Desenvolvimento de plataformas clinicamente altamente eficientes para tratamento individualizado do câncer de colo do útero

Para o Objetivo 1. O delineamento automático de alvos tumorais complexos para câncer cervical para o Volume Tumoral Bruto (GTV) na linha de base e na braquiterapia e Volume Alvo Clínico de Alto Risco (CTV) na linha de base e braquiterapia será feito na ressonância magnética.

As seguintes estruturas serão processadas para automação no CT

1. Volume alvo clínico de baixo risco (CTV de baixo risco)
2. GTV: Nodal
3. Volume alvo pélvico nodal eletivo
4. Volume nodal pélvico e para-aórtico eletivo
5. Reto
6. Bexiga
7. sigmoide
8. Intestino
9. Medula óssea

Para o objetivo 2. O investigador pretende empregar aprendizado de máquina para desenvolver modelos de previsão de toxicidade de tecido normal mais robustos. Outras técnicas avançadas, como análise de textura de mapas de dose de radiação e acompanhamento da densidade do tecido, também serão realizadas para desenvolver modelos preditivos de toxicidade. Usando nossos conjuntos de dados de pacientes, o investigador deseja criar uma biblioteca de planos de feixe de prótons com os sistemas de planejamento de prótons que estarão disponíveis no departamento de oncologia de radiação e usando os gráficos de complicação de tecido normal desenvolvidos disponíveis, as informações de doses alcançáveis ​​por meio de prótons podem ajudar na identificação pacientes que se beneficiarão da terapia de prótons.

Para o objetivo 3. Neste projeto, o investigador pretende integrar os recursos de teste, patologia e textura de imagem quantitativa para previsão de resposta e identificação de "coorte de alto risco" no câncer do colo do útero. Serão incluídas imagens e dados clínicos de pacientes que fizeram ressonância magnética no início do estudo. As características de textura podem ser usadas para categorizar "boas" e "más respostas" após a quimiorradiação. Para o mesmo grupo de pacientes, o investigador também tem tecido disponível, incluindo resultados de biomarcadores adicionais (como AKT,LICAM, PDL1,CD4 e CD8). O Investigador pretende primeiro correlacionar a diferença nas características de textura e ver se existe um padrão de diferentes características moleculares. Na segunda etapa, os recursos de imagem e moleculares podem ser integrados para o desenvolvimento de "modelos de previsão de risco". GTV e HRCTV delineados em 150 conjuntos de dados na linha de base e braquiterapia dentro do Objetivo 1 serão utilizados para categorizar respondedores e não respondedores e validar outros 150 conjuntos de dados de pacientes.