Medische Oncologie Nummer 2, pp. 49-53
apr 2018, jaargang 21
Medische Oncologie Nr. 2, pp. 49-53
apr 2018, jr. 21
Promotie

NIEUWE TOOLS ONTWIKKELEN VOOR MEER GEPERSONALISEERDE GENEESKUNDE Datamining uit medische beeldvorming met radiomics

Radiomics is een methode om grote hoeveelheden kwantitatieve informatie te extraheren uit medische beelden. Modellen die hiermee worden ontwikkeld, kunnen helpen bij het maken van keuzes in de kliniek, en bijdragen aan meer gepersonaliseerde geneeskunde. Thibaud Coroller onderzocht de mogelijke inzet bij het voorspellen van tumorrespons, metastasering en prognose. Ralph Leijenaar focuste zich op de technische en methodologische aspecten die van belang zijn voor de implementatie van radiomics in de kliniek.

Thibaud Coroller: ‘Radiomics kan bij screening op longcarcinoom helpen om een betere beoordeling uit te voeren van een gevonden massa in de longen door het aantal valspositieven te reduceren’

Referenties Coroller

  1. Coroller TP, Agrawal V, Narayan V, et al. Radiomic phenotype features predict pathological response in non-small cell lung cancer. Radiother Oncol 2016;119(3):4806.
  2. Coroller TP, Agrawal V, Huynh E, et al. Radiomic-based pathological response prediction from primary tumors and lymph nodes in NSCLC. J Thorac Oncol 2017;12(3):467-76.
  3. Coroller TP, Grossmann P, Hou Y, et al. CT-based radiomic signature predicts distant metastasis in lung adenocarcinoma. Radiother Oncol 2015;114(3):345-50.
  4. Coroller TP, Bi WL, Huynh E, et al. Radiographic prediction of meningioma grade by semantic and radiomic features. PLoS One 2017;12(11):e0187908.
  5. Rios Velazquez E, Parmar C, Liu Y, et al. Somatic mutations drive distinct imaging phenotypes in lung cancer. Cancer Res 2017;77(14):3922-30.
  6. Yip SS, Kim J, Coroller TP, et al. Associations between somatic mutations and metabolic imaging phenotypes in non-small cell lung cancer. J Nucl Med 2017;58(4):569-76.

Referenties Leijenaar

  1. Leijenaar RT, Carvalho S, Velasquez ER, et al. Stability of FDG-PET radiomics features: an integrated analysis of test-retest and inter-observer variability. Acta Oncol 2013;52(7):1391-7.
  2. Leijenaar RT, Nalbantov G, Carvalho S, et al. The effect of SUV discretization in quantitative FDG-PET radiomics: the need for standardized methodology in tumor texture analysis. Sci Rep 2015;5:11075.
  3. Bogowicz M, Leijenaar RTH, Tanadini-Lang S, et al. Post-radiochemotherapy PET radiomics in head and neck cancer: the influence of radiomics implementation on the reproducibility of local control tumor models. Radiother Oncol 2017;125(3):385-91.
  4. Lambin P, Leijenaar RTH, Deist TM, et al. Radiomics: the bridge between medical imaging and personalized medicine. Nat Rev Clin Oncol 2017;14(12):749-62.
  5. Aerts HJ, Velazquez ER, Leijenaar RT, et al. Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach. Nat Commun 2014;5:4006.
  6. Leijenaar RT, Carvalho S, Hoebers FJ, et al. External validation of a prognostic CT-based radiomic signature in oropharyngeal squamous cell carcinoma. Acta Oncol 2015;54(9):1423-9.
  7. Leijenaar RT, Bogowicz M, Jochems A, et al. Development and validation of a radiomic signature to predict HPV (p16) status from standard CT imaging: a multicenter study. Br J Radiol 2018:20170498 (epub ahead of print).
Promotie

NIEUWE TOOLS ONTWIKKELEN VOOR MEER GEPERSONALISEERDE GENEESKUNDE Datamining uit medische beeldvorming met radiomics

