Jaarlijks worden in Nederland meer dan 10.000 nieuwe patiënten met prostaat carcinoom gediagnosticeerd. Eén van de behandelmogelijkheden is het chirurgisch verwijderen van de prostaat doormiddel van een radicale prostatectomie. Omdat het tijdens de operatie moeilijk is onderscheid te maken tussen tumor weefsel en gezond weefsel, blijft in ongeveer 21% van de patiënten tumorweefsel achter in de patiënt. Deze tumor positieve resectieranden worden ontdekt enkele dagen na de operatie wanneer het weefsel onder de microscoop door de patholoog bekeken wordt. Als gevolg hiervan hebben patiënten extra behandeling (radiotherapie) nodig die overbodig was geweest als wanneer de positieve resectieranden tijdens de operatie ontdekt waren. De chirurg heeft daarom behoefte aan een tool die hem/haar intra-operatief kan vertellen of tumor weefsel aanwezig is op de resectieranden.

Een technologie die mogelijkerwijs in staat is om onderscheid te maken tussen gezond prostaat weefsel en prostaat carcinoom is Diffuse Reflectie Spectroscopie (DRS). Bij DRS metingen  wordt licht met golflengtes tussen de 400 en 1600nm met behulp van optische fibers die geïntegreerd zijn in een probe in weefsel gebracht. Vervolgens wordt het licht in het weefsel geabsorbeerd en verstrooid waardoor het spectrum van het licht veranderd. De mate van absorptie en verstrooiing hangen af van de samenstelling en morfologie van het weefsel. Tumor weefsel heeft vaak andere optische karakteristieken dan gezond weefsel waardoor er verschillende DRS spectra in tumor en gezond weefsel worden gemeten. Eerdere studies met DRS metingen laten zien dat het met behulp van deze technologie mogelijk is om tumor weefsel te detecteren in verschillende organen, zoals borst, colon en long.

Indien DRS in staat is om onderscheid te maken tussen gezond prostaat weefsel en tumor is het belangrijk om ook de technologie geschikt te maken voor intra-operatief gebruik. Dat betekent dat de metingen real-time geclassificeerd kunnen worden met behulp van een classificatiemodel mogelijk gebaseerd op machine learning. Omdat een groot deel van de prostatectomieen wordt uitgevoerd met behulp van een robot is het ook belangrijk dat de uiteindelijke intra-operatieve tool geïntegreerd kan worden met robotchirurgie. Tijdens de stage is de student onder andere op de operatiekamer aanwezig, verricht hij/zij de metingen en leert deze te analyseren.

De student maakt hierbij kennis met de verschillende stappen in het behandel proces: multidisciplinair overleg, diagnostiek, operatie, en pathologie uitslag.

Om te onderzoeken of het mogelijk is om DRS metingen te gebruiken voor het detecteren van tumor positieve resectieranden tijdens prostaat chirurgie is de eerste stap om te onderzoeken wat de verschillen zijn tussen DRS metingen van gezond prostaat weefsel en prostaat kanker. En vervolgens hoe deze optische verschillen gebruikt kunnen worden voor het maken van een machine learning classificatie model.

Prerequisites

  • Enthusiastic Master student in electrical engineering, biomedical engineering, computer science, technical medicine or a related field
  • A good team player with excellent communication skills
  • A creative solution-finder

Duration: 10 weeks (M2) 

Start date: a.s.a.p.

For project details, please contact

Dr. Lisanne de Boer : Postdoc

Dr. Lisanne de Boer

Postdoc

l.d.boer@nki.nl

Leave a Reply

Your email address will not be published. Required fields are marked *