Automatiserad strålbehandling för barnonkologi och utmaningen med små mängder data
Automatiserad strålbehandling för barnonkologi och utmaningen med små mängder data
Mer än 60000 patienter får en cancerdiagnos i Sverige varje år, och av dessa är ungefär 300-400 barn. Ungefär hälften av alla cancerpatienter i Sverige får strålbehandling. Vid planeringen av en strålbehandling markerar en onkolog strukturer i anatomiska bilder av det område som skall behandlas. I dessa markeras tumören, men även omgivande organ som måste undvikas för att ej skadas av behandlingen.
Manuell segmentering är däremot ett tidsödande arbete. Det finns programvaror som kan automatisera detta arbete, men befintliga metoder är endera långsamma, fungerar inte tillfredsställande på patienter med atypisk anatomi, kräver mer data än vad som typiskt finns tillgängligt eller är utvecklade för vuxna patienter. Metoder baserade på den senaste utvecklingen inom artificiell intelligens (AI) har genomgått en snabb utveckling under de senaste åren, och fungerar imponerande väl – på vuxna patienter. Motsvarande metoder, som även fungerar på barncancerpatienter, lyser däremot med sin frånvaro.
Syftet med det föreslagna projektet är därför att utveckla och utvärdera moderna AI-metoder, baserade på djup maskininlärning och djupa neuronnät för segmentering i medicinska bilder och som även fungerar för barncancerpatienter. Vi kommer att utveckla ett protokoll för utvärdering av automatisk segmentering i klinik vid Norrlands universitetssjukhus i Umeå. Vi kommer att utvärdera befintliga segmenteringsmetoder, utvecklade med bilder från vuxna patienter, på data från barncancerpatienter för att kvantifiera hur stort problemet för barncancerpatienter är i dag. Slutligen kommer vi att utveckla nya metoder för segmentering, som garanterar lika bra segmenteringsresultat för både barn och vuxna.
Detta projekt kommer att ta ett första steg mot en Svensk standard för automatiserad strålbehandling, som inkluderar alla patientgrupper, och förbereda och förenkla möjligheterna att använda sådana AI-metoder i klinisk praktik i Sverige.