PRIMORDIAL – Een voorspellingsmodel op basis van artificiële intelligentie (AI) om risicofactoren voor medicatie-gerelateerde osteonecrose van de kaken op te sporen.

Het evenwicht in botgezondheid kan worden verstoord door ziekte en medicatie-gebruik. Antiresorptieve geneesmiddelen worden vaak gebruikt om botmetastasen te voorkomen na kanker. Toch wordt hun gebruik geassocieerd met medicatie-gerelateerde osteonecrose van de kaak (MRONJ), gekenmerkt door blootliggend necrotisch bot in de mondholte, infectie en pijn. Hoewel er onderzoek naar gevorderde MRONJ-laesies is gepubliceerd, is er tot op heden weinig bekend over de vroege ziektestadia, de initiële beeldvormingskenmerken en potentiële preventie door vroegtijdige detectie en ziektevoorspelling. Ook radiologische risicofactoren voor bepaling van een succesvol behandelresultaat zijn nog niet bekend. Daarom is de hoofddoelstelling van dit project het ontwikkelen van een geautomatiseerd predictiemodel voor MRONJ inductie en prognose, door: 1. identificeren van radiologische en genetische predisponerende factoren voor MRONJ ontwikkeling 2. beschrijven van risicofactoren die het behandelingsresultaat bij patiënten met MRONJ beïnvloeden De subdoelen zullen worden bereikt door: o Prospectief cohortonderzoek om patiënten met verhoogd risico op ontwikkelen van MRONJ te volgen en zo risicofactoren te identificeren o Retrospectieve cohortstudie bij patiënten met MRONJ in stadium I en II die een chirurgische of conservatieve behandeling hebben ondergaan om radiologische kenmerken en potentiële genetische factoren te identificeren die verband houden met het resultaat van de behandeling

Trefwoorden:RADIOLOGIE

Disciplines:Machine learning en besluitvorming, Beeldverwerking, Diagnostische radiologie, Genetica, Mond- en maxillofaciale heelkunde

Project type:Samenwerkingsproject