Het zichtbaar maken en verbeteren van de doorbloeding in de nieuwe borst na DIEP-lap-operatie bij borstkanker middels nabij-infrarood fluorescentie

Na een operatie voor borstkanker wordt vaak een DIEP-lap gebruikt voor de reconstructie. Dit is een stuk huid met vet uit de onderbuik waarmee een nieuwe borst gemaakt wordt. Goede doorbloeding is cruciaal om complicaties zoals vetnecrose te voorkomen. Vetnecrose, dode vetcellen veroorzaakt door onvoldoende bloedtoevoer, kan leiden tot verhardingen die borstkanker nabootsen, infecties, slechte cosmetische resultaten en heroperaties. Dit treft momenteel 15% van de patiënten. Naast fysieke complicaties ervaren patiënten ook psychologische belasting. Bovendien wordt de doorbloeding nu subjectief door de chirurg beoordeeld, wat de betrouwbaarheid beperkt.

Onderzoeksrichting/voorgestelde oplossing

Deze studie onderzoekt het gebruik van nabij-infrarood fluorescentie beeldvorming met indocyanine groen (ICG), een veilige kleurstof, om de doorbloeding van de DIEP-lap tijdens de operatie te beoordelen. Deze techniek stelt chirurgen in staat gebieden met een verhoogd risico op vetnecrose beter te herkennen en direct aanpassingen te maken aan de lap, waardoor complicaties mogelijk worden verminderd of geheel voorkomen.Daarnaast wordt een artificial intelligence (AI)-model ontwikkeld dat automatisch gebieden met een verhoogd risico op vetnecrose kan identificeren op basis van fluorescentievideo’s. Het AI-model maakt gebruikt van geavanceerde algoritmen om de doorbloeding te analyseren en risicogebieden te markeren voor de chirurg, met data van fluorescentiebeelden en klinische variabelen voor een objectieve, gepersonaliseerde beoordeling.

Relevantie

Het verminderen van de kans op vetnecrose zal het risico op complicaties en psychologische stress bij patiënten aanzienlijk verminderen. Door het AI-model te combineren met fluorescentiemetingen, kan de betrouwbaarheid en efficiëntie van beslissingen tijdens de operatie worden verhoogd, wat zal bijdragen aan verbeterde patiëntenzorg en lagere zorgkosten.

Onderzoeksvragen

• Verlaagt het gebruik van fluorescentiebeeldvorming tijdens DIEP-lap-operaties de kans op vetnecrose?
• Welke klinische en behandeling gerelateerde factoren beïnvloeden het ontstaan van vetnecrose?
• Kan een AI-model de chirurg ondersteunen bij de beoordeling van de doorbloeding in DIEP-lappen?

Onderzoeksopzet

In totaal zullen 280 patiënten deelnemen aan deze studie, verdeeld over 2 groepen. In de interventiegroep kan de chirurg de fluorescentie beelden gebruiken om de DIEP-lap aan te passen wanneer er stukken minder goed doorbloed zijn. In de controlegroep mag de chirurg niet naar de beelden kijken, dit is noodzakelijk om de effectiviteit van de techniek objectief te beoordelen. Bij deze patiënten verloopt de operatie zoals normaal. Het AI-model zal worden ontwikkeld met behulp van gegevens verzameld tijdens deze studie. Het model wordt getraind met video’s en beelden van de interventiegroep en gevalideerd met onafhankelijke datasets. Hierbij worden geavanceerde technieken toegepast om variatie tussen verschillende patiënten en ziekenhuizen te minimaliseren.

Verwachte uitkomsten

De resultaten zullen bijdragen aan de (inter)nationale invoering van fluorescentiebeeldvorming en AI-modellen tijdens DIEP-lap-operaties. Dit zal het optreden van vetnecrose, heroperaties en mentale belasting verminderen. Het AI-model biedt bovendien een objectieve en reproduceerbare manier om intra-operatieve beslissingen te ondersteunen, wat de chirurgische zorgstandaard kan verhogen.

Benodigde stappen voor implementatie

De bevindingen worden gedeeld via medische-/technische-conferenties, publicaties en nascholingen, inclusief praktische handleidingen voor intra-operatieve fluorescentiemetingen. Het AI-model wordt getest en geïntegreerd in bestaande chirurgische workflows. Patiëntenorganisaties, zoals de Borstkankervereniging, zullen betrokken worden bij de verspreiding van resultaten om zowel professionals als patiënten goed te informeren.