Länkstig

Jehangir Khan: Automatiserad dosimetri gör strålbehandling mer individanpassad

Publicerad

Jehangir Khan har utvecklat metoder som gör det snabbare och mer tillförlitligt att beräkna stråldosen till njurarna vid behandling av neuroendokrina tumörer. Resultaten kan bidra till mer individanpassad och säker vård.

Bild
Jehangir Khan, doktorand vid Institutionen för kliniska vetenskaper och sjukhusfysiker vid Universitetssjukhuset i Örebro.

JEHANGIR KHAN
Disputation: 17 september 2025 (klicka för mer information)
Doktorsavhandling: Image-based kidney dosimetry method for  [¹⁷⁷Lu]Lu-DOTATATE treatments Development, validation, and assessment of quantification accuracy and precision
Ämnesområde: Medicinsk strålningsvetenskap
Sahlgrenska akademin, Institutionen för kliniska vetenskaper

Neuroendokrina tumörer (NET) är en ovanlig grupp cancersjukdomar som ofta diagnostiseras i ett sent stadium. I Sverige upptäcks omkring 400–500 nya fall varje år. Eftersom tumörcellerna ofta har många receptorer på sin yta för hormonet somatostatin (somatostatinreceptorer) kan patienterna behandlas med radionuklidterapi. Det innebär att en radioaktiv isotop kopplas till ett ämne som binder specifikt till tumören. Ett exempel är läkemedlet [¹⁷⁷Lu]Lu-DOTATATE, som godkändes 2018 i både Europa och USA.

– Med dosimetri, alltså beräkning av hur mycket strålning olika organ tar upp, kan vi optimera behandlingen genom att öka stråldosen till tumören och samtidigt minska exponeringen för riskorgan som njurar och benmärg, säger Jehangir Khan, sjukhusfysiker vid Universitetssjukhuset i Örebro och doktorand vid Institutionen för kliniska vetenskaper.

Figur från avhandlingen. Illustration av hur ett 3D-konvolutionellt neuronnätverk används för att segmentera njurarna automatiskt i SPECT/CT-bilder.

Snabbare och mer exakt segmentering

Ett hinder för dosimetri i klinisk vardag idag är att metoden är tidskrävande. Den kräver flera bildtagningar, analyser och manuella beräkningar. Därför har Jehangir Khan och hans kollegor utvecklat en metod för att automatisera segmenteringen av njurar på datortomografibilder.

– Vi har använt ett så kallat konvolutionsbaserat neuronnätverk (CNN), en form av artificiell intelligens för bildanalys. Det gör segmenteringen både snabbare och mer konsekvent än när den görs manuellt, och det effektiviserar hela dosimetriprocessen vid behandling med [¹⁷⁷Lu]Lu-DOTATATE.

Figur från avhandlingen. Ett översiktligt diagram som illustrerar de fundamentala stegen i dosimetriprocessens arbetsflöde.

Optimerad metod för dosberäkning

Forskargruppen har också vidareutvecklat en metod där små avgränsade volymer ritas in i njurarnas vävnad (parenkym). Genom att mäta hur läkemedlet fördelar sig i dessa små volymer går det att räkna ut hur mycket strålning njurarna utsätts för.

– Vi har optimerat den här så kallade små-VOI-metoden så att den ger lika tillförlitliga resultat som den mer arbetskrävande metoden där hela njurvävnaden ritas in (WKP-metoden). Dessutom har vi tagit fram en empirisk modell för att uppskatta osäkerheten i beräkningarna på individnivå. Det är avgörande för att kunna optimera behandlingen och öka patientsäkerheten.

Att förena klinik och forskning

Vad har varit roligt och vad har varit utmanande med doktorandprojektet?
– Det har varit väldigt givande att kombinera det kliniska arbetet med forskningen. Att få utveckla en metod som både har vetenskaplig grund och praktisk nytta i det dagliga arbetet har varit särskilt motiverande. Samtidigt har det varit utmanande att hitta tid till forskningen, särskilt under perioder med hög arbetsbelastning, men det har också varit mycket lärorikt.

Text: Jakob Lundberg