Programma

Achtergrond
Tip hier de redactie
Bekijk overzicht
Artikel delen

Zoltán Perkó verfijnt protonentherapie met AI

Zoltán Perkó is verbonden aan de afdeling Radiation Science and Technology van de TU Delft. Hij is verbonden aan de afdeling Radiation Science and Technology van de TU Delft en werkt samen met Holland PTC en Erasmus MC. Hij ontwikkelt daar nieuwe tools en numerieke methoden om de bestraling van tumoren veel nauwkeuriger te maken. Het doel is om bijkomende schade van bestraling aan omliggend gezond weefsel te verminderen. Perkó zet onder meer AI en machine learning in voor het verbeteren van protonentherapie voor kankerpatiënten.

Tags

Deel dit artikel

Wilt u belangrijke informatie delen met de redactie?

Tip hier de redactie

Inmiddels hebben hij en zijn team al enkele verbeteringen kunnen realiseren. “Het ultieme doel is om elke patiënt de best mogelijke behandeling te geven.” De inzet van artificial intelligence (AI) in de medische wereld is erg breed en sommige mensen zijn zelfs huiverig voor de techniek. In de praktijk pakt de inzet van AI in de zorg echter positief uit. AI helpt onder meer bij het gerichter opereren van darmkanker, ondersteunt radiologen effectief bij diagnostiek en kan helpen om bestraling bij prostaatkanker preciezer te maken.

Specialist deep learning en AI

Zoltán Perkó gebruikt AI en machine learning om protonentherapie effectiever en preciezer in te zetten. Hij is een specialist in Deep Learning, AI en Computational Physics en verbonden aan de afdeling Radiation Science and Technology van de TU Delft. Met slimme tools wordt protonentherapie, waarmee tumoren worden bestraald, gedetailleerd aangepast aan de patiënt. Zo vertelt de wetenschapper bijvoorbeeld dat het dankzij zijn modellen is gelukt om de therapie aan te passen aan de ademhaling van patiënten, zodat de bestraling nog nauwkeuriger is. “Per jaar sterven tien miljoen mensen aan kanker, maar vele miljoenen patiënten overleven op de lange termijn na behandeling met radiotherapie”, vertelt hij. “Dus als je een computermodel kunt maken dat de effectiviteit verhoogt of bijwerkingen met zelfs maar een paar procent vermindert, kan dat al snel duizenden patiënten helpen.”

Protonentherapie verfijnen met deep learning

In 2014 ging de wetenschapper zich bezighouden met protonentherapie. Toen kwam namelijk het gesprek op gang over deze geavanceerde vorm van radiotherapie voor kankerpatiënten. Het belangrijkste voordeel van protonentherapie ten opzichte van andere vormen van radiotherapie is dat je de tumor veel nauwkeuriger kunt bestralen zonder de omliggende gezonde weefsels te beschadigen. Na twee jaar werken aan Harvard in de VS werd hij gevraagd voor een functie aan de faculteit Delft, waar hij de kans kreeg om zijn eigen onderzoeksgroep in te richten en te leiden.

Hier werkt hij met zijn team aan deep learning- en AI-methoden voor gebruik in zowel medische therapie als nucleaire reactoren. Hij roemt de enorme kracht van deep learning dat een probleem min of meer van een andere kant benadert. Deep learning zegt in feite: ‘Ik weet niets over de regels of hoe de wereld werkt, maar ik heb veel gegevens dus ik kan proberen te leren hoe de wereld werkt.’ “In de praktijk betekent dit dat als we veel digitale beelden hebben, bijvoorbeeld van duizenden scans van patiënten met tumoren, we met deep learning-technieken nieuwe regels kunnen ontwikkelen op basis van wat ze hebben geleerd van het analyseren van al die beelden om te detecteren waar de tumor zich bevindt. Met al die info kan vervolgens in de praktijk de best mogelijke behandeling worden vastgesteld.”

Doseringen protonentherapie sneller berekenen

In samenwerking met het Holland Protonen Therapie Centrum in Delft en het Erasmus Medisch Centrum in Rotterdam heeft de onderzoeksgroep van Zoltán Perkó inmiddels al meegeholpen om behandelingen te verbeteren. “Onze methoden voor het kwantificeren van onzekerheid hebben ervoor gezorgd dat protonentherapie als een vorm van kankerbehandeling zowel solide als veilig is. Bovendien helpt onzekerheidsonderzoek ook bij het corrigeren van de beweging, die wordt veroorzaakt door de ademhaling van de patiënt. Die ademhaling vormt namelijk een grote uitdaging bij het met de hoogst mogelijke precisie bestralen van een bewegende tumor. Ook zijn er snelle en nauwkeurige dosisberekeningen mogelijk dankzij deep learning. In de praktijk betekent dit dat het in de toekomst mogelijk is de doseringen van dag tot dag te wijzigen of, als dit nodig is, zelfs real-time.

ICT&health congres 2023
Op 30 januari 2023 trapt ICT&health het nieuwe zorgjaar af met het jaarlijks groot en invloedrijk zorgcongres over de zorgtransformatie.
Ook aanwezig zijn? Reserveer dan snel uw entreeticket

Tags

Deel dit artikel

Wilt u belangrijke informatie delen met de redactie?

Tip hier de redactie

Mis niks en ontvang de spannendste ontwikkelingen