De afdeling Radiologie en Nucleaire geneeskunde verricht hoogwaardig multidisciplinair onderzoek naar de ziekte van Alzheimer en aanverwante vormen van dementie. Onder leiding van prof. dr. Frederik Barkhof (neuroradioloog), dr. Elsmarieke van de Giessen (nucleair geneeskundige), dr. Lyduine Collij (neurowetenschapper) en dr. Sandeep Golla (Senior Imaging Methodologist) zoeken wij een promovendus die ons onderzoek naar de optimalisatie van amyloid-PET komt versterken.
Het project bestaat uit een combinatie van het werken met reeds verzamelde data en nieuwe data-acquisitie. De primaire focus ligt op het verzamelen van 30 whole-body dynamische amyloid-PET scans, met als doel de aanwezigheid van het amyloid-β eiwit niet alleen in de hersenen, maar ook in andere relevante organen, zoals het hart, te kwantificeren. Daarnaast voeren we kinetic modelling uit om parameters van cerebrale en cardiovasculaire doorbloeding in het lichaam te bepalen. Dit onderzoek maakt gebruik van state-of-the-art scanners en beeldverwerkingstechnieken en vereist zowel goede communicatieve vaardigheden (patiëntenwerving) als technische/coderings vaardigheden (kinetic modelling). Het doel is om de relatie tussen hart- en hersengezondheid verder te verduidelijken in de context van de ziekte van Alzheimer.
Een tweede deel van het project betreft het gebruik van data die beschikbaar zijn binnen het Europese ‘Amyloid Imaging to Prevent Alzheimer’s Disease’ (
AMYPAD) consortium, met gegevens van meer dan 1600 unieke deelnemers. Deze dataset bevat een breed scala aan biomarkers, waaronder (geavanceerde) MRI- en amyloid-PET beelden, neuropsychologische en neuropsychiatrische testen, cerebrospinale vloeistof, genetica en functionele prestaties. Met deze data willen we de voorspelling van cognitieve achteruitgang optimaliseren, op basis van alle parameters die uit een amyloid-PET scan gehaald kunnen worden: niet alleen de aanwezigheid of afwezigheid van amyloid-β, maar ook de mate van verspreiding, het verlies van witte stof signaal (indicatief voor verminderde structurele integriteit) en doorbloedingsparameters via dynamische PET-acquisitie. Met behulp van nieuwe machine learning- en radiomics-benaderingen willen we een optimaal model ontwikkelen om ziekteprogressie bij personen in een vroeg ziekte stadium te voorspellen.
- coördineren en beheren van de dataverzameling;
- includeren van patiënten in het onderzoek;
- uitvoeren van (statistische) data-analyses (onder toezicht van het onderzoeksteam);
- schrijven en publiceren van de onderzoeksresultaten in internationale wetenschappelijke tijdschriften die leiden tot een promotie;
- presenteren van de onderzoeksresultaten op (inter)nationale conferenties of congressen en onderhouden van contact met binnen- en buitenlandse stakeholders;
- geven van onderwijs of begeleiden van studenten;
- verwerken en analyseren van multimodal beeldvormingsdata.