DEEP RDT
Desenvolupament de models d’aprenentatge profund per predir la resposta terapèutica de la radioteràpia en pacients amb càncer.
T'interessa?Necessitat
La radioteràpia s’ha convertit en un pilar clau del tractament en múltiples càncers, amb beneficis provats en els resultats, tant com a neo/adjuvant com com a tractament principal. No obstant això, no està lliure d’efectes adversos i existeix variabilitat en l’eficàcia entre pacients, amb un 20-40% de no resposta, depenent de les característiques del tumor.
Solució
Algorisme predictor de resposta a la radioteràpia de pacients entrenat per imatges radiològiques de pacients amb càncer de recte localitzat tractat amb radioteràpia neo/adjuvant o de pulmó en estadi primerenc tractat amb radioteràpia estereotàctica.
Models neuronals convencionals per a l’extracció de dades de tomografia computada de diagnòstic, tomografia per emissió de positrons, ressonància magnètica, histopatologia de la biòpsia del tumor i dades clínic-moleculars.
Objetivo
Objectiu principal: Predicció de la resposta a la radioteràpia. Criteris RECIST avaluats als 6 mesos. Estratificació de pacients.
Altres objectius: Toxicitat relacionada amb la radioteràpia i explicabilitat del model.
Relacionats
DEEP RDT
Desenvolupament de models d’aprenentatge profund per predir la resposta terapèutica de la radioteràpia en pacients amb càncer.
