Bilaterale Ausschreibung: Frankreich
Wissenschaftsdisziplinen
Andere Humanmedizin, Gesundheitswissenschaften (15%); Informatik (25%); Klinische Medizin (25%); Medizinisch-theoretische Wissenschaften, Pharmazie (35%)
Keywords
Molecular Imaging,
PET,
FDG,
Breast Cancer,
Machine Learning,
Inter-Organ Signalling
Abstract
Krebs ist eine verheerende Krankheit. Grundsätzlich handelt es sich um eine systemische
Erkrankung, die zusätzlich zu tumorösen Läsionen mehrere Organe betreffen kann. Durch
die Messung von Stoffwechselsignalen kann die Funktion von Organen beurteilt werden.
Möglich ist dies in 3D (und sogar 4D) durch den Einsatz eines speziellen nuklearmedizinischen
Bildgebungsverfahrens, der sogenannten Positronen-Emissions-Tomographie (PET).
Unsere Forschungsprojekt evaluiert, ob und wie wir die PET-Bildgebung in der Diagnose und
prognostischen Bewertung von Brustkrebspatientinnen einsetzen können. Wir verwenden
Daten, die von zwei renommierten Instituten (Paris und Wien) vorliegen und für deren
Referenzdaten (Brustkrebs vorhanden? ja/nein und welche Art von Brustkrebs?) unsere
Vorhersagemodelle trainieren. Wir setzen Methoden der künstlichen Intelligenz und der
Graphischen Analyse ein, die zusammen auch als Netzwerkanalyse bezeichnet werden.
Wir hoffen zu zeigen, dass wir durch diese spezielle Analyse und die Bewertung von
Stoffwechselprofilen nicht nur des Brustkrebses selbst, sondern auch das mehrerer Organe,
diese Art von Tumor genauer definieren und dazu beitragen können, wesentliche Informationen
für eine verbesserte klinische Entscheidungsfindung bereitzustellen. Als solches kann dieses
Projekt zum Verständnis bösartiger Erkrankungen und zur Personalisierung der Medizin durch
die Verwendung von nicht-invasiven PET-Bilddaten beitragen.