Sädehoidon annossuunnitelmien poikkeavuuksien havaitseminen neuroverkoilla

Abstract

Sädehoidossa potilaalle tehdään yksilöllinen annossuunnitelma, jonka mukaan hoito toteutetaan. Kaikilta annokseen vaikuttavilta tekijöiltä vaaditaan suurta tarkkuutta. Uusi lähestymistapa annossuunnitelmien laadunvarmistukseen on tiedonlouhintaan ja koneoppimiseen perustuvien menetelmien hyödyntäminen. Kyseisillä menetelmillä voidaan muodostaa hoidossa aiemmin toteutetuista annossuunnitelmista malli, jonka avulla voidaan havaita uusien annossuunnitelmien poikkeavuudet, ja näin lisätä säde­hoidon turvallisuutta. Tutkimuksen tavoitteena oli muodostaa SOM- ja PNN-neuroverkoilla malli, jolla voidaan havaita poikkeavuuksia annossuunnitelmista. Mallia varten haettiin rinnan­poiston jäl­keisten kolmella kentällä toteu­tettujen sädehoitojen annossuunnitelmien parametreja Oulun yliopistollisen sairaalan sädehoidon yksikön tietokannasta. Malli muodostettiin erikseen fotoni- ja elektronikentille. Tutkimuksessa keskityttiin havait­semaan kenttien monitoriyksiköiden ja elektro­nikenttien säteilyenergioiden poikkea­vuuksia. Lisäksi työssä selvitettiin, kuinka Matlab-ohjelmistolla voidaan muodostaa tietokantayhteys OYS:n Aria-tietokantaan, mikä mahdollistaa poikkeavuuk­sien ha­vaitsemismallin käyttöönoton annossuunnitelmien tarkastuksessa. Tulosten perusteella tutkimuksessa muodostetulla mallilla onnistuttiin havaitsemaan keinotekoisesti tehtyjä virheitä hyvin. Mallilla todettiin olevan myös hyvä yleistys­kyky. Lisäksi tietokantayhteys Matlab-ohjelmistolla on­nistui, mikä mahdollistaa Matlab-pohjaisen annossuunnitelmien tarkastustyökalun kytkemi­sen annossuunnitte­lujärjestelmän rinnalle sädehoidon turvallisuutta lisää­mään. Poikkeavuuksien havait­semismallin soveltaminen mui­hin annossuunnitelmatyyppeihin ja -parametreihin vaatii vielä lisätutki­musta.