DEEP RDT
Desenvolupament de models d’aprenentatge profund per predir la resposta terapèutica de la radioterà pia en pacients amb cà ncer.
T'interessa?Necessitat
La radioterĂ pia s’ha convertit en un pilar clau del tractament en mĂşltiples cĂ ncers, amb beneficis provats en els resultats, tant com a neo/adjuvant com com a tractament principal. No obstant això, no estĂ lliure d’efectes adversos i existeix variabilitat en l’eficĂ cia entre pacients, amb un 20-40% de no resposta, depenent de les caracterĂstiques del tumor.
SoluciĂł
Algorisme predictor de resposta a la radioterà pia de pacients entrenat per imatges radiològiques de pacients amb cà ncer de recte localitzat tractat amb radioterà pia neo/adjuvant o de pulmó en estadi primerenc tractat amb radioterà pia estereotà ctica.
Models neuronals convencionals per a l’extracciĂł de dades de tomografia computada de diagnòstic, tomografia per emissiĂł de positrons, ressonĂ ncia magnètica, histopatologia de la biòpsia del tumor i dades clĂnic-moleculars.
Objectiu
Objectiu principal: PredicciĂł de la resposta a la radioterĂ pia. Criteris RECIST avaluats als 6 mesos. EstratificaciĂł de pacients.
Altres objectius: Toxicitat relacionada amb la radioterĂ pia i explicabilitat del model.