Een innovatief CFD-gebaseerd dosimetrie- en voorbehandelingsplanplatform ter ondersteuning van gepersonaliseerde transarteriële therapieën voor leverkanker

TARE is een gevestigde locoregionale behandeling geworden voor HCC, de meest voorkomende vorm van primaire leverkanker. Tijdens TARE worden radioactieve microsferen via een microkatheter in de leverslagaders geïnjecteerd om de tumor van binnenuit te bestralen. De minimaal invasieve aard van deze therapie maakt het een belangrijke optie voor patiënten die niet in aanmerking komen voor een operatie. Ondanks de klinische relevantie blijft het behandelingssucces echter variabel tussen patiënten.

Een uitdaging bij TARE is de beperkte mogelijkheid om te voorspellen hoe de geïnjecteerde microsferen zich door het arteriële netwerk van de lever zullen verspreiden. Hierdoor nestelen microsferen zich niet altijd homogeen in de tumor, en een deel van de geïnjecteerde dosis kan terechtkomen in gezond leverweefsel. Dit kan de effectiviteit van de behandeling verminderen en tegelijkertijd het risico op complicaties verhogen. De huidige voorbehandelingsplanning en dosimetriebenaderingen kunnen de resulterende stralingsdosis niet volledig voorspellen.

Het doel van deze studie is om een methodologie te ontwikkelen die een beter begrip en voorspelling van microsfeerverdeling en stralingsdosis tijdens TARE mogelijk maakt met behulp van patiëntspecifieke 3D-modellen. Deze modellen worden geconstrueerd uit klinische beeldvormingsgegevens zoals CT, MRI, PET, SPECT of DSA, en zullen worden gebruikt om de arteriële anatomie van de lever en dosisdepositiepatronen te analyseren. Door deze relaties te bestuderen, beoogt het project te identificeren welke anatomische en procedurele factoren het transport van microsferen en de dosisafgifte beïnvloeden, en hoe deze inzichten kunnen bijdragen aan verbeterde voorbehandelingsplanning.

Het klinische deel van de studie bestaat uitsluitend uit het verzamelen van retrospectieve en prospectieve beeldvormings- en behandelingsgegevens van patiënten die TARE ondergaan, zonder het klinische werkproces te wijzigen. Er wordt dus geen extra risico of ongemak geïntroduceerd voor deelnemende patiënten. De verzamelde gegevens zullen dienen als basis voor het ontwikkelen en valideren van de 3D-modellen. Op de lange termijn kunnen de resulterende inzichten helpen bij het optimaliseren van katheterpositionering, injectieparameters en doseringsplanning, met als ambitie om effectievere, gepersonaliseerdere en veiligere TARE-behandelingen te bereiken.