Case: Planningsautomatisering van borstkanker behandelingen
Wanneer er bij vrouwen borstkanker vastgesteld is en bestraling nodig is, moet er een dosisbehandelplan worden gemaakt om de juiste hoeveelheid en inkomende hoeken/locaties van de dosering te bepalen. Dit is nodig om een conforme en homogene dosisverdeling te verkrijgen, die voldoende dosis in de tumor geeft om de kwaadaardige cellen te vernietigen, maar ook de nabijgelegen vitale organen zoals de longen en het hart spaart. Voor haar thesis onderzocht Renée van Erp hoe het proces van het maken van dosisbehandelingsplannen voor lokaal gevorderde linkszijdige borstkankerpatiënten kan worden geautomatiseerd om efficiënter en minder tijdrovend te zijn.
De uitdaging
Het proces van het maken van dosisbehandelplannen is een tijdrovend en iteratief proces. Zoals te zien is in de workflow voor behandelplanning, zijn er veel stappen, mensen en controles nodig voordat het uiteindelijke dosisbehandelplan klaar is. Daarnaast zijn de dosisbehandelingen afhankelijk van de planner vanwege verschillen in planningservaring, -vaardigheden of -opleiding tussen behandelplanners.
Wat zij gedaan heeft
In haar onderzoek gebruikte Renée een U-Net convolutional neural network, HD U-Net en een Attention U-Net om modellen te maken die het behandelingsplanningsproces versnellen terwijl de kwaliteit consistent blijft. Haar onderzoek verkende de implementatie van verschillende technieken voor data-augmentatie en gebruikte een datacentrische benadering. Haar werk is het eerste op dit gebied dat onderzoek doet naar het effect van data input kanalen, aangezien het een 1-channel invoer vergelijkt met een 5-channel gegevensinvoer. In raar werk gebruikte Renée de structuren van het Planning Target Volume (PTV), optioneel de organen die risico lopen (OAR) en de klinisch geoptimaliseerde dosisverdeling.
Het resultaat
Het HD U-Net toonde de beste modelprestaties op de meeste evaluatiestatistieken. Dankzij het onderzoek van Renée is het proces van het maken van dosisbehandelplannen geautomatiseerd, wat het efficiënter en minder tijdrovend kan maken. Daarnaast tonen de resultaten van haar onderzoek aan dat de verkregen dosisbehandelplannen klinisch acceptabel zijn.
Waarom partner worden met JADS
JADS biedt innovatieve Data Science programma’s op undergraduate, graduate en postdoctorale niveau, voert baanbrekend Data Science onderzoek uit en biedt geweldige zakelijke kansen met een voortdurend groeiend ecosysteem. Van startups tot KMO’s en grote ondernemingen, onze zakenpartners krijgen toegang tot talent, kennis op hoog niveau en zakelijke kansen.
Werk samen met JADS zoals 300+ andere organisaties en bedrijven en geef vorm aan uw datagedreven toekomst