Vier onderzoeksgroepen van het UMC Utrecht hebben financiering ontvangen uit het Hanarth Fonds. Met deze toekenning gaan de wetenschappers zich specifiek richten op het ontwikkelen van nieuwe toepassingen van kunstmatige intelligentie (AI) bij kankeronderzoek. 

Het Hanarth Fonds is ontstaan uit de nalatenschap van Arthur del Prado, oprichter en voormalig CEO van ASM International. Het fonds wil het gebruik van kunstmatige intelligentie en machine learning bevorderen en verbeteren om de diagnose, behandeling en uitkomst van patiënten met kanker te verbeteren.

Lees hieronder meer over de verschillende gehonoreerde onderzoeksprojecten van het UMC Utrecht.

Effecten van immunotherapie beter bepalen

Artificial intelligence-based phenotyping of metastatic renal cell carcinoma to better understand (pseudo)progression under immune checkpoint inhibition

Hoofdaanvrager Bart de Keizer: “Met behulp van uitlegbare kunstmatige intelligentie gaan we het effect van immunotherapie op uitgezaaide niercelkanker nauwkeuriger vaststellen op grond van PET/CT beelden. Het is moeilijk om vroeg na start van immunotherapie op PET/CT beelden onderscheid te maken tussen ziekteprogressie en pseudoprogressie veroorzaakt door de immunotherapie zelf. Mogelijk kan kunstmatige intelligentie ons hierbij helpen. Als we beter weten welke patiënten echt progressieve ziekte hebben, kan dat reden voor de oncoloog zijn om eerder een andere, mogelijk wel effectieve therapie, te starten”.

“We gaan dit onderzoek in een multidisciplinair verband uitvoeren. Het team is afkomstig uit vier verschillende afdelingen: Radiologie/Nucleaire geneeskunde (Bart de Keizer), Image Sciences Institute (Kenneth Gilhuijs), en Britt Suelmann (Medische Oncologie). Daarnaast doen ook het Radboud UMC, het VUmc en het AMC mee in het onderzoek.” 

Zoeken naar verborgen lymfekliermetastasen

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

Hoofdaanvrager Kenneth Gilhuijs: “Het TOSCA-project heeft als doel triage op maat te realiseren voor patiënten met vroeg-stadium mondholtekanker: directe chirurgie of biopsie van de schildwachtklier. Dit zal gebeuren door de preoperatieve MRI-beelden van de patiënt in detail te analyseren met kunstmatige intelligentie.

“Het is voor de kwaliteit van leven en overleving van deze patiënten van belang dat de AI snel en met zeer hoge zekerheid vaststelt of zich verborgen uitzaaiingen in de lymfeklier in het gebied bevinden zodat de patiënt alleen in die gevallen rechtstreeks naar chirurgie kan worden verwezen. Dit voorkomt dubbele operaties en onnodig overlijden. Voor de acceptatie door oncologen en patiënten is het essentieel dat de AI deze triage goed uit kan leggen.”

“Voor dit onderzoek hebben we een multidisciplinair team samengesteld uit vier verschillende afdelingen: het Image Sciences Institute (Kenneth Gilhuijs), Hoofd-hals chirurgie (Remco de Bree), Radiotherapie (Mariëlle Philippens), en Radiologie (Jan-Willem Dankbaar).

Complexe robot-geassisteerde operaties verbeteren met AI

INTelligent computeR-Aided Surgical gUidance for Robot-assisted surGEry – the INTRA-SURGE-project for the future of surgery

Hoofdaanvragers Jelle Ruurda en Robin den Boer: “De robot-geassisteerde slokdarmresectie is een complexe operatie met risico’s op complicaties. Tijdens de operatie zijn belangrijke anatomische structuren (zoals de aorta en de trachea) gelegen in een nauw operatiegebied. Daarnaast is de chirurgische oriëntatie uitdagend vanwege de houding van de patiënt en het ingezoomde operatiebeeld. De operatierobot biedt mogelijkheden om chirurgen in de toekomst te ondersteunen met algoritmes om operaties nog beter en ook gemakkelijker te maken.”

“Het INTRA-SURGE project richt zich op het ontwikkelen van AI-algoritmes voor herkenning van anatomie bij slokdarmresecties. Daarnaast wordt onderzocht op welke manier preoperatieve CT-scans gematcht kunnen worden met het operatiebeeld om de drie dimensionele oriëntatie van chirurgen te verbeteren.”

Kostenbesparend werken door AI

Cost savings in pathology by AI: prospective clinical trials paving the way for AI implementation

Hoofdaanvrager Paul van Diest: “In dit onderzoek gaan we in de dagelijkse praktijk kijken of we met AI kunnen besparen op dure eiwitkleuringen om tumorcellen aan te tonen. Dit gaan we doen bij weefsel van de prostaat en in de eerste oksellymfklier waarop het kwaadaardige gebied bij borstkanker draineert. Dit doen we in 2 armen: 1 met en 1 zonder AI, zodat we op een methodologisch zuivere manier de besparingen kunnen aantonen. Met deze structurele besparingen kunnen de licenties voor de AI bekostigd worden.”