Larynxcancer är den tredje vanligaste formen av huvud- och halscancer och drabbar cirka 175 personer årligen i Sverige. En vanlig behandlingsmetod vid larynxcancer är strålbehandling. Detta är en retrospektiv journalstudie med syfte att undersöka hur svälj- och röstfunktion samt nutritionsstatus påverkas av strålbehandling för larynxcancer. Studiens syfte är även att undersöka om det finns något samband mellan tumörgrad och sväljförmåga efter avslutad behandling samt om och när svälj- och röstfunktion återhämtas. Studien har även undersökt andelen patienter som erbjudits logopedkontakt. I studien har 52 patienter med larynxcancer (C.32) inom region Gävleborg inkluderats. Resultaten indikerar att strålbehandling påverkar svälj- och röstfunktion samt nutritionsstatus. Vid strålavslut hade 24 av 48 patienter tecken på sväljsvårigheter och 33 av 52 patienter hade en påverkan på röstfunktionen. Under behandlingen noterades ett ökat behov av näringsdryck och 24 av 37 deltagare gick ner i vikt under eller efter behandling vilket indikerar nutritionssvårigheter. Andelen patienter som var i behov av enteral nutrition vid strålavslut var 7 av 52 patienter. Sammanlagt erbjöds 33 av 52 patienter logopedkontakt. Återhämtning av sväljfunktionen rapporterades hos 22 av 39 patienter inom ett år efter avslutad strålbehandling. Återhämtning av röstfunktionen noterades hos 8 av 40 patienter inom fem år efter avslutad strålbehandling. Studiens resultat ger värdefull information om strålbehandlingens påverkan på livsviktiga funktioner och hoppas kunna bidra med underlag till prospektiva studier inom huvud- och halscancer. / Laryngeal cancer is the third most common form of head- and neck cancer and each year approximately 175 people receive the diagnosis in Sweden. Radiotherapy is a common treatment against laryngeal cancer. This is a retrospective cohort study, and it has investigated how swallowing, voice function and nutritional status can be affected by radiotherapy. The aim of the study was to explore whether there is a correlation between the grade of tumor and swallowing after treatment and when swallowing and voice function recover. The aim was also to research how many patients received contact with a speech- and language pathologist before or during treatment. The following study included 52 patients with laryngeal cancer (C.32) within the region of Gävleborg, Sweden. The results indicate that radiotherapy affects swallowing, voice function, and nutritional status. By the end of treatment, 24 of 48 patients had signs of dysphagia and voice function was affected in 33 of 52 patients. An increase in the need for nutritional drinks was noted throughout radiotherapy and 24 of 37 patients lost weight during or after treatment, which indicates nutritional difficulties. At the end of the treatment, 7 of 52 patients needed enteral nutrition. In total, 33 of 52 patients were offered contact with a speech- and language pathologist. Recovery of the swallowing function was reported in 22 of 39 patients at some point during the first year after radiotherapy. Recovery of voice function was reported in 8 of 40 patients at some point during five years after radiotherapy. The results of the study indicates possible implications that radiotherapy might have on vital functions, and it can suffice as a basis for further prospective studies within the area of head- and neck cancer.

A significant portion of cancer patients receive radiotherapy as part of their curative or palliative treatment plan. Radiotherapy is however greatly limited by radiation induced toxicities in healthy tissue surrounding the tumour, which can lead to long-term or acute complications for a patient. In response to this issue, recent studies have considered a new technique called FLASH radiotherapy, where ultra-high dose rates have been shown to effectively reduce toxicity in normal cells whilst maintaining a tumour response equivalent to conventional dose rates. However, the exact mechanism for this effect is not yet well understood. This project seeks to investigate if certain dose delivery patterns exist where there is an increase or reduction of concentration of the toxic radical hydroxyl, which is known to play a key role in the damage of DNA in the cell, for unchanged total dose. This was done by simulating the chemical reactions which take place when water is irradiated with ionizing radiation using a simple model system consisting of water with free oxygen dissolved into it, called RadChemModel. Using basic reaction laws from chemistry, the concentration of each chemical species involved was solved for from a system of linear and non-linear ordinary differential equations. The concentration of hydroxyl was calculated as a function of time for a range of irradiation beam patterns. This model supports that there could be a difference in toxicity between FLASH and conventional beam parameters. Furthermore, a shift in the behaviour of hydroxyl suggesting reduced toxicity was observed at FLASH dose rates with very high beam pulse frequencies. However, the results obtained do not provide enough information to confirm that the concentration of hydroxyl is reduced with FLASH beam parameters. / En stor andel cancerpatienter får strålterapi som läkande eller palliativ behandling. Strålterapi kan ge upphov till allvarliga skador i den friska vävnaden i närheten av tumörområdet. För att förebygga omedelbara så väl som långsiktiga skadliga effekter av strålterapi, har nyligen pulicerade studier undersökt en ny teknik som kallas för FLASH strålterapi. Man har påvisat att ultra-höga doshastigheter kan minska strålskadorna i friska celler samtidigt som tumörkontrollen bevaras. Emellertid finns ännu ingen tillräcklig förklaring för den exakta mekanismen bakom fenomenet. Målet med detta projekt är att undersöka om en ökning eller minskning av koncentrationen hos radikalen hydroxyl, som är känd för att spela en kritisk roll i framkallandet av DNA skador, kunde upptäckas för särskilda doseringsmönster med en oförändrad total dos. Detta studerades med en enkel matematisk modell (RadChemModel) för vatten med upplöst syre. Med denna modell simulerades de kemiska reaktioner som äger rum när vatten bestrålas med joniserande strålning. Från fundamentala kemiska reaktionslagar, kunde koncentrationen av hydroxyl som funktion av tid fås genom att lösa ett system av linjära och icke-linjära ordinära differentialekvationer. Den här modellen visar att det kan finnas en skillnad i strålinducerade skador mellan FLASH och vanlig strålterapi. Resultaten från väldigt höga pulsfrekvenser med FLASH antydde också att mindre hydroxyl producerades och därmed att strålskador kan vara beroende av både doshastighet och pulsfrekvens. Däremot är resultaten inte tillräckliga för bekräfta att koncentrationen av hydroxyl är reducerad för FLASH.

