Utvikling av klinisk høyeffektive plattformer for individualisert behandling av livmorhalskreft

For mål 1. Automatisk avgrensning av komplekse tumormål for livmorhalskreft for Gross Tumor Volume (GTV) ved baseline og ved brachyterapi og High Risk Clinical Target Volume (CTV) ved baseline og brachyterapi vil bli utført på MR.

Følgende strukturer vil bli behandlet for automatisering på CT

1. Klinisk målvolum med lav risiko (CTV med lav risiko)
2. GTV: Nodal
3. Valgfri nodal bekkenmålvolum
4. Valgfri nodal bekken og paraaortisk volum
5. Rektum
6. Blære
7. Sigmoid
8. Tarm
9. Beinmarg

For mål 2. Etterforskeren har til hensikt å bruke maskinlæring for å utvikle mer robuste prediksjonsmodeller for normalvevstoksisitet. Ytterligere avanserte teknikker som teksturanalyse av stråledosekart og oppfølging av vevstetthet vil også bli utført for å utvikle prediktive modeller for toksisitet. Ved å bruke våre pasientdatasett ønsker Investigator å lage et bibliotek med protonstråleplaner med protonplanleggingssystemene som vil være tilgjengelige i avdelingen for strålingsonkologi, og ved å bruke de utviklede normale vevskomplikasjonsplottene som er tilgjengelige, kan informasjonen om oppnåelige doser gjennom protoner hjelpe til med å identifisere pasienter som vil ha nytte av protonterapi.

For mål 3. Innenfor dette prosjektet har etterforskeren til hensikt å integrere iscenesettelse, patologi og kvantitative bildeteksturfunksjoner for responsprediksjon og identifisering av "høyrisikokohort" i livmorhalskreft. Bilder og kliniske data fra pasienter som har MR ved baseline vil bli inkludert. Teksturfunksjonene kan brukes til å kategorisere "gode" og "dårlige respondere" etter kjemoradiasjon. For den samme pasientgruppen har etterforskeren også vev tilgjengelig, inkludert resultater fra flere biomarkører (som AKT, LICAM, PDL1, CD4 og CD8). Etterforskeren har til hensikt å først korrelere forskjeller i teksturegenskaper og se om det er et mønster av forskjellige molekylære egenskaper. I det andre trinnet kan bildebehandling og molekylære funksjoner integreres for å utvikle "risikoprediksjonsmodeller". GTV og HRCTV avgrenset på 150 datasett ved baseline og brachyterapi innenfor Mål 1 vil bli brukt til å kategorisere respondere og ikke-respondere og validere ytterligere 150 pasientdatasett.