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.