Robust planning of pelvic intensity-modulated radiotherapy to spare the small bowel

I dette forskningsprosjektet har vi utvikla metodar for å betre strålebehandling av kreft i bekkenet med sikte på å redusere stråleskade i tarm. Ein metode vi har undersøkt er såkalla adaptiv stråleterapi. Med denne teknikken vert strålebehandlinga individuelt tilpassa til kvar einskild pasient ikkje berre i forkant av behandlinga, men også undervegs i behandlingsperioden som går over fleire veker. I ein systematisk oversiktsstudie av 43 kliniske studier og 51 simuleringsstudier fann vi at denne metoden førte til reduserte stråledosar til tarm og blære for samme dose til svulsten. Metoden har dermed eit stort potensial, men ein del utfordringar gjenstår for vid klinisk implementering. Utfordringane som gjekk igjen var automatisering av prosessen spesielt med tanke på segmentering av svulst og friske organ i dei anatomiske bilda og metodar for å selektere pasientane som har mest nytte av yttarlegare behandlingstilpassing (og dermed auka ressursbruk). Behandlingstilpassinga ved adaptiv stråleterapi skjer på grunnlag av anatomiske bilde tekne undervegs i behandlinga enten daglig, ukentlig eller sjeldnare. I vår forskning har vi vist at det kan vere store endringar i anatomien til ein og same pasient frå dag til dag. Dette er imidlertid svært individuelt. Hos nokre pasientar er dag-til-dag forandingane små, medan dei er store for andre pasientar. For å kunne nytte bildeinformasjonen til adaptiv strålebehandling må både svulsten og dei friske organa segmenterast i kvart bildeopptak. Tarmen er eit av dei viktigaste organa å spare, men også mest ressurskrevande å teikne inn manuelt. I prosjektet har vi vore med på å utvikle og implementere ein metode for semi-automatisk segmentering av tjukktarmen. I samarbeid med ei forkningsgruppe i Italia har vi også testa ut andre metodar for auto-segmentering av tarm. Resultata frå studien viser at det er svært utfordrande å gjere dette automatisk, men at ein kan spare ressursbruk ved å kombinere automatisk og manuell innteikning. God kurasjonsrate og relativt få biverknader syner at dei fleste pasientane får ei god strålebehandling med dagens metode. Difor er det viktig å kunne selektere pasientar der behandlinga ikkje går som planlagt. I samarbeid med ei forskningsgruppe i Nederland, har vi utvikla og implementert ein metode som nytter dei repeterte bildedatane til betre å predikere utfallet av behandlinga. Med denne metoden kan vi statistisk simulere behandlingsforløpet for enkeltpasientar og estimere korleis pasienten sin indre organbevegelse vil gje utslag i behandlingseffekt. I ein pilotstudie har vi nytta denne metoden til å studere faktisk behandlingsdose opp mot behandlingseffekt. Studien synte ein systematisk skilnad mellom planlagt og levert behandling utan at vi kunne påpeike nokon samanheng med behandlingseffekt i denne begrensa studien. Metoden er lovande og vil potensielt kunne nyttast til å evaluere behandlinga undervegs og velge ut pasientar som treng yttarlegare justeringar i behandlingsplanen. Usikkerheiter knytta til organbevegelse og nytten av metodar for å korrigere for dette gjennom adaptiv stråleterapi er potensielt enno meir viktig innan partikkelterapi enn fotonterapi. I dette prosjektet har vi difor også satt i gang forskning retta mot partikkelterapi i samarbeid med Universitetet i Bergen. Meir utvikling innan bildebehandling og avansert statistikk trengst for å kunne gjere dei utvikla metodane ressurseffektive og robuste nok for klinisk bruk. På sikt kan metodane bidra til ei meir individuelt tilpassa strålebehandling.