Bildbasierte KI-Methoden zur Unterstützung der Therapieentscheidungsfindung bei pädiatrischen Osteosarkom-Patient:innen (ImagAIOS)

Programm

FTI Dissertation

Projektkoordination

Danube Private University, Ass.-Prof. Dr. Sepideh Hatamikia

Projektpartner

• Austrian Center for Medical Innovation and Technology (ACMIT)
• Medizinische Universität Wien 

Projektbeteiligte an DPU

• Arezoo Borji, MSc

Projektbeschreibung

Das Osteosarkom (OSC) ist der häufigste bösartige Knochentumor bei Kindern. Neben dem Primärtumor weisen etwa 30 % der Patient:innen zum Zeitpunkt der Diagnose bereits Lungenmetastasen auf, und weitere 30 % entwickeln im Verlauf ihrer Erkrankung solche Metastasen. Der aktuelle Versorgungsstandard für pädiatrische OSC-Patient:innen umfasst eine neoadjuvante Chemotherapie, die operative Entfernung von Primärtumor und Metastasen sowie eine adjuvante Chemotherapie. Dennoch bestehen Unsicherheiten hinsichtlich der Wahl der optimalen Behandlungsstrategie, insbesondere nach vollständiger Resektion des Primärtumors bei Patient:innen mit Metastasen. Daher werden neue Technologien benötigt, die eine verbesserte Entscheidungsfindung für eine patientenspezifische und optimale Therapie ermöglichen. Methoden der Künstlichen Intelligenz (KI) rücken zunehmend in den Fokus klinischer Anwendungen. Auch für die OSC-Therapie wurden bereits verschiedene auf maschinellem Lernen basierende Ansätze auf Basis medizinischer Bildgebungsdaten entwickelt. Trotz dieser Fortschritte besteht weiterhin Forschungsbedarf, um sowohl die Diagnostik als auch die Behandlung dieser Patient:innen weiter zu verbessern.

In diesem Projekt wird daher versucht, mithilfe neuer KI-Methoden erstmals eine Vorhersage des Auftretens wiederkehrender Lungenmetastasen zu ermöglichen sowie die Genauigkeit der Prognose des pathologischen Ansprechens auf eine Chemotherapie zu verbessern. Auf Basis kombinierter Informationen aus verschiedenen bildgebenden Verfahren werden innovative KI-Methoden entwickelt, die sowohl klassische Machine-Learning-Ansätze als auch fortgeschrittene Deep-Learning-Techniken integrieren. Verschiedene KI-Ansätze werden untersucht und anschließend hinsichtlich ihrer Leistungsfähigkeit evaluiert.