Louise Mövik: Riskmodeller för strålbehandling vid lungcancer
Forskning i Louise Möviks avhandling handlar dels om att skapa så kallade dos-responsmodeller för att kunna uppskatta risken för tidig andningsrelaterad död efter strålbehandling av lungcancer. Men också om att bemöta det praktiska hindret: att det är mycket tidskrävande att samla in och förbereda data manuellt, för storskaliga studier av dos-responssamband.
LOUISE MÖVIK
Disputation: 24 april 2026 (klicka för mer information)
Doktorsavhandling: Predicting early respiratory-related mortality after lung cancer radiotherapy: Automated radiotherapy data preparation and risk modeling
Ämnesområde:Medicinsk strålningsvetenskap
Sahlgrenska akademin, Institutionen för kliniska vetenskaper
Strålbehandling är en viktig behandling vid lungcancer. Men det krävs en bra balans mellan att ge tillräckligt hög stråldos för att behandla tumören, och samtidigt en acceptabel stråldos till de friska organ, för att skydda dem från komplikationer.
För att optimera denna balans behövs så kallade dos-responsmodeller som beskriver hur stråldosen till olika organ hänger ihop med behandlingsutfall, det vill säga resultatet av behandlingen. Problemet är att det finns en brist på sådana riskmodeller, särskilt för ovanliga men allvarliga komplikationer.
– Min forskning handlar om att skapa riskmodeller för det ovanliga utfallet tidig andningsrelaterad död efter strålbehandling av lungcancer, säger Louise Mövik, sjukhusfysiker vid enheten för Terapeutisk strålningsfysik på Sahlgrenska Universitetssjukhuset och doktorand vid Institutionen för kliniska vetenskaper på Göteborgs universitet.
Automatiserade metoder för insamling av strålbehandlingsdata
För att kunna skapa dessa modeller, för ett ovanligt utfall, krävs stora mängder strålbehandlingsdata, och att samla in sådan data manuellt är väldigt tidskrävande.
– Därför har min forskning också fokuserat på att skapa automatiserade metoder för att förbereda strålbehandlingsdata. Metoderna använde jag sedan för att förbereda data från flera sjukhus, som till sist användes för att skapa dos-responsmodeller.
Illustration från avhandlingen: Ett automatiserat arbetsflöde för att förbereda strålbehandlingsdata som sedan kan användas för att utveckla riskmodeller. Se avhandlingen sidan 33 för en mer utförlig beskrivning.
Ålder samt stråldos till lungorna kan förutspå risken för tidig andningsrelaterad död
Ett resultat från forskningen i avhandlingen var utvecklingen av riskmodeller för att uppskatta risken för tidig andningsrelaterad död efter strålbehandling av lungcancer.
– Vi såg att patientens ålder och stråldosen till den friska lungvävnaden är viktiga faktorer för att uppskatta denna risk. På sikt kan sådana riskmodeller användas för att utvärdera patienters individuella risk för att dö av tidig andningsrelaterad död.
Metoderna som utvecklades för att automatiskt förbereda strålbehandlingsdata kan dessutom användas för att effektivt förbereda stora mängder strålbehandlingsdata för andra studier, vilket kan underlätta framtida forskning.
Vad har varit mest givande och utmanande med doktorandprojektet?
– En särskilt rolig del av det här projektet har varit att det har bestått av många olika komponenter, som alla varit utmanande i sig själva, men som tillsammans gjorde det möjligt att genomföra det sista projektet.
Text: Susanne Lj Westergren