Verbeterde borstkankeropsporing door dynamische big data analyse van kwantitatieve kenmerken berekend uit beelden (biomarkers)

Borstkanker is nog steeds een gezondheidsprobleem. De mortaliteit in Vlaanderen en Slovenia is gelijkaardig en boven het Europese gemiddelde. Terwijl beide regio’s succesvolle opsporingsprogramma’s hebben worden er nog te veel kankers gemist. De beeldvorming moet verbeterd worden in de “dense borsten” waarin tot 5 keer meer kankers ontstaan en in borsten waar het complexe borstkierweefsel de letsels “maskeert”. Deze uitdagingen zullen in dit project gecoördineerd aangepakt worden door twee leidinggevende onderzoeksgroepen uit Vlaanderen en Slovenia en steunen op (1) de integratie van dynamische veranderingen van één screeningsronde tot de volgende (longitudinaal onderzoek) en (2) het benutten van de macht van big data analyse om kankervoorspellende kenmerken te extraheren uit de beelden (spatiaal onderzoek). Eerst zullen handmatige (radiomics) en machine-learning (Convolutional Neural Networks) kenmerken geëxtraheerd en gevalideerd worden in een retrospectieve studie bij 9000 vrouwen in Vlaanderen en Slovenia. Deze beeldkenmerken zullen dan prospectief getest worden bij 100 patiënten per jaar en per regio. Het internationale ‘Networks of Imaging eXellence (NIX)-Alliance’ zal gebruikt worden om structureel, volgens internationale normen, te werken aan beeldkenmerkenextractie en het testen/fijnregelen. Onze resultaten zullen toelaten om de huidige kankeropsporing te verbeteren met een objectieve procedure, gebaseerd op het persoonlijk risico van de individuele vrouw.