Kunstmatige intelligentie helpt bij bestraling prostaattumoren

Een algoritme dat ontwikkeld is door CWI en Amsterdam UMC, helpt artsen bij het vaststellen van het beste plan voor inwendige bestraling. Daardoor is prostaatkanker beter te behandelen. Onderzoek van Anton Bouter heeft er mede voor gezorgd dat het algoritme al sinds maart 2020 gebruikt wordt in Amsterdam UMC. Bouter promoveerde 13 februari*.

Publicatiedatum
8 maart 2023

Hoe gerichter je tumoren kunt bestralen, hoe beter. Je wil gezonde weefsels en organen rondom de tumor immers zo veel mogelijk sparen. Bij prostaattumoren gebeurt dat vaak met brachytherapie: de behandelaar plaatst meerdere holle buisjes zo dicht mogelijk bij de tumor, waarna er een radioactieve bron doorheen wordt geleid.

Grootste uitdaging daarbij is het vaststellen hoe lang de stralingsbron op die plekken moet blijven. Dat bepaalt namelijk hoeveel straling daar wordt afgeleverd. Is dat te weinig, dan krijg je de tumor niet goed weg, maar laat je de bron te lang zitten, dan beschadig je gezond weefsel.

Kunstmatige intelligentie

Het kost veel tijd om te bepalen wat voor elke positie de juiste duur is. Dat verschilt per patiënt. Maar omdat het behandelplan pas wordt gemaakt nadat de holle buisjes zijn geplaatst, mag dat rekenen niet te lang duren. Doorgaans stopten behandelaren na 30 tot 60 minuten met het handmatig aanpassen van het behandelplan, ook al wisten ze dan nog steeds niet of ze het beste plan in handen hadden.

Dit proces kan beter, vonden artsen van Amsterdam UMC. In samenwerking met onderzoekers van het Centrum Wiskunde & Informatica (CWI) en bedrijfspartner Elekta is een algoritme ontwikkeld, met bijbehorende software. Deze kunstmatige intelligentie (AI) levert een aantal behandelplannen die de beste afwegingen voorstellen tussen het bestralen van de tumor en het sparen van gezond weefsel. De arts kan vervolgens kiezen welk plan het best past bij de patiënt.

Slechts 30 seconden

Het gebruikte algoritme is speciaal ontwikkeld voor complexe problemen met duizenden variabelen. “Normaliter heeft een algoritme geen verdere informatie over het probleem waarvoor het een oplossing moet vinden – het probleem wordt beschouwd als ‘black box’. Maar daardoor duurt het optimalisatieproces erg lang”, legt Anton Bouter uit, die tegenwoordig als scientific software developer verbonden is aan de groep Evolutionary Intelligence (EI) van CWI.

“Onze vorm van AI is een evolutionair algoritme dat informatie gebruikt over hoe het probleem in elkaar zit.” Het probleem moet zodanig geformuleerd worden dat de AI met de beste oplossing komt. Bouter schreef mee aan de formulering, maar daarmee waren hij en zijn collega’s er nog lang niet. “Als je de complexiteit van het probleem meenam in je berekeningen, kreeg je weliswaar plannen van hoge kwaliteit, maar dat kostte de AI een uur. Dat duurt te lang voor de patiënt. We moesten dus iets bedenken waardoor je in korte tijd toch over een goed plan beschikt.”

Bouter slaagde erin om dat te bereiken door bepaalde parallellisatie-technieken te gebruiken. Die zorgden ervoor dat de AI niet een uur, maar slechts 30 seconden nodig heeft om met plannen te komen die voor de behandelend arts acceptabel zijn.

“De grootste uitdaging in mijn onderzoek was om het maximale uit het algoritme te halen. Er moeten per orgaan vele berekeningen gedaan worden om de juiste dosis straling te bepalen – dan heb je het over tienduizenden punten. Deze berekeningen moeten tegelijkertijd gedaan worden om tijd te winnen. Voor die versnelling heb ik de parallellisatie-technieken gebruikt.”

De beste keuze

Het mooie, zegt Bouter, is dat artsen niet één behandelplan krijgen, maar een aantal plannen die optimaal zijn voor hun patiënt. Elk met een andere afweging: in het ene plan krijgt de tumor een hogere dosis straling dan in het andere, met als gevolg meer of minder schade aan bepaalde organen. Op basis van leeftijd en conditie van de patiënt kan de arts daar de beste keuze uit maken. “De arts blijft eindverantwoordelijk voor de behandeling, niet het algoritme of de makers daarvan.”

Meer toepassingen

Bouter werkte aan een eenvoudige interface voor artsen die goed samengaat met bestaande klinische software. Die interface wordt nog steeds verfijnd. Amsterdam UMC maakt al gebruik van het algoritme en de bijbehorende software, BRIGHT genaamd. Inmiddels is aangetoond dat de bestralingsplannen van BRIGHT beter zijn dan de berekeningen die artsen maken.

De optimalisatiemethode heeft in theorie veel meer toepassingen. Zo loopt er een landelijke studie die kijkt of het algoritme bruikbaar is bij de behandeling van baarmoederhalskanker. Daarnaast onderzocht Bouter zijn optimalisatiemethoden voor medische beeldregistratie (MRI- of CT-scans).

Header photo: Shutterstock

*Optimal mixing evolutionary algorithms for large-scale real-valued optimisation. Including real-world medical applications. Anton Bouter, 13 februari 2023. Promotor: prof.dr. Peter Bosman. Copromotor: dr. Tanja Alderliesten

algoritme

Meer informatie:

Photo: Shutterstock