Beter bestralingsplan voor hoofd- en halskanker dankzij artificiële intelligentie

4 december 2019

De behandeling van hoofd- en halskanker vraagt een gedetailleerde aanduiding op CT-beelden van de weefsels die wel of juist niet bestraald mogen worden. Vroeger moesten artsen dat manueel doen, wat tijdsintensief was en tot veel variatie leidde. Daarom gebruiken artsen in UZ Leuven voortaan een slim algoritme dat de klus grotendeels overneemt.

 

Artsen wijzen naar radiologische beelden

Het computermodel biedt een enorme meerwaarde: het geeft ons een consequenter bestralingsplan en meer tijd voor echte patiëntenzorg.

 

 

Een van de meest complexe en veelvoorkomende vormen van kanker die behandeld worden op de bestralingsafdeling is hoofd- en halskanker. De bestraling moet gericht gebeuren om de omgevende gezonde weefsels, zoals speekselklieren, slikspieren en het ruggenmerg, zo veel mogelijk te sparen. Daarvoor moeten de risico-organen nauwkeurig aangeduid of ‘ingetekend’ worden op CT-beelden.

Het computermodel biedt een enorme meerwaarde: het geeft ons een consequenter bestralingsplan en meer tijd voor echte patiëntenzorg.
prof. dr. Sandra Nuyts - radiotherapeut-oncoloog

Veel variatie tussen artsen

Tot voor kort moesten radiotherapeut-oncologen die intekeningen manueel doen, wat heel wat tijd kostte. Bovendien leidde dat tot veel individuele variatie: artsen deden het te vaak op een verschillende manier. Uit een studie waarbij aan alle Belgische radiotherapeutische afdelingen gevraagd werd om op dezelfde set beelden de risico-organen aan te duiden, bleek dat er ook grote verschillen zijn tussen de bestralingscentra, hoewel ze vrijwel identieke richtlijnen volgden.

Samenwerking met ingenieurs

Prof. dr. Sandra Nuyts, radiotherapeut-oncoloog in UZ Leuven, zocht daarom samen met de medische fysici naar manieren om het proces te automatiseren. Commerciële oplossingen bleken niet zo succesvol, dus besloten ze de krachten te bundelen met ingenieurs onder leiding van prof. Frederik Maes van het Medical Imaging Research Center (MIRC) van UZ Leuven en KU Leuven. Samen bouwden ze een nieuwe tool gebaseerd op deep learning, een vorm van artificiële intelligentie die erg geschikt is voor het vinden van patronen in grote datasets van beelden. Het algoritme werd eerst grondig getest en geoptimaliseerd in het labo en vervolgens ingepast in de klinische omgeving. 

Professor Nuyts: “We lieten twee ervaren radiotherapeut-oncologen een set beelden manueel intekenen. Daarnaast keken ze ook de versie gegenereerd door het algoritme na en verbeterden die waar nodig. De aanpak mét het algoritme was zo’n 33 procent sneller en consequenter.”

Enorme meerwaarde

Ondertussen wordt het computermodel dagelijks in de praktijk gebruikt. De artsen kijken de resultaten voor de zekerheid altijd na, maar hebben nog nooit grote afwijkingen gezien. Professor Nuyts: “Het computermodel biedt een enorme meerwaarde: het geeft ons een consequenter bestralingsplan en meer tijd voor echte patiëntenzorg. Momenteel onderzoeken we of we het verder kunnen uitbreiden voor intekeningen bij andere vormen van kanker.”

De succesvolle ontwikkeling was enkel mogelijk dankzij een intensieve samenwerking tussen artsen, medische fysici en ingenieurs. Professor Maes: “Het MIRC zet volop in op AI-onderzoek om nog meer gelijkaardige toepassingen uit te werken en in de kliniek te introduceren”.

Het team stond onder leiding van radiotherapeut-oncoloog prof. dr. Sandra Nuyts i.s.m. medisch fysicus prof. Wouter Crijns en ingenieur prof. Frederik Maes (Dept. ESAT/PSI, KU Leuven), met dr. Julie Van Der Veen en ir. Siri Willems als voornaamste uitvoerders.

Gerelateerd

Laatste aanpassing: 16 maart 2023