De första patientbehandlingarna med dosplaner som skapades med hjälp av maskininlärning i dosplaneringssystemet RayStation, har nu genomförts.
Patienter med lokaliserad prostatacancer behandlas med denna unika teknik vid Princess Margaret Cancer Centre i Toronto, Kanada, som en del av en omfattande utvärderingsstudie.
RaySearch inkluderade maskininlärningsfunktioner i RayStation 8B* i slutet av december 2018. Den nyskapande tekniken har utvecklats av RaySearchs egna avdelning för maskininlärning i samarbete med forskare vid Princess Margaret Cancer Centre och Techna Institute, och är ett resultat av flera års hårt arbete och banbrytande forskning ledd av fysikern Dr. Tom Purdie och forskaren Dr. Chris McIntosh.
Funktionaliteterna är de första maskininlärningsapplikationerna för dosplaneringssystem på marknaden, och de tar fram strålbehandlingsplaner av hög kvalitet på bara några minuter, utan mänsklig inblandning.
Sedan maj 2019 har varje patient med lokaliserad prostatacancer som behandlats vid Princess Margaret Cancer Centre ingått i ett initiativ under ledning av strålningsonkologen Dr. Alejandro Berlin. Initiativet startades efter att man sett mycket positiva kliniska resultat i en retrospektiv utvärderingsstudie som genomfördes 2018. Studien visade, baserat på blindtester av tre expertgranskare, att i 94 % av fallen föredrogs maskininlärningsplanerna framför, eller bedömdes vara likvärdiga, med tidigare manuellt framtagna dosplaner.
Den pågående fasen i studien är en dubbelblind studie där läkare får presenterat två behandlingsplaner, en manuellt skapad plan och en maskininlärningsplan. Den valda planen genomgår sedvanlig granskning och kvalitetssäkring i en klinisk tillgänglig version av RayStation och efter godkännande används denna för behandling av patienten**.
Detta globala och unika projekt, möjliggjort med teknologi från RaySearch och teamet på Princess Margaret Cancer Centre, kommer att tillhandahålla unika data för kvantifiering av prestanda och maskininlärningsplaner som föredraget alternativ i praktisk verksamhet.
Dr. Alejandro Berlin, strålningsonkolog vid Princess Margaret Cancer Centre, säger: ”Det har varit otroligt spännande för teamet att få vara med om att skapa de här framstegen inom maskininlärning för strålningsonkologin, inklusive implementering i den kliniska verksamheten. De positiva resultat vi uppnått fram tills nu validerar våra observationer om robustheten hos den här planeringslösningen.”
Johan Löf, grundare och VD, RaySearch, säger: ”Det gläder mig mycket att patienter nu behandlas med maskininlärningsplaner som skapats i RayStation. Dessa funktioner är de första av sitt slag och nu är det bevisat att de fungerar precis som vi förväntade oss. Vårt samarbete med Princess Margaret Cancer Centre i detta projekt har varit lyckosamt och kommer att leda till bättre cancervård för fler patienter.”