Cancer patients come first as Elena Czeizler and her team harness the power of AI to generate truly personalized cancer treatments (linkki suomenkieliseen blogiin)
When Elena Czeizler joined Varian six years ago, she was thrilled she could continue working in a field she was passionate about: using the power of rigorous mathematical formalisms and computational algorithms to analyse complex biomedical problems. Currently, she and her team harness the power of AI to help oncologists across the globe to provide the right treatment for the right patient at the right time, which is the true essence of developing personalized treatments.
The Automated Treatment Planning and AI team, led by Elena Czeizler, has a very challenging task on their hands, and they aim to use the power of AI-based approaches to tackle it.
“We have two main missions in my team – firstly, we aim to improve the radiotherapy treatment planning process by better use of data and clinical knowledge. Secondly, we aim to leverage this knowledge to streamline the complex planning workflows, “ Dr. Czeizler explains.
Dr. Czeizler is not exaggerating when using the word “complex”. In order to target the cancer cells precisely and save the healthy, neighbouring tissues and organs, the radiation treatment planning process can take many hours and requires the detailed, in-depth knowledge of highly trained specialists. The quality of the generated plan is impacted by the expertise of the specialists generating it, which, in a larger scale, can set patients to unequal positions depending on their location. In the equation of shrinking volume of working-age population and increasing volume of elder people, it means that there may not be enough highly-trained specialists for the task in all locations.
By developing automated planning systems which incorporate AI-based methods, Dr. Czeizler and her team aim to eliminate the manual tasks involved in that process, thus minimizing the time-consumption and the human-dependent variation in the quality of the plans – and ultimately the unequal access to high-quality treatment, thus improving the quality of life of the patients everywhere.
Doing research that ultimately touches lives
While the team is involved in the development and support of current Varian products, such as Ethos and RapidPlan, they are also working on research projects aiming at advancing treatment planning solutions.
“We are focussing on research topics at the forefront of the radiation treatment planning domain. AI-based solutions, such as automated segmentation models which use AI approaches to automatically recognize anatomical structures, have already proved their value in replicating and replacing some of the manual and very time-consuming tasks involved in treatment planning. My team’s research projects aim to further push these advances by training AI-based models to use the current data and clinical knowledge to guide future clinicians to quickly generate high-quality plans. This can be seen as a loop of information flow: the models learn from the current clinical knowledge and practices and then they can be used to enhance the efficiency of clinicians anywhere by supporting their decision-making processes and automating their workflows. Using such models could thus also be very valuable in hospitals with limited resources, enabling clinicians to create high quality plans in a much shorter amount of time.”
Research is a critical part of the work, and a very motivating one, according to Dr. Czeizler, who already had a long academic career before joining Varian six years ago. The research Dr. Czeizler and her team are conducting has a very practical driver – improve the products, which ultimately leads to improving the patients’ lives, which is a very rewarding and inspiring thought.
“Being able to do research as part of my work is very important to me. I did not have to leave it behind when I switched from academia to work in the industry. It is very rewarding to me that I can do research that is so closely linked to actual products which ultimately touch patients’ lives,” she emphasises.
“Is this helping the cancer patient?” is the key question
Focussing on the most relevant challenges is essential when aiming to tackle such complex problems. This is an important focus of Dr. Czeizler’s team’s work.
“We could develop amazing solutions and models for all kinds of problems. But if they do not help or support clinicians in their daily work or if they do not solve real clinical problems, our work is pointless. Therefore, the most crucial point is to identify those problems that are most critical to our users, the clinicians – what would help them the most in their effort to create the best treatment plan for each patient.”
Once these critical clinical issues have been identified, the team then translates them into algorithmic problems. There, the research and development process begins.
“Our work is inherently end-user-centric. In each step, we must keep in mind that these solutions will be used in clinics, and we want to enhance the clinicians’ work as much as possible. At the same time, we also focus on the patients – make it easier for them to access treatment and enable them to receive high-quality treatments as fast as possible.”
“People from different backgrounds ask completely different kinds of questions”
Compared to the big problems they are solving, the team itself is rather small – seven specialists in total. One of the secrets behind their success is, according to Dr. Czeizler, their diversity.
“My team is extremely diverse – in terms of both their fields of expertise as well as nationalities. We represent five nationalities, and we have different backgrounds that complement each other very well for our daily work – mathematics, computer science, signal processing, data science, machine learning, and physics. When you bring to the same room all these different backgrounds, experience, and expertise in an open, honest, and safe environment, you get the best ingredients for innovation – I think that is our secret sauce.”
