Het – al dan niet incidenteel – vinden van een enkele nodule in de long met behulp van medische beeldvorming (bijvoorbeeld RX en CT), vormt een belangrijk probleem in de huidige dagelijkse praktijk. Deze frequente radiologische bevinding kan namelijk bij heel wat klinische diagnoses passen; zowel goedaardige (zoals o.a. infectie en tuberculose), als kwaadaardige diagnoses (primaire longkankers of uitzaaiingen naar de long afkomstig van een andere tumor) horen hierbij thuis in de differentiaaldiagnose. In dit masterproefonderzoek worden retrospectief radiologische PET-CT beelden geanalyseerd, waarbij deze beeldvormingsmodaliteit het glucoseverbruik van allerhande weefsels in beeld brengt, met sterke aankleuring ter hoogte van metabool actieve weefsels (o.a. de hersenen en de lever) én ter hoogte van afwijkende cellen. Uit deze beelden worden met behulp van radiomics software (in dit geval LIFEx) multipele numerieke reproduceerbare variabelen gegenereerd, gerelateerd aan de grootte, vorm, intensiteit, textuur en ruimtelijke verhoudingen van de longnodule. Door radiomics te gebruiken, proberen onderzoekers subtiele patronen en eigenschappen binnen de solitaire longnodules te identificeren en te analyseren die mogelijks niet visueel zichtbaar zijn. Deze geëxtraheerde radiomische kenmerken worden vervolgens onderworpen aan statistische analyse en complexe algoritmen om voorspellende modellen of classificaties te ontwikkelen.Tussen deze geëxtraheerde radiomische kenmerken bestaan echter vaak correlaties, wat bij de statistische verwerking van deze gegevens problemen kan geven van bijvoorbeeld onder- en overschattingen. Een mogelijke techniek voor het reduceren van deze grote datadimensionaliteit is Principal component analyse, waarbij uit een grote hoeveelheid variabelen een beperkte set wordt bekomen van nieuwe representatieve variabelen (principale componenten) die onderling niet zijn gecorreleerd en die nog steeds het grootste deel van de variantie in de medische beelden verklaren. Op deze manier wordt het mogelijk om op een efficiënte en accurate manier een gericht onderscheid te maken bij de gevonden solitaire longnodule, op basis van een aantal geselecteerde nieuwe variabelen die de meeste informatie verschaffen omtrent het benigne of maligne karakter van het letsel. Het doel is hierbij om de doeltreffendheid van reeds bestaande differentiatie_x0002_methoden (zoals SUVmax) te verbeteren.Het grote belang van het bepalen van het mogelijks kwaadaardige karakter van deze solitaire longletsels blijkt uit de volgende cijfers. Volgens De Stichting tegen Kanker is longkanker in België het tweede meest frequente kankertype bij de man en het derde bij de vrouw (1). In absolute aantallen vertaald, gaf dit respectievelijk 5 563 en 3 311 longkankerdiagnosen per geslacht in het jaar 2020 (2). Longkanker is in ons land bij uitstek de meest dodelijke kanker bij de man en is bij de vrouw – na borstkanker – verantwoordelijk voor de tweede hoogste sterfte door kanker (1). Dit masterproefonderzoek heeft dus het potentieel een belangrijke maatschappelijke meerwaarde te bieden in de klinische diagnostische wetenschappen, door het genereren van een betekenisvolletool die met behulp van gratis software gebruikt kan worden door clinici om in een vroeg stadium een kwaadaardige solitaire longnodule te onderscheiden van een goedaardig longletsel. Door de unieke eigenschappen van elke solitaire longnodule te karakteriseren en te kwantificeren, heeft dit onderzoek aldus het potentieel om de diagnostische nauwkeurigheid te verhogen, en op die manier dankzij vroegtijdige en adequate behandeling een gunstige impact te hebben op de morbiditeit en mortaliteit van longkanker.