Prediksjon av tilbakefall i glioblastom

Prediksjon av tilbakefall i glioblastom ved MR og maskinlæring

Glioblastom er den hyppigst forekommende graden av hjernesvulst. Overlevelsen hos pasienter med denne sykdommen er omtrent 15 måneder. Kirurgi er den vanligste formen for behandling av glioblastom. Etter operasjon er det svært vanlig at det oppstår ny tumordannelse i nærliggende områder til den opprinnelige tumoren som ikke fjernes ved operasjon. Hensikten med dette prosjektet er å analysere disse perifere områdene i post-operative magnetisk resonans (MR) og positronemisjonstomografi (PET)-bilder ved hjelp av kunstig intelligens og forsøke å predikere hvilke områder som mest sannsynlig vil utvikle nydannelse av tumorvev. Dette vil i fremtiden kunne gi kirurgen nyttig informasjon om hvilke områder som bør fjernes ved operasjon og ved valg av videre behandling av pasienten.

Dette prosjektet er et samarbeid mellom PET-senteret ved Universitetssykehuset Nord-Norge, SFI Visual Intelligence og Maskinlæringsgruppa ved UiT Norges Arktiske Universitet, Nasjonalt senter for ultralyd og bildeveiledet behandling ved Norges teknisk-naturvitenskapelige universitet (NTNU), samt Hospital Universitario Rio Hortega, Spania.

Samarbeidspartnere

SFI Visual Intelligence og Maskinlæringsgruppa ved UiT Norges Arktiske Universitet

Nasjonalt senter for ultralyd og bildeveiledet behandling ved NTNU

Hospital Universitario Rio Hortega, Spania

Formål

Formålet med prosjektet er å predikere tilbakefall av glioblastom i MR og PET-bilder ved hjelp av kunstig intelligens.

Effekt/kvalitetsmål

Hvis metoden lykkes med å predikere hvilke områder som vil utvikle tilbakefall, vil dette være en stor fordel for pasienter med sykdommen glioblastom. Da kan nemlig kirurgen velge å fjerne en større del vev som ligger omkring primærtumoren ved operasjon. Hvis området med høy sannsynlighet for å danne sekundærtumører fjernes ved operasjon eller strålebehandles etter operasjon, vil dette direkte kunne øke overlevelse hos disse pasientene.