Löfstedt, Tommy Nils Erik – Ett steg mot användning av data på populationsnivå för att förbättra automatiserad strålbehandling

Bakgrund

Världens befolkning blir äldre, vår förväntade livslängd ökar och den genomsnittliga livskvaliteten ökar. Tyvärr betyder det även att antalet cancerfall kommer att öka, och att en mindre andel kommer att arbeta. Detta ställer större krav på sjukvården att bli mer effektiv och kräva mindre resurer. Cancer är en av de vanligaste dödsorsakerna i Sverige och ungefär varannan patient genomgår strålbehandling. Strålbehandlingsplanering kräver tidsödande manuell delinjering i medicinska bilder, där delar skulle gå att automatisera för att minska tiden för en strålbehandling, spara tid och andra resurser och öka den totala patientgenomströmningen.

Beskrivning

Detta projekt kommer att ta ett stort steg framåt för automatisering av dosplaneringskedjan genom att möjliggöra träning av maskininlärningsmodeller på populationsdata, och genom att integrera lösningen med den standardiserade databasen MIQA inom det nationella kvalitetsregistret för strålbehandling. Projektet kommer att utveckla nya och bättre automatiseringsmetoder än vad som är möjligt att producera i dag, möjliggöra kontinuerlig förbättring av befintliga modeller, samt möjliggöra klinisk implementation av denna metodik vid alla strålbehandlingskliniker i Sverige för användning vid automatiserad dosplanering mot flera olika cancerformer.

Mål

Målet med detta projekt är att utveckla automatiserade segmenteringsmetoder som kontinuerligt förbättras över tid och att ta ett steg mot en svensk standard för automatisk segmentering vid planeringen av strålbehandling mot olika former av cancer. Det föreslagna projektet kommer att öppna upp för möjligheten att utveckla en svensk standard och att den kan baseras på hela populationen av strålbehandlingspatienter i Sverige. Metoderna som utvecklas kommer även att möjliggöra snabb anpassning när nya eller förändrade områden av kroppen ska segmenteras och ge pålitlig automatisk segmentering tack vare användning av stora mängder multicenter-data.