De snelle evolutie van de state-of-the-art behandeling voor thoracale kankers leidt systematisch tot een slechte prestatie van gepubliceerde predictiemodellen van toxiciteit (NTCP modellen) bij recent behandelde patiënten. Dit impliceert een suboptimale NTCP modelgebaseerde planning van foton radiotherapie (XT) en fouten in de NTCP model-gebaseerde patiëntselectie voor protontherapie (PT). Onze hypothese is dat het prospectief bijleren van elke behandelde patiënt ons in staat moet stellen om vroegtijdig relevante veranderingen in toxiciteit uitkomst te detecteren, met als gevolg een tijdige herziening van het NTCP model. Dit project zal daarom een framework opzetten voor het
continu updaten van NTCP modellen waarvan de werking zal geëvalueerd worden via simulaties en bestaande retrospectieve datasets. Het framework zal vervolgens prospectief worden gebruikt tijdens de introductie van PT in slokdarmkanker (Europese PROTECT fase III studie met randomisatie tussen XT en PT, welke momenteel ook loopt in UZ Leuven/PARTICLE) en longkanker (XT en PT data van internationale partners) om XT/PT-gerelateerde toxiciteit te detecteren. Daarnaast zullen innovatieve NTCP modellen worden ontwikkeld voor het PT tijdperk via linear energy transfer data. Ook zullen wekelijks herhaalde 4DCT scans en adaptatie plannen de ontwikkeling van nieuwe intra-behandeling NTCP modellen ondersteunen voor het adaptatie tijdperk. Tenslotte zal het voordeel van het framework in een setting van modelgebaseerde patiëntselectie voor PT gekwantificeerd worden. Daarvoor zal de gezondheidseconomische weerslag van het NTCP framework worden in rekening gebracht. Kostenparameters zullen daarbij de balans opmaken tussen de verwachte besparingen ten gevolge van verminderde nevenwerkingen met PT en de hogere operationele kost van PT in vergelijking met XT.