Peter van Ooijen

University of Groningen, University Medical Center Groningen

Kort samengevat, behelst het onderzoek van Peter van Ooijen het volgende:

'Detection and Prediction of Radiation Toxicity and Tumor Response using Deep Learning - Towards Personalized Adaptive Radiotherapy

With the increased survival rate of cancer patients because of successful treatment with (chemo)radiation, the risk of toxicity and related side effects also increased. Prediction or early detection of toxicity is of utmost importance to allow adaptation of the treatment to avoid toxicity related problems. In addition, the early identification of patients that exhibit a lower expected tumor response allows to choose a more aggressive treatment regime for those patients.

Aim of this project is to facilitate personalized adaptive radiotherapy to improve treatment outcome. We will investigate determination of treatment efficacy (tumor response) and detection and prediction of side effect severity (toxicity) of radiation therapy for head-and-neck cancer using deep learning techniques to identify predictive image features. Ultimately, the goal is to facilitate personalized adaptive radiotherapy, where the treatment plan is adjusted on-the-go based on both the daily anatomical changes and the predictions of the models for toxicity and tumor response.'

Korte samenvatting van voortgang / resultaten per voorjaar 2021

'In de eerste maanden van het project is een gedetailleerde planning gemaakt waarbij verschillende deelprojecten zijn gedefinieerd elk met hun eigen complexiteit en risico. Daarnaast is gestart met het bepalen van de benodigde data en de verzameling daarvan. Op dit moment zijn de eerste modellen op basis van kunstmatige intelligentie geïmplementeerd en zijn wij gestart met het trainen van deze modellen op de al verzamelde data. Het doel van deze modellen is om automatisch de omlijning van hoofd-hals tumoren te herkennen op de beelden en deze in te tekenen. De eerste resultaten zien er veelbelovend uit.'