De NELSON POP studie onderzoekt criteria die het risico op longkanker nog beter bepalen om daarmee de groep die opgeroepen wordt te verkleinen. Ook zullen we het beleid bij longnodulen verbeteren waardoor minder screeningsdeelnemers onnodig aanvullend onderzoek ondergaan. Dit doen we door ontwikkeling van gepersonaliseerde risicomodellen die 1) het screeningsvoordeel voor een individu, en 2) het kankerrisico van CT-gedetecteerde longnodulen beter inschatten. We maken gebruik van technologische innovaties waarmee risicomodellen opgesteld kunnen worden uit meerdere nieuwe gegevensbronnen die toegevoegd worden aan bestaande NELSON gegevens:
- Genetische informatie en omgevingsgegevens: op basis van genetische en omgevingsrisicoscores kan een persoonlijke risico-inschatting worden gemaakt voor longkanker om te helpen hoog-risico personen te selecteren voor screening.
- Innovatieve longnodule data: kunstmatige intelligentie (‘artificial intelligence’, AI) technieken kunnen geautomatiseerd CT-scans analyseren om de waarschijnlijkheid dat een longnodule kwaadaardig is, beter te berekenen.
- CT-scan metingen buiten longnodulen: naast longnodulen, kunnen op de CT-scan tekenen van andere roken-gerelateerde ziekten worden bepaald zoals longemfyseem, kransslagaderverkalking en lage botdichtheid.