研究焦点:博士。刘洪城

Hongcheng Liu profile picture, superimposed over brain scansHoncheng Liu, Ph.D., an assistant professor for the Department of Industrial & Systems Engineering (ISE), is working with “small” data to provide personalized and highly accurate radiation therapy treatment. His work supports the effective elimination of tumors and promotes safety for critical structures surrounding tumors.

在一些保健习惯,这是适用于某些患者的数据量是有限的。虽然小数据集可访问,他们不太丰富。此外,当您尝试,以适应一个数学模型来限制数据,传统的方案可能不适用,这可能会导致不准确的治疗方案处方。要解决这些问题,需要改进的建模方法,以加强现有的做法。

放射治疗可以从患者不同而不同,特别是与不同类型的癌症。柳传志认为,诊断和治疗方法应该是更加个性化的病人,以优化的积极成果;然而,由于缺乏可用的数据,患者的个性化治疗方法是具有挑战性的。

“A major motivation for this 研究 is that ‘one size fits all’ does not apply in 放射治疗 methods from one patient to the next. There is a need to focus on individual patient data and Dr. Liu is using a multi-stage data-driven modeling approach to improve prescriptive accuracy,” said David Kaber, Ph.D., chair of the Department of Industrial & Systems Engineering. “This work represents a major contribution to 癌症治疗 methods.”

刘,伴随着一个跨学科的团队,其中包括博士。卢波,从放射肿瘤学用友的部门,正在开发一个优化模型来确定的肿瘤放疗计划。为了使这个模型成功地获得最佳的治疗方案为每一个病人,某些参数必须学习的每一个人。该模型然后确定某些结果如频率,强度和可能的治疗总数。

单一治疗方案包括治疗组分的序列,从而使健康的细胞级分之间恢复。根据癌症的类型和强度,组分的数量和强度可以是针对每个患者不同。由于有限的数据,在开始的时候被用于保守治疗方法。然而,与刘的模型的方法中,需要更少的显著数据来确定各馏分最佳配置。同时,作为处理的进行,更多的数据被收集时,加强结构的用于将来的治疗馏分的质量。

这个多级的,数学建模的方法需要某些数据输入变量,诸如计算机断层扫描(CT)扫描,其中医师识别的“目标”区,以及关键结构治疗期间避免。该模型还考虑到在初始诊断和治疗之间的任何差别,如在CT扫描过程中的身体位置放射疗法与期间。该模型将继续使整个治疗持续时间的调整。

“这是很难预测该项目的完成时间,但这种方法将是剂量师,医生和医学物理学家有用。细节将在相关的传播场所予以公布,并作为更先进的治疗方案的开发基线,”刘说。