Big data i strålebehandling af hoved og hals kræftpatienter

Evidens fra kliniske forsøg kommer, lidt populært sagt, fra unge, stærke patienter, mens konklusionerne bliver brugt på ældre, svage patienter. Big data analyse, der er omdrejningspunktet i dette projekt, er et supplement til traditionelle kliniske fase III forsøg, hvor det kan være svært at ekstrapolere fra den meget homogene patient sammensætningen i det kliniske forsøg til hverdagens typiske patientsammensætning. Ligeså tager fase III forsøg meget lang tid at gennemføre, hvilket er et problem i et område under hurtig udvikling; her har Big data metoden mulighed for at kunne forbedre patientbehandlingen langt hurtigere. Big Data bygger på tre grundelementer: Volumen (store data mængder), Variation (heterogent data) og Velocity (hurtig tidslig tilpasningen af data).

Det konkrete projekt vil benytte det internationale EuroCat samarbejde til at udvikle modeller til forudsigelse af bivirkninger fra strålebehandling hos hoved-hals- og lungekræftpatienter. For disse patientgrupper er bestrålingen af kræftknuden ofte begrænset af risikoen for alvorlige strålebivirkninger. Sigtet for projektet er at blive i stand til at udvælge de patienter, der forventes at få begrænsede bivirkninger, hvorved bestrålingen af deres kræftknude kan øges og deres overlevelseschancer forbedres. Bivirkningsmodellerne vil blive genereret ud fra Big Data analyse metoder, der understøttes af EuroCat projektet, hvorved data fra en lang række centre i Europa vil være tilgængelig for projektet. Helt konkret vil projektet arbejde på at udvikle modeller for hoved-halskræftpatienter samt stråleinduceret pneumonitis for lungekræftpatienter. Med disse modeller vil man bedre kunne lave patientindividuel strålebehandling, hvor den mere præcise forudsigelse af chancerne for overlevelse og risiko for bivirkninger danner grundlaget. I sidste ende vil lægen i samarbejde med patienten kunne træffe beslutningen om hvilken behandlingsmodalitet, som passer bedst til netop denne patient.