Abstract
De vroege detectie van huidkanker verbetert niet alleen de overlevingskansen, maar maakt ook goedkopere en effectievere behandelingen mogelijk, waardoor de impact op de kwaliteit van leven van patiënten vaak wordt geminimaliseerd. Dit projectvoorstel is gebaseerd op vier jaar doctoraal onderzoek van de aanvrager, gericht op het gebruik van infraroodthermografie voor het karakteriseren van huidkankerletsels. Actieve infraroodthermografie is een niet-invasieve diagnostische techniek die infraroodstraling gebruikt om de huidtemperatuur te meten, waardoor temperatuurveranderingen en -verdeling op het oppervlak van het menselijk lichaam kunnen worden gedetecteerd. Actieve thermografie wordt al tientallen jaren veel gebruikt in medische toepassingen en blijkt bijzonder effectief te zijn bij het identificeren van huidkanker vanwege de verhoogde metabolische activiteit en angiogenese die verband houden met kwaadaardige cellen. In het geval van melanoom wordt aangenomen dat het een hogere temperatuur vertoont dan de omringende gezonde huid, waardoor het een prominent doelwit is voor infraroodbeeldvorming. Verschillende soorten huidtumoren, zoals basaalcelcarcinoom, kunnen verschillende thermische kenmerken vertonen, waardoor thermografie onderscheid kan maken tussen verschillende soorten huidkanker. Onderzoek wijst uit dat thermische infraroodbeeldvorming nieuwe bloedvaten en chemische veranderingen kan onthullen die verband houden met de ontwikkeling en groei van tumoren. Door eerdere onderzoeksinspanningen is een prototype ontwikkeld op basis van thermografie om het subcutane gebied en de diepte van huidlaesies te beoordelen voordat ze worden verwijderd. In samenwerking met de Zurich School of Engineering onderging het prototype voorlopige metingen op een kleine patiëntengroep, wat veelbelovende resultaten opleverde. Er moet echter nog een uitgebreide validatiestudie met een grotere patiëntengroep worden uitgevoerd, een lacune die dit project wil aanpakken. De voorgestelde onderzoeksmethodologie is gericht op het valideren van deze innovatieve techniek en het samenstellen van een substantiële dataset van thermografische gegevens over huidlaesies. Met behulp van deze dataset worden machine learning-algoritmen ontwikkeld, getraind en geëvalueerd om laesies nauwkeurig te karakteriseren en subcutane gebieden en diepten te onderscheiden.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)