Het Catharina Ziekenhuis heeft slimme behandelapparatuur voor radiotherapie bij borstkanker. Met het uitwerken van de exacte bestralingsplannen is echter nog veel handwerk gemoeid. Onderzoek door PDEng-student Nienke Bakx van de TU/e brengt daar nu verandering in. Zij deed onderzoek naar het gebruik van AI voor het maken van deze planningen. Met succes, want in juni start het Catharina met AI-gegenereerde plannen voor de bestraling van borstkanker.
De studente startte ongeveer tweeënhalf jaar geleden aan haar afstudeeropdracht waarbij zij onderzoek deed naar het gebruik van kunstmatige intelligentie voor het maken van bestralingsplannen bij borstkankerpatiënten. Na haar afstudeeropdracht is Nienke als trainee van de post-masteropleiding Qualified Medical Engineer aan de slag gegaan om haar planningsmethodiek klinisch te testen.
Bestralingsplannen voor borstkanker
Dit onderzoek en de klinische tests zijn inmiddels zo ver gevorderd dat het Catharina Ziekenhuis vanaf juni deels gaat overstappen op AI-gegenereerde plannen. Daarmee wordt niet alleen de behandeling verbeterd en consistenter, het scheelt radiotherapeuten en laboranten straks uren werk per patiënt.
Voor het maken van een bestralingsplan voor borstkanker bekijkt de radiotherapeut wat er precies nodig is. Variabelen zoals het aantal benodigde doses en sessies, en met welke frequentie. Om de bestraling daarna goed te kunnen uitvoeren zijn ook de beelden van de patiënt, in de houding van de bestraling, nodig. "Nu gebruiken we nog CT-beelden, dat worden in de nabije toekomst ook vaker MRI-beelden. Op de beelden worden de organen heel precies ingetekend", legt Coen Hurkmans uit. Hij is klinische fysicus van het Catharina en begeleider van Bakx.
Vervolgens wordt in een soort flight simulator de bestraling virtueel nagebootst. Daarmee wordt bepaalt wat de beste bestralingsopties zijn. Denk aan de benodigde intensiteit en de kant van waaruit de bestraling uitgevoerd moet worden zodat zoveel mogelijk straling in de tumor belandt en zo min mogelijk in het gezonde weefsel daaromheen.
AI-gegenereerde behandelplannen
De simulator bevat een model van de behandeltoestellen en beelden van de anatomie van de betreffende patiënt. Op dit moment wordt het bestralingsplannen nog 'handmatig' gemaakt door een ervaren laborant. Met behulp van kunstmatige intelligentie is de kennis en ervaring van de laboranten vastgelegd. Door de computer te 'voeden' met tientallen handmatig gemaakte planningen kan de computer vervolgens getraind worden om een AI-gegenereerd behandelplan te ontwikkelen.
“Elders in de wereld is dat al wel voor onder meer prostaatkanker en kanker in het hoofd-halsgebied gebeurd, maar nog niet eerder voor borstkanker. Ik heb eerst uitgezocht welke analysemodellen en algoritmen gebruikt zijn voor die andere gebieden", vertelt Nienke Bakx. Ook in het Amsterdam UMC wordt, voor de behandeling van prostaatkanker al gebruik gemaakt van AI-gegenereerde bestralingsplannen.
Bij onderzoek en de klinische tests kwamen twee bruikbare modellen bovendrijven. Het open source U-Net-model, dat uitgaat van convolutional neural networks, CNN’s. Dat model graaft simpel gezegd steeds dieper en gerichter in data. En het cARF model, waarbij cARF staat voor contextual Atlas Regression Forest.
Succesvolle klinische tests
Nienke trainde Nienke beide modellen met data uit ruim honderd patiëntenbehandelplannen. Die modellen weden tijdens een klinische pilot getest met de data van 20 nieuwe patiënten. De plannen die radiotherapeuten, handmatig, voor die patiënten gemaakt hadden, werden daarna naast de AI-gegenereede pannen gelegd om de software nog verder te optimaliseren.
Het resultaat was zeer goed. Van de plannen die door de computer gegenereerd waren, bleek 95 procent zonder verdere aanpassingen bruikbaar. Het U-Net-model scoorde net wat beter dan het cARF-model. Dat is dan ook het model dat in de RayStation-software voor de planning van radiotherapiepatiënten gebruikt gaat worden.
