Opis projektu
Molekularny rezonans magnetyczny do obrazowania guzów mózgu u dzieci
Obrazowanie metodą rezonansu magnetycznego (MRI) wciąż stanowi złoty standard w diagnostyce i monitorowaniu guzów mózgu. Typowe informacje uzyskiwane drogą MRI mają jednak charakter jakościowy, w związku z czym ich wadą jest brak precyzji i możliwości monitorowania odpowiedzi na leczenie. Zespół finansowanego przez Europejską Radę ds. Badań Naukowych projektu BabyMagnet zamierza rozwiązać ten problem za pomocą technologii molekularnego rezonansu magnetycznego, która oferuje szybkie monitorowanie raka mózgu u dzieci bez konieczności stosowania środków kontrastowych. Technologia ta opiera się na zmianach pH i stężenia białka w mózgu jako biomarkerach raka, przy czym jest wspomagana przez sztuczną inteligencję. Badania te mogą zrewolucjonizować obrazowanie nowotworów dzięki automatycznej optymalizacji protokołu MRI, skróceniu czasu skanowania i zwiększeniu precyzji w leczeniu raka u dzieci.
Cel
Despite vast drug development efforts, brain tumors remain the leading cause of pediatric cancer deaths. Noninvasive monitoring of treatment response is crucial to reveal the mechanisms behind tumor-drug interactions and optimize patient care. However, standard magnetic resonance imaging (MRI) methods involve injecting metals, have severe difficulties in differentiating treatment response from tumor progression, are qualitative, and mandate prolonged anesthesia due to the lengthy acquisition. I propose to develop a transformative molecular MRI technology, based on the chemical exchange saturation transfer (CEST) contrast mechanism that will enable specific, quantitative, rapid, contrast-material free, treatment monitoring of pediatric brain cancer. Recently I revealed that a combination of mathematical CEST models and AI can generate quantitative biomarker maps of pH and protein concentration changes across the brain, two known hallmarks of cancer. Inspired by these results, I now propose to adopt a previously unconsidered perspective and to represent the underlying physics of CEST MRI as a computational graph, enabling an automatic AI-based optimization of molecular imaging. I hypothesize that the combination of biophysical models with a new AI framework, and their synergetic integration throughout the entire imaging pipeline will provide accurate noninvasive treatment monitoring. First, I will establish a method for automated optimization of MRI protocols for early determination of the tumor response to mainstream chemotherapy. Next, I will shorten the 3D scan time by an order of magnitude and quantify the response to next generation immunotherapy. Third, I will translate the method to clinical scanners and validate it in a human pediatric pilot study. This research will yield a fundamental understanding of the molecular mechanisms underlying treatment response and establish an innovative precision medicine methodology that will transform pediatric cancer imaging.
Dziedzina nauki
- medical and health sciencesbasic medicinepharmacology and pharmacydrug discovery
- medical and health sciencesclinical medicineoncology
- medical and health scienceshealth sciencespersonalized medicine
- engineering and technologymedical engineeringdiagnostic imagingmagnetic resonance imaging
- medical and health sciencesbasic medicineimmunologyimmunotherapy
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
69978 Tel Aviv
Izrael