Radiomics is een methode om grote hoeveelheden kwantitatieve informatie te extraheren uit medische beelden. Modellen die hiermee worden ontwikkeld, kunnen helpen bij het maken van keuzes in de kliniek, en bijdragen aan meer gepersonaliseerde geneeskunde. Thibaud Coroller onderzocht de mogelijke inzet bij het voorspellen van tumorrespons, metastasering en prognose. Ralph Leijenaar focuste zich op de technische en methodologische aspecten die van belang zijn voor de implementatie van radiomics in de kliniek.

Thibaud Coroller: ‘Radiomics kan bij screening op longcarcinoom helpen om een betere beoordeling uit te voeren van een gevonden massa in de longen door het aantal valspositieven te reduceren’

Referenties Coroller

  1. Coroller TP, Agrawal V, Narayan V, et al. Radiomic phenotype features predict pathological response in non-small cell lung cancer. Radiother Oncol 2016;119(3):4806.
  2. Coroller TP, Agrawal V, Huynh E, et al. Radiomic-based pathological response prediction from primary tumors and lymph nodes in NSCLC. J Thorac Oncol 2017;12(3):467-76.
  3. Coroller TP, Grossmann P, Hou Y, et al. CT-based radiomic signature predicts distant metastasis in lung adenocarcinoma. Radiother Oncol 2015;114(3):345-50.
  4. Coroller TP, Bi WL, Huynh E, et al. Radiographic prediction of meningioma grade by semantic and radiomic features. PLoS One 2017;12(11):e0187908.
  5. Rios Velazquez E, Parmar C, Liu Y, et al. Somatic mutations drive distinct imaging phenotypes in lung cancer. Cancer Res 2017;77(14):3922-30.
  6. Yip SS, Kim J, Coroller TP, et al. Associations between somatic mutations and metabolic imaging phenotypes in non-small cell lung cancer. J Nucl Med 2017;58(4):569-76.

Referenties Leijenaar

  1. Leijenaar RT, Carvalho S, Velasquez ER, et al. Stability of FDG-PET radiomics features: an integrated analysis of test-retest and inter-observer variability. Acta Oncol 2013;52(7):1391-7.
  2. Leijenaar RT, Nalbantov G, Carvalho S, et al. The effect of SUV discretization in quantitative FDG-PET radiomics: the need for standardized methodology in tumor texture analysis. Sci Rep 2015;5:11075.
  3. Bogowicz M, Leijenaar RTH, Tanadini-Lang S, et al. Post-radiochemotherapy PET radiomics in head and neck cancer: the influence of radiomics implementation on the reproducibility of local control tumor models. Radiother Oncol 2017;125(3):385-91.
  4. Lambin P, Leijenaar RTH, Deist TM, et al. Radiomics: the bridge between medical imaging and personalized medicine. Nat Rev Clin Oncol 2017;14(12):749-62.
  5. Aerts HJ, Velazquez ER, Leijenaar RT, et al. Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach. Nat Commun 2014;5:4006.
  6. Leijenaar RT, Carvalho S, Hoebers FJ, et al. External validation of a prognostic CT-based radiomic signature in oropharyngeal squamous cell carcinoma. Acta Oncol 2015;54(9):1423-9.
  7. Leijenaar RT, Bogowicz M, Jochems A, et al. Development and validation of a radiomic signature to predict HPV (p16) status from standard CT imaging: a multicenter study. Br J Radiol 2018:20170498 (epub ahead of print).
Over dit artikel
Auteur
Astrid Danen
Over de auteur

Dr. Astrid Danen, wetenschapsjournalist

E-pubdatum
22 maart 2018
ISSN online
2405-4763


Over dit artikel
Auteur
Astrid Danen
Over de auteur

Dr. Astrid Danen, wetenschapsjournalist

E-pubdatum
22 maart 2018
ISSN online
2405-4763