Implementatie van AI-gebaseerde delineatie en bestralingsplanning voor dagelijkse geïndividualiseerde bestralingsbehandeling bij longkanker

De globale onderzoeksdoelstelling is het onderzoeken van het potentieel van een CBCT-only workflow voor online adaptieve radiotherapie voor longkanker. Radiotherapie geldt als standaardbehandeling van (inoperabele) niet-kleincellige longtumoren. Dankzij radio(chemo)therapie kunnen dergelijke tumoren 2,5% verkleinen per dag. Deze regressie betekent ook dat er hogere dosissen terechtkomen op omliggende risico-organen. Daarnaast werd aangetoond dat een zo hoog mogelijke stralingsdosis noodzakelijk is voor een verbeterde locoregionale controle en overall survival. Bijgevolg zijn periodieke adaptaties van het radiotherapiebehandelplan noodzakelijk om toxiciteit te reduceren en overleving te induceren. Sinds enkele jaren wordt het gebruik van convolutionele neurale netwerken (CNNs) onderzocht om de kwaliteit van de voorbereiding van een radiotherapiebehandelplan te verbeteren. Naast een kwaliteitsverbetering blijkt AI ook de tijd die nodig is om een bestralingsplan op te stellen te verkorten. Hierdoor is het geschikt om het toe te passen bij adaptieve radiotherapie, waarbij het plan in de loop van de behandeling periodiek wordt vernieuwd. Het huidige project heeft als doel de voordelen en uitdagingen te bestuderen van de klinische implementatie van AI in de dagelijkse routine bij de behandeling van longkanker op de afdeling Radiotherapie-Oncologie van UZ Leuven.