LÄR: Inlärningsmiljö för artificiell intelligens i radioterapi Ny teknik (LEARN)

Denna observationsstudie kommer att få tillgång till rutinmässigt inhämtade strålterapibehandlingsdata från 300 patienter inklusive hjärna, bröst, huvud och hals, njure, lever, bukspottkörtel, prostata, ryggrad och hjärtanatomiska platser. Minst 30 patienter kommer att rekryteras från varje anatomisk plats för att möjliggöra tillräcklig data för träning, testning och validering av den markörlösa spårningsmetoden. De kliniska data kommer att användas för att utveckla, träna, testa och validera en markörlös målspårningsmetod.

Efter behandlingen kommer grundsanningen och variabiliteten i grundsanningen att beräknas. Patientbilderna, de markörlösa spårningsresultaten, grundsanningen och variationen kommer att laddas upp till ett internt utvecklat inlärningssystem för kliniska prövningar. Att ladda upp ytterligare data till inlärningssystemet utlöser automatiskt modellbyggandet av djupinlärningssystemet. På detta sätt blir inlärningssystemet både mer exakt och robust för varje patient som samlas in. Allt eftersom patientdata samlas in kan den primära hypotesen om inriktningsnoggrannhet testas.

Den utvecklade mjukvaran för spårning utan markörer kommer att tillämpas av studiepersonal på behandlingsavbildningsdata för varje anatomisk plats med hjälp av femfaldig korsvalidering där 80 % av data används för träning och de återstående osynliga 20 % av data används för testning . Målpositioner som produceras av den markörlösa spårningen kommer att jämföras med en "marksanning".