DBCG RT Nation Automation: Analyse af nationale indtegningsforskelle og automatisering af behandlingsplanlægning af stråleterapi for brystkræft patienter
Baggrund
Brystkræft er den hyppigste kræftform hos kvinder. 80% af brystkræftpatienterne bliver behandlet med postoperativ strålebehandling. Strålebehandling af brystkræftpatienter indebærer bestråling af behandlingsområdet og de omkringliggende risikoorganer. Hver enkelt stråleplan bliver individuelt optimeret så behandlingsområdet modtager stor stråledosis, samtidig med at risikoorganerne modtager så lille stråledosis som muligt. Planlægningen af strålebehandlinger består af to essentielle dele: Indtegning af behandlingsområde og risikoorganer, samt optimering af dosisfordeling. Begge processer foregår i specialiseret software, der betjenes manuelt af de involverede klinikere, og består i høj grad af subjektive vurderinger og beslutninger. En forskel i indtegningspraksis, og optimering af dosisfordeling, kan medføre forskel i dosis leveret til behandlingsområdet og risikoorganer.
Vi vil udføre 4 delprojekter, der tilsammen undersøger effekten af variationer i planlægningen af strålebehandling, og udvikler en automatiseret planlægningsstrategi, der skal implementeres på Aarhus Universitets Hospital(AUH). Til dette bruges DBCG RT Nation databasen med strålebehandlingsdata for ca. 9500 brystkræftpatienter behandlet i Danmark.
Delstudier
Studie 1 undersøger de systematiske forskelle mellem indtegning af behandlingsområde og risikoorganer på de forskellige danske klinikker. Studiet vil udvikle en model, der korrelerer stråleklinik med karakteristiske indtegningstendenser.
Studie 2 undersøger, hvilken dosimetrisk effekt variationer i indtegningspraksisser har på behandlingsplanerne. Korrelationen mellem stråledosis og indtegningspraksisser vil blive identificeret.
Studie 3 undersøger om automatisk indtegning af risikoorganer kan ensarte plan kvaliteten, ved at sammenligne manuelle indtegninger med automatiske indtegninger.
I studie 4 trænes to automatiske planlægningssystemer uafhængigt og sammenlignes med de kliniske behandlingsplaner. Den bedste løsning bliver testet i et prospektivt studie, hvor målet er at implementere dette i den kliniske praksis på AUH.
Forventede resultater
Vi forventer, at dette studie vil belyse implikationerne af forskellige behandlingspraksisser, samt udvikle og implementere en automatiseret planlægningsstrategi for brystkræftpatienter i klinikken på AUH. Ved at ensrette og automatisere behandlingspraksisser, vil der frigives ressourcer til en mere personlig behandling og i sidste ende forbedre overlevelsesraten.
Hvis du vil vide mere om Emmas ph.d. projekt kan du læse mere her (på engelsk).
