Data- & AI-modellen
Onderzoek in de bio-informatica, bijvoorbeeld binnen het Utrecht Bioinformatics Center, de Big Data Core Máxima, het Lectoraat Artificial Intelligence | Hogeschool Utrecht en de recent opgerichte UMC Utrecht Artificial Intelligence (AI) labs en AI & Dierenwelzijn lab, bevordert de ontwikkeling van voorspellende algoritmen op basis van moleculaire (genomische, proteomische, metabolomische) en beeldvormingsdata.
De nauwkeurigheid van de diagnose en de voorspelling van de therapeutische respons zijn cruciaal om te voorkomen dat ineffectieve kankerbehandelingen worden toegediend. AI en in silico-modellen spelen een essentiële rol bij het verbeteren van deze aspecten.
Breakthroughs and impact
De ontwikkeling van geavanceerde AI- en in silico-modellen, toegepast op genetische data, digitale pathologie of radiologische beelden, verbetert de diagnostiek en de voorspelling van de respons op behandelingen.
AI-identificatie van hersentumoren
Snelle nanopore-sequencing in combinatie met een nieuw 'deep-learning-algoritme' versnelt de identificatie van een specifiek type hersentumor. Jaarlijks krijgen 1400 volwassenen en 150 kinderen de diagnose hersen- of ruggenmergtumor.
Een operatie is vaak de eerste stap in de behandeling. De karakterisering van een hersentumor duurt normaal gesproken een week, maar deze nieuwe technologie, ontwikkeld door het UMC Utrecht en het Prinses Máxima Centrum, stelt neurochirurgen nu in staat hun chirurgische strategie in realtime aan te passen.
AI-modellen voor borstkanker
Het is aangetoond dat AI de diagnostische nauwkeurigheid in de pathologie kan verbeteren. In de CONFIDENT-B-studie bleek realtime ondersteuning van een door IVD goedgekeurd algoritme voor de detectie van borstkankermetastasen in schildwachtklieren veilig, kosteneffectief en snel te zijn, waardoor de werkdruk van pathologen aanzienlijk werd verlaagd. Dit algoritme wordt nu dagelijks in de klinische praktijk gebruikt. Het UMC Utrecht loopt voorop in de validatie en implementatie van AI om de diagnostiek en behandelstrategieën voor kanker te verbeteren.
De wiskunde van de somatische evolutie van kanker
Tumoren zijn complexe, evoluerende ecosystemen van cellen die verschillende strategieën volgen voor overleving en voortplanting in het lichaam. Door middel van zowel theoretisch als experimenteel onderzoek modelleren wetenschappers van de Faculteit der Natuurwetenschappen van de Universiteit Utrecht dit complexe systeem als een evolutionair spel. De evolutionaire speltheorie werd gebruikt om de betekenis van weefselranden voor de beweeglijkheid van kankercellen vast te stellen, evenals het belang van de timing van de behandeling vanwege sociale dilemma's zoals de zuurgraad en de vascularisatie van de tumor. Er werd een experimentele speltest ontwikkeld om de evolutionaire spellen die longkanker speelt te meten en te bestuderen, om zo evolutie beter te begrijpen en de kankerbehandeling te verbeteren.
Computersimulaties
Voorspellende modellen en computersimulaties worden gebruikt om de relatie tussen het reologische en mechanische gedrag van gezond weefsel en kankertumoren, en de eigenschappen van individuele cellen, te ontrafelen. Onderzoekers bestuderen het effect van verschillende celeigenschappen (stijfheid, chemische factoren, actinefilamentnetwerk) op het collectieve gedrag van hele weefsels. Een beter begrip van de link tussen individuele cellen en de eigenschappen van tumoren is belangrijk voor de kankerprognose en het metastatisch potentieel, en zal naar verwachting dus van invloed zijn op kankertherapieën.
Dense Tissue and Early Breast Neoplasm Screening (DENSE)
Dicht borstweefsel verhoogt het risico op borstkanker en bemoeilijkt de detectie met mammografie. Studies suggereren dat MRI in combinatie met mammografie de kankerdetectie verbetert, maar de impact hiervan is nog niet onderzocht in gerandomiseerde studies. De DENSE-studie van het UMC Utrecht is baanbrekend en onderzoekt de toegevoegde waarde van MRI voor vrouwen met dicht borstweefsel in het kader van de Nederlandse tweejaarlijkse mammografiescreening.
DNA-signatuur van bacteriën
Het Hubrecht Instituut en het Prinses Máxima Centrum voor Kinderoncologie hebben samengewerkt aan nieuwe technieken om een specifieke ‘signatuur’ in DNA, veroorzaakt door bacteriën, beter op te sporen. Deze groep afwijkingen in het DNA is op zichzelf niet voldoende om darmkanker te veroorzaken, maar het is wel een van de stappen in de ontwikkeling van de ziekte. De nieuwe technieken zouden mogelijk in de toekomst gebruikt kunnen worden voor onderzoek naar de oorsprong van andere soorten kanker.
Experts van de volgende generatie
Het is onze verantwoordelijkheid om de volgende generatie onderzoekers op te leiden en te trainen, zodat er een dynamische omgeving ontstaat waarin innovatieve wetenschap blijft bijdragen aan steeds betere resultaten voor onze patiënten.
PhD-programma's
Binnen de Graduate School of Life Sciences worden de volgende PhD-programma's aangeboden, afgestemd op dit doel.
Studenten kunnen ook onze andere PhD-programma's of masterprogramma's bekijken.