Utveckling av kliniskt högeffektiva plattformar för individualiserad behandling av livmoderhalscancer

För mål 1. Automatisk avgränsning av komplexa tumörmål för livmoderhalscancer för bruttotumörvolymen (GTV) vid baslinjen och vid brachyterapi och hög risk klinisk målvolym (CTV) vid baslinjen och brachyterapi kommer att göras på MRT.

Följande strukturer kommer att bearbetas för automatisering på CT

1. Klinisk målvolym med låg risk (CTV med låg risk)
2. GTV: Nodal
3. Elektiv nodal bäckenmålvolym
4. Elektiv nodal bäcken och paraaortisk volym
5. Ändtarm
6. Blåsa
7. Sigmoid
8. Skål
9. Benmärg

För mål 2. Utredaren avser att använda maskininlärning för att utveckla mer robusta modeller för förutsägelse av normal vävnadstoxicitet. Ytterligare avancerade tekniker som texturanalys av stråldoskartor och uppföljning av vävnadstäthet kommer också att utföras för att utveckla prediktiva modeller för toxicitet. Genom att använda våra patientuppsättningar vill utredaren skapa ett bibliotek av protonstråleplaner med protonplaneringssystem som kommer att finnas tillgängliga på avdelningen för strålningsonkologi och med hjälp av de utvecklade normala vävnadskomplikationsdiagrammen som finns tillgängliga kan informationen om uppnåbara doser genom protoner hjälpa till att identifiera patienter som kommer att dra nytta av protonterapi.

För mål 3. Inom detta projekt avser utredaren att integrera iscensättning, patologi och kvantitativa bildtexturfunktioner för svarsförutsägelse och identifiering av "högriskkohort" i livmoderhalscancer. Bilder och kliniska data från patienter som har MRT vid baslinjen kommer att inkluderas. Texturfunktionerna kan användas för att kategorisera "bra" och "dålig responders" efter kemoradiation. För samma kohort av patienter har utredaren också tillgänglig vävnad inklusive resultat av ytterligare biomarkörer (som AKT, LICAM, PDL1, CD4 och CD8). Utredaren har för avsikt att först korrelera skillnader i texturegenskaper och se om det finns ett mönster av olika molekylära egenskaper. I det andra steget kan avbildning och molekylära egenskaper integreras för att utveckla "riskprediktionsmodeller". GTV och HRCTV avgränsade på 150 datauppsättningar vid baslinjen och brachyterapi inom mål 1 kommer att användas för att kategorisera responders och non-responders och validera ytterligare 150 patientdatauppsättningar.