Radiation Therapy Patient Scheduling: An Operations Research Approach
Tid: Fr 2023-05-26 kl 10.00
Plats: F3, Lindstedtsvägen 26 & 28, Stockholm
Språk: Engelska
Ämnesområde: Tillämpad matematik och beräkningsmatematik, Optimeringslära och systemteori
Respondent: Sara Frimodig , Optimeringslära och systemteori
Opponent: Professor Willem-Jan van Hoeve, Carnegie Mellon University, USA
Handledare: Per Enqvist, Optimeringslära och systemteori; Jan Kronqvist, Optimeringslära och systemteori; Mats Carlsson, RISE Research Institutes of Sweden
QC 20230427
Abstract
Att för hand schemalägga patienter för strålterapi är svårt och tidskrävande. Antalet cancerfall ökar i världen, vilket har gjort effektiv resursplanering till ett viktigt verktyg för att uppnå korta väntetider och patienters lika rätt till vård. Denna avhandling studerar användandet av operationsanalys för schemaläggning av patienter för strålterapi. Var och en av de fyra bifogade artiklarna gör inkrementella steg mot en klinisk implementation av en automatiserad schemaläggningsalgoritm.
Artikel A presenterar tre modeller för att schemalägga patienter för strålterapi. Resultaten visar att de två villkorsprogrammeringsmodellerna tidigare hittar tillåtna lösningar, medan heltalsprogrammeringsmodellen snabbare kan bevisa optimalitet. Ingen av modellerna kan dock lösa större problem inom en rimlig tidsram. I artikel B förbättras och utvecklas modellerna för att återspegla en mer realistisk cancerklinik. Utöver det introduceras en ny kolumngenereringsmetod. Olika målfunktioner utformas för att efterlikna målen med schemaläggningen på olika cancerkliniker, och de olika modellerna jämförs med hjälp av dessa målfunktioner. Resultaten visar att kolumngenereringsmetoden överträffar de andra modellerna på alla probleminstanser, oavsett vilken målfunktion som används. I artikel C utökas kolumngenereringsmodellen med fler bivillkor för ytterligare medicinska och tekniska krav på schemana inom ett kliniskt samarbete med en stor cancerklinik med tio linjäracceleratorer. Därtill jämförs olika sätt att säkerställa att det finns resurser för akuta patienter direkt vid ankomst. I artikel D utvärderas slutligen vilken potential kolumngenereringsalgoritmen har för klinisk implementation. Automatiskt genererade scheman valideras kliniskt och jämförs med ett kliniskt schema som lagts manuellt för en tidsperiod av ett år. Det automatiskt genererade schemat minskar den genomsnittliga väntetiden för behandlingsstart med 80%, förbättrar den genomsnittliga jämnheten i tidsbokningarna med 80%, och ökar antalet fraktioner schemalagda på de maskiner som är bäst lämpade för behandlingen med över 90% jämfört med de manuellt konstruerade schemana, utan att försämra kvaliteten i övrigt.
Kraven på scheman liknar varandra mellan olika cancerkliniker. Eftersom flera olika målfunktioner presenteras innebär det att kolumngenereringsmetoden går att applicera på olika kliniker för att automatiskt schemalägga patienter för strålterapi. Detta skulle göra det möjligt för strålterapikliniker att spara tid under schemaläggningsprocessen, och samtidigt förbättra kvaliteten på schemana och därmed vården.