdominale radiologie, houdt zij zich bezig met kwantitatieve beeldvorming van botsarcomen.
Dilara Savci
5Dr. Dilara Savci Heijink is patholoog en sinds 2013 werkzaam in het Amsterdam UMC. Zij heeft een specifieke focus op de pathologie van bot- en wekedelentumoren.
Lisa Lubbers
6Lisa Lubbers is een master student Personalized Medicine & Imaging. Ze houdt zich bezig met onderzoek naar kwantitatieve MRI, waarmee meer informatie uit de MRI-data kan worden vergaard, om de behandeling van patiënten met wekedelensarcomen te verbeteren.
Maartje Lourens
7Maartje Lourens is een master student Geneeskunde en is daarnaast PhD-student op de afdeling Radiologie en Nucleaire Geneeskunde. Zij focust zich op kwantitatieve beeldvorming en behandeling van wekedelensarcomen met een bijzondere focus op desmoïd tumoren.
Mario Maas
3Prof.dr. Mario Maas is radioloog. Hij richt zich geheel op de beeldvorming van aandoeningen van botten en weke delen. Naast klinische zorg houdt hij zich bezig met onderwijs en wetenschappelijk onderzoek.
Robert Hemke
1Dr. Robert Hemke is in Amsterdam opgeleid tot radioloog. Hij richt zich vrijwel geheel op de beeldvorming van aandoeningen van botten en weke delen. Naast klinische zorg houdt hij zich bezig met wetenschappelijk onderzoek, met daarbij speciale aandacht voor kwantitatieve MRI bij sarcomen en reumatische ziekten. Hij is lid van de Commissie voor Beentumoren.
Rubina Baglio
9
Inleiding
Beeldvorming
Kwantitatieve diagnostiek speelt een cruciale rol bij de diagnose en behandeling van bot- en wekedelentumoren. Het correct identificeren en karakteriseren van deze tumoren is van belang voor het bepalen van de juiste behandelingsstrategie en het verbeteren van de prognose van patiënten.
Kwantitatieve diagnostiek maakt gebruik van geavanceerde beeldvormingstechnieken, zoals magnetische resonantie beeldvorming (MRI), computed tomography (CT) en positronemissietomografie (PET). Hiermee kunnen wij gedetailleerde informatie verkrijgen over de grootte, locatie en agressiviteit van sarcomen. Deze geavanceerde beeldvormingstechnieken maken het mogelijk om niet alleen de anatomische eigenschappen van de tumor in kaart te brengen, maar ook om functionele en moleculaire informatie te verkrijgen. Bijvoorbeeld, met behulp van kwantitatieve MRI-technieken zoals diffusie gewogen en dynamische MRI kan de doorbloeding en weefselmicrostructuur van sarcomen worden geëvalueerd. Dit kan waardevolle informatie bieden over de agressiviteit van de tumor. Ook zou dit kunnen helpen bij het bepalen van de optimale behandelingsbenadering.
Door geavanceerde kwantitatieve diagnostiek toe te passen, kunnen radiologen een beter begrip krijgen van de biologische kenmerken van bot- en wekedelen tumoren en deze informatie gebruiken om gepersonaliseerde behandelplannen op te stellen. Het stelt hen ook in staat om de respons op de behandeling nauwkeurig te volgen en indien nodig aanpassingen aan te brengen.
Kunstmatige intelligentie (AI)
Kunstmatige intelligentie heeft de potentie om de diagnostiek van sarcomen te transformeren en de nauwkeurigheid en efficiëntie van het detectieproces te verbeteren. Sarcomen zijn complexe tumoren met verschillende subtypes en morfologische variaties, wat het stellen van een nauwkeurige diagnose een uitdaging kan maken.
Met behulp van AI-algoritmen kan mogelijk medische beeldvorming, zoals MRI- en CT-scans, geanalyseerd en geïnterpreteerd worden met een betere precisie. AI-gebaseerde software kan potentieel patronen en afwijkingen in de beeldgegevens identificeren die mogelijk over het hoofd worden gezien door menselijke ogen. Dit kan helpen bij het detecteren van tumoren, het beoordelen van hun grootte, locatie en agressiviteit, en het identificeren van eventuele metastasen. Een ander potentieel gebruik van AI in de diagnostiek van sarcomen is het voorspellen van de respons op behandelingen. Door het analyseren van grote hoeveelheden klinische gegevens en beeldvormingsdata, kan AI modellen ontwikkelen die de respons van patiënten op verschillende behandelingen kunnen voorspellen. Dit kan helpen bij het personaliseren van behandelplannen en het optimaliseren van de uitkomsten.
Doel
Ons belangrijkste doel is te onderzoeken wat de impact is van het geïntegreerd gebruik van kwantitatieve diagnostiek en kunstmatige intelligentie (AI) op de nauwkeurigheid van de diagnose, prognose en behandeling van sarcomen.
Wij richten ons op het verkennen van de mogelijke voordelen en impact van het combineren van kwantitatieve diagnostiek en AI bij de zorg voor patiënten met bot- en weke delentumoren. Het onderzoek richt zich op het vergelijken van de diagnostische nauwkeurigheid van AI-ondersteunde kwantitatieve beeldvorming met traditionele methoden. Daarnaast zijn we geïnteresseerd in de waarde van AI-modellen bij het voorspellen van de respons op behandelingen en het beoordelen van de prognose van sarcomenpatiënten.
Onze onderzoekslijn kan waardevolle inzichten opleveren over de potentiële voordelen, uitdagingen en acceptatie van het gebruik van kwantitatieve diagnostiek en AI bij sarcomen. Deze inzichten kunnen de basis vormen voor verdere ontwikkeling en implementatie van geavanceerde technologieën in de klinische praktijk, met als uiteindelijk doel het verbeteren van de zorg en uitkomsten voor sarcomenpatiënten.