“No innovation can surface if we all see the problem through the same lenses. Different views cultivate and elevate the seeds of ideas and iterations. People from different backgrounds ask completely different kinds of questions. And that is the advantage and the power of having a diverse team of highly-qualified experts focussing on solving these enormously complex problems – such as improving the treatment of cancer.”
VARIAN, ETHOS, and RAPIDPLAN are trademarks of Varian Medical Systems, Inc., pending or registered U.S. Pat. & Tm. Off.
Syöpäpotilaat ovat etusijalla, kun Elena Czeizler ja hänen tiiminsä hyödyntävät tekoälyn voimaa tuottaakseen aidosti yksilöllisiä syöpähoitoja
Aloittaessaan työt Varianilla kuusi vuotta sitten Elena Czeizler oli innoissaan. Hän pääsi jatkamaan työtä rakkaan aiheen parissa – tutkimaan ja ratkaisemaan monimutkaisia biolääketieteellisiä ongelmia matemaattisten kaavojen ja laskennallisten algoritmien avulla. Nyt Czeizler tiimeineen käyttää tekoälyä kehittääkseen yksilöllisiä syöpähoitoratkaisuja. Työn tavoitteena on, että lääkärit ympäri maailmaa voisivat tarjota juuri oikeaa hoitoa oikealle potilaalle oikeaan aikaan.
Elena Czeizlerin johtamalla The Automated Treatment Planning and AI -tiimillä on työpöydällään erittäin haastava tehtävä. Sen ratkaisemiseksi he ovat valjastaneet käyttöönsä tekoälyyn perustuvat menetelmät.
"Tiimilläni on kaksi päätehtävää. Ensinnäkin pyrimme parantamaan sädehoidon suunnitteluprosessia hyödyntämällä tehokkaammin dataa ja kliinistä tietotaitoa. Toiseksi pyrimme jatkojalostamaan kaikkea tätä tietoa monimutkaisten suunnitteluprosessien sujuvoittamiseksi", Czeizler selittää.
Czeizler ei liioittele kutsuessaan prosessia monimutkaiseksi. Jotta syöpäsolut olisi mahdollista paikantaa mahdollisimman tarkasti ja terveet elimet säästyisivät, saatetaan sädehoidon suunnitteluprosessiin käyttää lukuisia tunteja. Onnistuneen suunnitelman laatiminen edellyttää korkeasti koulutettujen asiantuntijoiden yksityiskohtaista ja syvällistä tietotaitoa. Karkeasti ottaen voidaankin sanoa, että suunnitelmien laatu korreloi suoraan niitä laativien asiantuntijoiden osaamisen kanssa. Laajemmassa mittakaavassa tämä voi asettaa potilaat eriarvoiseen asemaan heidän asuinpaikastaan riippuen. Työikäisen väestön supistuessa ja ikääntyneiden määrän kasvaessa kaikille paikkakunnille ei välttämättä riitä korkeasti koulutettuja syövänhoidon asiantuntijoita.
Kehittämällä tekoälyyn perustuvia automaattisia suunnittelujärjestelmiä, Czeizler ja hänen tiiminsä pyrkivät poistamaan hoitosuunnitteluprosessiin liittyviä manuaalisia tehtäviä ja näin minimoimaan ajanhukkaa ja ihmisestä riippuvaista laadunvaihtelua. Se puolestaan tasa-arvoistaa syöpäsairaiden pääsyä laadukkaaseen hoitoon sijainnistaan riippumatta – ja siten heidän elämänlaatuaan.
Varianilla pääsee tekemään tutkimusta, jolla pelastetaan ihmishenkiä
Vaikka Czeizlerin tiimi osallistuu Varianin tuotteiden, kuten Ethosin ja RapidPlanin, kehittämiseen ja tukemiseen, on sillä työn alla myös hoidonsuunnittelun parantamista edistäviä tutkimushankkeita.
"Keskitymme tutkimusaiheisiin, jotka ovat sädehoidon suunnittelun eturintamassa. Tekoälypohjaiset ratkaisut, kuten automatisoidut segmentointimallit, ovat jo osoittaneet arvonsa. Niillä voidaan toistaa ja korvata joitakin hoidon suunnitteluun liittyviä manuaalisia, hyvin aikaa vieviä tehtäviä. Tiimimme tutkimushankkeissa pyritään viemään näitä edistysaskeleita eteenpäin,” Czeizler kuvaa
“Hankkeissa koulutamme tekoälypohjaisia malleja hyödyntämään nykytietoa ohjaamaan kliinikoita, jotta he pystyisivät tuottamaan korkealaatuisia suunnitelmia mahdollisimman nopeasti. Tämä on eräänlainen tiedonkulun silmukka: malleja opetetaan nykyisellä kliinisellä tiedollaa ja käytännöillä. Sen jälkeen malleja voidaan käyttää parantamaan kliinikoiden tehokkuutta tukemalla päätöksentekoprosesseja ja automatisoimalla työnkulkua. Tällaisten mallien käyttäminen voisi siten olla hyvin arvokasta erityisesti niissä sairaaloissa, joissa resurssit ovat rajalliset."
