Radioterapiteknologi till hjälp för cancer patienter
- Diarienummer
- APR20-0004
- Projektledare
- Munck af Rosenschold, Per
- Start- och slutdatum
- 220101-270430
- Beviljat belopp
- 1 500 000 kr
- Förvaltande organisation
- Lund University
- Forskningsområde
- Bioteknik, medicinsk teknik och teknik för livsvetenskaperna
Summary
With the present program we intend to use modern technology to improve the quality of life of cancer patients surviving their radiotherapy (RT). We focus on child cancer patients diagnosed with medulloblastoma, in need of RT to the craniospinal axis. We wish to alleviate the risk of cognitive dysfunction by sparing the hippocampi for RT, specifically proton therapy. We hypothesize that hippocampal-sparing proton therapy is feasible and can be safely delivered technically, enabling us to commence a prospective a clinical trial. Second, we wish to explore the possibility of attempt big data collection of patterns of failure following RT of glioblastoma. Our previous studies in smaller data sets suggest that we fail to control the tumor very centrally within the treatment fields for the majority of patients. We hypothesize that deep-learning methods can be used to automate the analysis of patterns of failure for glioblastoma patients and that recurrences are primarily central within the radiation fields. Third, we again wish to explore the possibility of big data collection but on patient reported outcomes measures (PROMs) within a RT clinic-wide initiative. The feasibility will be evaluated of large-scale PROMs data collection in addition to exploring if the data can infer decision-making support to radiation oncologists. Here, we hypothesize that PROM data in conjunction with statistical analyses including deep-learning can render our clinic self-learning.
Populärvetenskaplig beskrivning
Med detta program avser vi att använda modern teknik för att förbättra livskvaliteten för cancerpatienter som överlever deras strålbehandling. Vi fokuserar på barncancerpatienter diagnostiserade med medulloblastom, som är i behov av RT till hjärnan och ryggmärgen. Vi vill minska risken för kognitiv svikt genom att skona hippocampus från strålbehandling. Här ämnar vi testa dessa möjligheter med hjälp av det nationella centrat för protonstrålbehandling i Uppsala. Vi antar att protonterapi kan spara hippocampus och detta är genomförbart och kan levereras säkert tekniskt. I förlängningen så ämnar vi påbörja en klinisk prövning på utvalda medulloblastomapatienter i samarbete med internationella partners. För det andra vill vi undersöka möjligheten att försöka samla in stora bilddata på glioblastom patienter, vilka i stor grad lider av lokal relaps av tumören. Våra tidigare studier i baserade på begränsade patientdata der tyder på att vi misslyckas med att kontrollera tumören mycket centralt inom behandlingsfälten för majoriteten av patienterna. Vi antar att deep-learning kan användas för att automatisera analysen av relapsmönster för glioblastompatienter och att återfall främst är centrala inom strålningsfälten. Denna information tänker vi använda för att formulera alternativa behandlingsmetoder där vi kan spara mer av hjärnan för bestrålning och därmed minska risken för biverkningar. För det tredje vill vi återigen undersöka möjligheten till stor datainsamling av patientrapporterade (”patient reported outcomes measures”, PROM) biverkningar, där alla patienterna rapporterar sina biverkningar via webformulär eller via tablets. Genomförbarheten av storskalig datainsamling av PROM kommer att utvärderas, vidare ifall uppgifterna kan leda till beslutsstöd till strålningsonkologer. Här antar vi att PROM-data i kombination med statistiska analyser inklusive djupinlärning kan göra vår klinik självlärande.