Optimalisatie van het borstkanker screening programma via een dynamische ‘big data’ analyse van de Quantitative Imaging Biomarkers (QIBs)

Om een persoonlijke risicoanalyse aan te bieden voor de vrouwen die deelnemen aan het borstkanker-screeningsprogramma, kan er gebruik gemaakt worden van Quantitative Imaging Biomarkers (QIBs). Dit zijn zelfontworpen beeldvormingsfilters die toelaten om specifieke patronen in de beelden van het borstonderzoek te herkennen. In plaats van een enorme inspanning te doen om deze zelfontworpen filters te verbeteren, kan deze training machinaal uitgevoerd worden via Convolutional Neural Networks (CNNs). De input van deze studie bestaat uit grote aantallen beelden van verschillende patiënten, en meer specifiek ook uit beelden die op verschillende tijdstippen werden gemaakt. Om deze informatie in de tijd op te nemen in de studie, zal een unieke Neural Network-architectuur ontwikkeld worden. Het doel is om het risico op borstkanker nauwkeuriger in the schatten en daarmee het screeningsproces te verbeteren.