Elena Czeizlerin mukaan tutkimus on tärkeä ja erittäin motivoiva osa työtä. Hänellä on takanaan pitkä akateeminen ura ennen Varianille siirtymistään. Czeizlerin ja hänen tiiminsä tekemällä tutkimuksella on hyvin käytännönläheinen tavoite – potilaiden elämää aidosti parantavien tuotteiden kehittäminen. Se on hyvin palkitseva ja innostava mahdollisuus.
"Minulle on hyvin tärkeää, että voin tehdä tutkimusta osana työtäni. Onkin hienoa, ettei minun ei tarvinnut jättää sitä taakseni, kun siirryin akateemisesta maailmasta yritykseen. Erityisen antoisaa on, että tekemäni tutkimustyö liittyy suoraan tuotteisiin, joilla parannetaan potilaiden elämää", hän korostaa.
"Auttaako tämä syöpään sairastunutta?"
Monimutkaisia ongelmia ratkottaessa tärkeintä on osata keskittyä olennaiseen. Juuri se on Czeizlerin työryhmän työn ydintä.
"Voisimme tietenkin kehittää ratkaisuja ja malleja kaikenlaisiin ongelmiin. Työmme on kuitenkin turhaa, jos kehittämämme ratkaisut eivät auta lääkäreitä heidän päivittäisessä työssään tai jos ne eivät ratkaise todellisia kliinisiä ongelmia. Siksi meidän on osattava tunnistaa ne ongelmat, jotka ovat kliinikoille kaikkein kriittisimpiä – mikä auttaisi eniten heidän pyrkimyksissään luoda paras mahdollinen hoitosuunnitelma kullekin potilaalle."
Kun nämä kriittiset kliiniset ongelmat on tunnistettu, tiimi muuntaa ne algoritmisiksi ongelmiksi. Siitä alkaa tutkimus- ja kehitysprosessi.
"Loppukäyttäjä on työmme keskiössä. Meidän on jokaisessa vaiheessa pidettävä mielessämme, että näitä ratkaisuja käytetään klinikoilla, ja haluamme auttaa kliinikkojen työtä mahdollisimman paljon. Samalla autamme myös potilaita - helpotamme heidän hoitoon pääsyään ja mahdollistamme heille mahdollisimman laadukkaan hoidon mahdollisimman nopeasti."
Eri taustoista tulevat ihmiset kysyvät täysin erilaisia kysymyksiä
Tiimi on melko pieni verrattuna ongelmiin, joita se ratkoo. Se koostuu yhteensä seitsemästä asiantuntijasta. Yksi tiimin menestyksen salaisuuksista on Czeizlerin mukaan sen monimuotoisuus.
"Tiimini on erittäin monimuotoinen niinosaamisalueiltaan että kansallisuuksiltaan. Edustamme viittä eri kansallisuutta, ja tulemme erilaisista taustoista – matematiikka, tietotekniikka, signaalinkäsittely, datatiede, koneoppiminen ja fysiikka. Kun kaikki nämä toisiaan täydentävät taustat, kokemukset ja asiantuntemus tuodaan samaan huoneeseen ilmapiirissä, saadaan parhaat mahdolliset edellytykset innovointiin. Se on mielestäni meidän salainen ainesosamme."
”Innovaatioita ei voi syntyä, jos me kaikki katsoisimme ongelmaa samojen linssien läpi. Erilaiset näkemykset jalostavat ideoiden siemeniä. Eri taustoista tulevat ihmiset kysyvät aivan erilaisia kysymyksiä, ja juuri se on avaintekijä, kun tavoitteena on ratkoa monimutkaisia ongelmia kuten syövän hoidon parantamista.”
VARIAN, ETHOS ja RAPIDPLAN ovat Varian Medical Systems, Inc:n tavaramerkkejä, jotka ovat joko vireillä tai jo rekisteröityjä Yhdysvaltain patentti- ja tavaramerkkivirastossa.