Cancer remains a significant global challenge, constituting one of the leading causes of death worldwide. With an aging population, the demand for cancer treatments is increasing. Nevertheless, due to technological advancements, cancer mortality rates are declining. This study contributes to these advancements, focusing specifically on radiation therapy, a crucial technology widely used today. Since the invention of radiation therapy, there has been significant research and progress in the field. One such advancement is the CyberKnife® system (Accuray Incorporated, Sunnyvale, CA, USA) - a fully robotic radiotherapy device that enables precise patient treatments. Its flexibility allows for the delivery of high-quality plans, but treatment times can be quite long, leading to adverse effects for both patients and healthcare providers. This thesis introduces algorithms aimed at reducing the robot traversal time of the CyberKnife technology. These algorithms are incorporated into an existing optimization framework for treatment planning, with their effectiveness evaluated across various patient cases. Significant reductions in treatment times for some patient cases were observed, while maintaining satisfactory plan quality, primarily due to more efficient traversal paths for the CyberKnife robot. The increased efficiency of the robot can also be leveraged to create treatment plans with more irradiation directions, increasing the treatment quality in some cases. / Cancer förblir en betydande global utmaning och är en av de främsta dödsorsakerna i världen. Med en åldrande befolkning ökar efterfrågan på cancerbehandlingar. Trots detta minskar cancerdödligheten tack vare teknologiska framsteg. Denna studie bidrar till dessa framsteg, med särskilt fokus på strålterapi, en avgörande teknologi som används i stor utsträckning idag.  Sedan uppfinningen av strålterapi har det gjorts betydande forskning och utveckling inom området. Ett sådant framsteg är CyberKnife®-systemet (Accuray Incorporated, Sunnyvale, CA, USA) - en helt robotiserad strålterapimaskin som möjliggör precisa behandlingar för patienter. Dess flexibilitet gör det möjligt att leverera högkvalitativa planer, men behandlingstiderna kan vara långa, vilket leder till negativa effekter för såväl patienter som sjukvården. Denna uppsats introducerar algoritmer som syftar till att minska traverseringstiden för CyberKnife-roboten. Dessa algoritmer integreras i ett befintligt optimeringsramverk för behandlingsplanering, med deras effektivitet utvärderad baserat på olika patientfall.  Betydande minskningar av behandlingstiderna observerades för vissa patientfall, samtidigt som tillfredsställande plankvalitet behölls, främst med anledning av mer effektiva traverseringsvägar för CyberKnife-roboten. Denna effektivisering möjliggör också skapandet av behandlingsplaner med fler strålriktningar, vilket förbättrade behandlingskvaliteten i vissa fall.

Deep learning-based dose prediction is a promising approach to automated radiotherapy planning but carries with it the risk of failing silently when the inputs are highly abnormal compared to the training data. One way to address this issue is to develop a dedicated outlier detector capable of detecting anomalous patient geometries. I examine the potential of so-called generative models to handle this task. These models are promising due to being able to model the distribution of the input data regardless of the downstream task, but they have also been shown to suffer from serious biases when applied to outlier detection. No consensus has been reached regarding the root cause of these biases, or how to address them. I investigate this by attempting to design a variational autoencoder-based outlier detector trained to detect anomalous samples of shapes represented in a binary voxel format. I find the standard procedure application to suffer from severe bias when encountering cropped shapes, leading to systematic misclassification of some outlier patient cases. I overcome this by adopting a segmentation metric as an out-of-distribution metric and show that this outperforms recently proposed general-purpose solutions to the likelihood bias issue. I then benchmark my proposed method on clinical samples and conclude that this approach achieves performance comparable to a one-class support vector machine model that uses handcrafted domain-specific features. / Djupinlärningsbaserad dosprediktion är en mycket lovande metod för att automatiskt generera behandlingsplaner för strålterapi. Djupinlärningsmodeller kan dock endast förväntas fungera på data som är tillräckligt lik träningsdatan, vilket skapar en säkerhetsrisk i kliniska miljöer. Ett möjlig lösning på detta problem är att använda en särskild detektor som klarar av att identifiera avvikande data. I denna uppsats undersöker jag om en generativa djupinlärningsmodell kan användas som en sådan detektor. Generativa modeller är särskilt intressanta för detta ändamål då de är både kraftfulla och flexibla. Dessvärre har generativa modeller visats kunna vilseledas av vissa typer av data. Orsakerna och de underliggande faktorerna till detta har ännu inte identifierats. Jag undersöker denna problematik genom att designa en detektor baserad på en variationell autokodare. Jag upptäcker att den en naiv applikation av denna modell inte är tillräcklig för den kliniska datan, då modellen systematiskt felvärderar beskärda former. Jag löser detta problem genom att nyttja ett modifierat segmenteringsmått som detektionsmått, och visar att denna metod fungerar bättre än mer allmänna lösningar på vilseledningsproblemet. Jag evaluerar metoderna på klinisk data och finner att min metod fungerar lika bra som en en-klass stödvektormaskin som använder sig av handgjorda domänspecifika features.

