Deep Learning radiogenomics for individualisert terapi i uoperabel galleblæren kreft

Denne studien tok sikte på å undersøke behandlingsalternativet for pasienter med ikke-opererbar GB-kreft. For tiden behandling av inoperabel GB-kreft hovedsakelig palliativ med kjemoterapiregime begrenset til generisk form for kjemoterapitilbud til pasienter med annen GI-kreft. Det er utviklende data om rollen til genetisk mutasjon i kreft. Nyere studier har også vist multippel somatisk og kimlinjemutasjon i GB-kreft. Noen av disse mutasjonene kan brukes til målrettet terapi. Tiden for presisjonsmedisin sikret nye forhåpninger for pasienter med uoperabel kreft. Det er noen foreløpige data som viser fordelen med presisjonsmedisin også ved GB-kreft. Beregningen av målrettet terapi er avhengig av å få biopsibehandling på kreft som ofte kan være utfordrende, assosiert med komplikasjoner og mindre akseptabelt av pasientene. Studier i noen annen kreft viser at genetisk mutasjon kan forutsies basert på bildekarakteristika, men ingen slik studie har blitt gjort i GB-kreft. Den grunnleggende hypotesen er at prediksjon av HER2-status og respons på anti-HER2-rettet terapi ved bruk av radiomiske modeller for dyp læring i uopererbar GBC vil tillate forskere å fullt ut utnytte potensialet til målrettet terapi i kliniske studier.