Artificial intelligence in head and neck radiotherapy
Promotie: | Mw. A. (Alessia) de Biase |
Wanneer: | 04 november 2024 |
Aanvang: | 14:30 |
Promotors: | prof. dr. ir. P.M.A. (Peter) van Ooijen, prof. dr. J.A. (Hans) Langendijk |
Copromotor: | dr. ir. N.M. (Marianna) Sijtsema |
Waar: | Academiegebouw RUG |
Faculteit: | Medische Wetenschappen / UMCG |
Kunstmatige intelligentie in hoofd- en halsradiotherapie
Hoofd- en halskanker is wereldwijd de zevende meest voorkomende vorm van kanker. Radiotherapie is vaak de voorkeurbehandeling, omdat het helpt om nabijgelegen organen te behouden. De behandeling van radiotherapie is sterk afhankelijk van multimodale medische beelden zoals CT, PET en MRI, wat een enorme hoeveelheid informatie oplevert met een aanzienlijk potentieel voor verdere analyse. Recentelijk heeft kunstmatige intelligentie (AI) veelbelovende resultaten laten zien bij het analyseren van deze complexe datasets, wat kan leiden tot effectievere behandelingen en betere uitkomsten.
Dit proefschrift van Alessia de Biase ontwikkelde deep learning (DL)-technieken voor twee belangrijke taken: het contoureren van tumoren en het voorspellen van tumorgerelateerde eindpunten. Voor het contoureren van tumoren werden DL-methoden ontwikkeld om radiotherapeuten te helpen bij het nauwkeurig identificeren van hoofd- en halstumoren op PET/CT. Tumorprobabiliteitskaarten werden geïntroduceerd om visueel weer te geven hoe zeker het DL-model is van zijn voorspellingen op voxel-niveau. Een interactieve gebruikersinterface werd ontworpen om deze tools in de klinische praktijk te integreren, en de effectiviteit ervan werd getest door radiotherapeuten.
Bovendien onderzocht het proefschrift het voorspellen van tumorgerelateerde eindpunten met behulp van DL. Door klinische gegevens en beeldkenmerken van scans die vóór en tijdens de behandeling zijn genomen te analyseren, werden modellen ontwikkeld om uitkomsten te voorspellen (lokale controle, regionale controle, overlevingskans zonder uitzaaiingen op afstand, algehele overleving en ziektevrije overleving). Het doel was om factoren te identificeren die zouden kunnen helpen bij het aanpassen van behandelingsstrategieën en het verbeteren van patiëntresultaten.
Over het algemeen benadrukt dit onderzoek het transformatieve potentieel van AI in radiotherapie. Het toont aan hoe geavanceerde computationele methoden de analyse van medische beelden kunnen verbeteren om radiotherapie te optimaliseren, wat uiteindelijk leidt tot meer gepersonaliseerde behandelingen voor patiënten met hoofd- en halskanker.