Radiation and medical drugs are used to fight head and neck cancer, but unfortunately in some cases these treatments cause development of other diseases and injuries. Osteoradionecrosis (ORN) and medical-related osteonecrosis of the jaw (MRONJ) are dreaded late complications in jaws from radiation therapy and medical drugs and cause great suffering to those affected. The full extent of ORN and MRONJ may be difficult to diagnose due to visualizing problems in quantifying boundaries of osteonecrosis and healthy tissues. Maxillofacial surgeons now use radiology and clinical appearance to differ affected bone, which may result in unprecise estimation of the area that is affected. As a possible adjuvant diagnostic procedure, visualizing osteonecrosis by examining neutrophil elastase (NE) activity in jaws was tested in patients. A newly developed positron emission tomography (PET) tracer specific for NE was used for observation and measurement in PET/CT images. An image processing software was used for visualization, segmentation, and analysis. Areas with osteonecrosis were identified in the ORN patients, but not in their entirety and all activity could not be equated with osteonecrosis as undiagnosed areas as well absorbed the tracer. Visualization of MRONJ displayed unexpectedly low activity in the diagnosed area.    The conclusion drawn from the results and the analysis is that NE activity can be found in osteonecrosis patients, but the activity itself does not provide complete information to visualize and quantify the diseased area and it cannot be equated with osteonecrosis. To verify NE activity as osteonecrosis, tissue samples from the affected area need to be collected for histological examination

Construction of radiotherapy treatments for cancer is a laborious and time consuming task. At the same time, when presented with a treatment plan, an oncologist can quickly judge whether or not it is suitable. This means that the problem of constructing these treatment plans is well suited for automation. This thesis investigates a novel way of automatic treatment planning. The treatment planning system this pipeline is constructed for provides dose mimicking functionality with probability density functions of dose–volume histograms (DVHs) and spatial dose as inputs. Therefore this will be the output of the pipeline. The input is historically treated patient scans, segmentations and spatial doses. The approach involves three modules which are individually replaceable with little to no impact on the remaining two modules. The modules are: an autoencoder as a feature extractor to concretise important features of a patient segmentation, a distance optimisation step to learn a distance in the previously constructed feature space and, finally, a probabilistic spatial dose estimation module using sparse pseudo-input Gaussian processes trained on voxel features. Although performance evaluation in terms of clinical plan quality was beyond the scope of this thesis, numerical results show that the proposed pipeline is successful in capturing salient features of patient geometry as well as predicting reasonable probability distributions for DVH and spatial dose. Its loosely connected nature also gives hope that some parts of the pipeline can be utilised in future work. / Skapandet av strålbehandlingsplaner för cancer är en tidskrävande uppgift. Samtidigt kan en onkolog snabbt fatta beslut om en given plan är acceptabel eller ej. Detta innebär att uppgiften att skapa strålplaner är väl lämpad för automatisering. Denna uppsats undersöker en ny metod för att automatiskt generera strålbehandlingsplaner. Planeringssystemet denna metod utvecklats för innehåller funktionalitet för dosrekonstruktion som accepterar sannolikhetsfördelningar för dos–volymhistogram (DVH) och dos som input. Därför kommer detta att vara utdatan för den konstruerade metoden. Metoden är uppbyggd av tre beståndsdelar som är individuellt utbytbara med liten eller ingen påverkan på de övriga delarna. Delarna är: ett sätt att konstruera en vektor av kännetecken av en patients segmentering, en distansoptimering för att skapa en distans i den tidigare konstruerade känneteckensrymden, och slutligen en skattning av sannolikhetsfördelningar med Gaussiska processer tränade på voxelkännetecken. Trots att utvärdering av prestandan i termer av klinisk plankvalitet var bortom räckvidden för detta projekt uppnåddes positiva resultat. De estimerade sannolikhetsfördelningarna uppvisar goda karaktärer för både DVHer och doser. Den löst sammankopplade strukturen av metoden gör det dessutom möjligt att delar av projektet kan användas i framtida arbeten.