Du har inte javascript påslaget. Det innebär att många funktioner inte fungerar. För mer information om Vinnova, ta kontakt med oss.

Automatisering av Dosplanering för Brachyterapi med AI

Diarienummer
Koordinator Linköpings universitet - Linköpings universitet Matematiska institutionen MAI
Bidrag från Vinnova 391 154 kronor
Projektets löptid oktober 2022 - april 2023
Status Avslutat
Utlysning AI - Kompetens, förmåga och tillämpning
Ansökningsomgång Individrörlighet för tillämpad AI, automation och datadelning - våren 2022

Viktiga resultat som projektet gav

Syftet med vistelsen var utveckla metoder som kombinerar användandet av matematisk optimering och AI samt stärka den sökandes kunskaper inom området. Fokus var två huvudprojekt, dels att ta fram bättre modeller för placering av nålar till strålbehandling av prostatacancer, dels att undersöka en ny typ av applikator för strålbehandling av rektalcancer. Det övergripande målet med forskningen är förbättring av strålbehandling med brachyterapi av cancertumörer, med bättre tumörkontroll och mindre risk för allvarliga biverkningar från strålbehandlingen.

Långsiktiga effekter som förväntas

För projekt 1 så har AI-baserade metoder använts för att formulera målsättningar som tar hänsyn till stråldosens spatiala fördelning, något som inte är möjligt med nuvarande modeller. Effektiva sådana modeller har tagits fram vilket bidrar till att denna del av dosplaneringen kan automatiseras. För projekt 2 används roterande skärmar för att minska stråldosen i vissa riktningar och skydda frisk vävnad. Projektet är en förstudie till kliniska tester och syftar till att förstå och kompensera för osäkerheter. Preliminära resultat har presenterats på konferensen Curietherapies.

Upplägg och genomförande

Den sökande har haft ett tätt samarbete med sjukhusfysiker, ingenjörer och datavetare med inriktning mot AI. Vidare så har den sökande varit med i en AI-grupp med regelbundna möten och seminarier. För projekt 1 har AI-baserade data-drivna metoder använts för att kunna formulera optimeringsmodeller. För projekt 2 har modeller och lösningar gett viktig information kring vilka osäkerheter som är acceptabla ur ett kliniskt perspektiv, men också visat att effekten från osäkerheter och eventuella fel kan minskas genom att ta höjd för dem i dosplaneringen.

Texten på den här sidan har projektgruppen själv formulerat. Innehållet är inte granskat av våra redaktörer.

Senast uppdaterad 27 juni 2023

Diarienummer 2022-01552