| Source DB | nl |
|---|
| Institution | KU Leuven |
|---|
| Code | 4ca5f3b0-6cf3-4e93-8910-d29686bad89d |
|---|
| Unit | 3f010436-c5b1-438c-8066-4dae396d238f
|
|---|
| Begin | 1/1/2021 |
|---|
| End | 12/31/2024 |
|---|
| title fr |
|
|---|
| title nl | Verbeterde borstkankeropsporing door dynamische big data analyse van kwantitatieve kenmerken berekend uit beelden (biomarkers)
|
|---|
| title en | Improving breast cancer screening through dynamic big data analytics of Quantitative Imaging Biomarkers
|
|---|
| Description fr |
|
|---|
| Description nl | Borstkanker is nog steeds een gezondheidsprobleem. De mortaliteit in Vlaanderen en Slovenia is gelijkaardig en boven het Europese gemiddelde. Terwijl beide regio’s succesvolle opsporingsprogramma’s hebben worden er nog te veel kankers gemist. De beeldvorming moet verbeterd worden in de “dense borsten” waarin tot 5 keer meer kankers ontstaan en in borsten waar het complexe borstkierweefsel de letsels “maskeert”. Deze uitdagingen zullen in dit project gecoördineerd aangepakt worden door twee leidinggevende onderzoeksgroepen uit Vlaanderen en Slovenia en steunen op (1) de integratie van dynamische veranderingen van één screeningsronde tot de volgende (longitudinaal onderzoek) en (2) het benutten van de macht van big data analyse om kankervoorspellende kenmerken te extraheren uit de beelden (spatiaal onderzoek). Eerst zullen handmatige (radiomics) en machine-learning (Convolutional Neural Networks) kenmerken geëxtraheerd en gevalideerd worden in een retrospectieve studie bij 9000 vrouwen in Vlaanderen en Slovenia. Deze beeldkenmerken zullen dan prospectief getest worden bij 100 patiënten per jaar en per regio. Het internationale ‘Networks of Imaging eXellence (NIX)-Alliance’ zal gebruikt worden om structureel, volgens internationale normen, te werken aan beeldkenmerkenextractie en het testen/fijnregelen. Onze resultaten zullen toelaten om de huidige kankeropsporing te verbeteren met een objectieve procedure, gebaseerd op het persoonlijk risico van de individuele vrouw.
|
|---|
| Description en | Breast cancer still represents a major health problem. Mortality rates, both in Flanders and Slovenia, are similar and above the European average. While both regions have successful breast screening programs, the overall detection rates are still too low. Two main factors contribute to missed cancers: “dense breasts” which lead to a five-fold occurrence of breast cancer and “tissue masking”, resulting from complex glandular tissue structure. These challenges will be addressed by combining approaches pioneered by the two lead investigators from Flanders and Slovenia. An improved screening methodology will be developed by (1) integrating dynamic changes from one screening time point to another (longitudinal assessment) and (2) harnessing the power of big data analytics to extract cancer-predictive features (spatial assessment). A retrospective study will identify hand-crafted (radiomics) and machine-learning based (Convolutional Neural Networks) features on a data base of 9000 women in Flanders and Slovenia. These biomarkers will then be validated prospectively on at least 100 patients per year at each site. The international quantitative imaging framework will be leveraged (Networks of Imaging eXcellence (NIX)-Alliance) to provide the infrastructural backbone for imaging biomarker extraction and testing/fine-tuning. Our results will improve current breast screening schemes with an objective, risk-based stratification procedure based on a personalized risk score.
|
|---|
| Qualifiers | - breast cancer - |
|---|
| Personal | Bosmans Hilde |
|---|
| Collaborations | |
|---|
