• Home
  • Contact
  •  NL 
  • Login medewerkers
  • mijnUMCG

The prognostic value of CT radiomic features from primary tumours and pathological lymph nodes in head and neck cancer patients

Print 
Datum: 15 januari 2020
Tijd: 12:45
Locatie: Aula Academiegebouw Rijksuniversiteit Groningen
Adres: Broerstraat 5 te Groningen
Promotor: prof. dr. J.A. Langendijk

Tiantian Zhai: The prognostic value of CT radiomic features from primary tumours and pathological lymph nodes in head and neck cancer patients​

Elk jaar krijgen wereldwijd 0,83 miljoen mensen de diagnose hoofdhals kanker en overlijden 0,43 miljoen mensen aan deze vorm van kanker. Bij ongeveer 30%-50% van alle patiënten met lokaal gevorderde hoofdhalskanker is de tumor niet volledig verdwenen na de behandeling met radiotherapie al dan niet in combinatie met chemotherapie. Daarnaast treden lokale of regionale recidieven of afstandsmetastasen op.

Het hoofddoel van dit proefschrift is om patiënten met hoofdhalskanker die een kleinere kans op genezing hebben te identificeren zodat de behandelstrategie voor deze patiënten geoptimaliseerd kan worden. Wij hebben een serie voorspellende modellen voor verschillende behandeluitkomsten ontwikkeld en extern gevalideerd: modellen om per patiënt het risico op lokale recidieven, regionale recidieven en afstandsmetastasen te voorspellen en een model om voor elke pathologische lymfeklier afzonderlijk het risico op resttumor of een recidief na de behandeling te voorspellen.
Deze modellen maken gebruik van beeldkarakteristieken uit CT-beelden van tumoren en pathologische lymfeklieren als voorspellende factoren.

Wij hebben aangetoond dat deze modellen op basis van deze beeldkarakteristieken het risico op recidieven net zo goed of soms zelfs beter konden voorspellen dan op basis van klinische eigenschappen van de patiënt. De in dit proefschrift gepresenteerde modellen kunnen door artsen gebruikt worden om de behandelresultaten voor individuele patiënten met hoofdhalskanker beter te voorspellen. Hiermee kunnen in de toekomst behandelstrategieën per patiënt geoptimaliseerd worden en mogelijk de overlevingskansen verbeterd worden.

Volg ons op sociale mediaFacebook LinkedIn Twitter Youtube Instagram