Kernreactoren

Als kind wilde Zoltán pianist “en uitvinder” worden, dus hoe eindigde hij uiteindelijk in een team van onderzoekers die het gebruik van AI en Deep Learning-methoden ontwikkelen om protontherapie voor kankerpatiënten te optimaliseren? "Het bleek dat ik beter was in wiskunde en natuurkunde dan in muziek", grapt Zoltán, die technische natuurkunde en nucleaire technieken studeerde aan de Technische Universiteit van Boedapest. "Ik had daar twee fantastische leraren die mijn interesse wekten voor reactorfysica en het gebruik van simulaties om fundamentele veiligheidskwesties rond de productie van kernenergie in de zogenaamde vierde generatie kernreactoren op te lossen."

Kernenergie is belangrijk in Hongarije, het levert ongeveer 45% van de elektriciteit van het land: "Er is geen olie of aardgas, geen hoge bergen voor waterkracht, dus kernenergie is eigenlijk een noodzaak omdat er niet veel anders is", legt Zoltán uit. Zijn masteronderzoek richtte zich daarom op het gebruik van computationele wetenschap om te onderzoeken hoe de belangrijkste uitdaging van kernenergie, kernafval, kan worden opgelost.

Als onderdeel van zijn master bracht Zoltán enige tijd door aan de TU Delft, dat van oudsher een uitwisselingsprogramma heeft met de universiteit van Boedapest: “In die vier maanden analyseerde ik de splijtstofcyclus van een van de nieuwe vierde generatie kernreactoren, de zogenaamde gasgekoelde snelle reactoren. Deze kernreactoren zijn erg goed in het omzetten van langlevend kernafval in veel minder gevaarlijke bijproducten. Ik heb gesimuleerd hoe we deze omzetting van afval zo veel mogelijk kunnen maximaliseren.” Dat was een indrukwekkende prestatie, en na zijn afstuderen kreeg Zoltán direct een aanstelling als promovendus aangeboden bij de afdeling Radiation Science and Technology van de TU Delft. Het doel van zijn promotieonderzoek was om algoritmen te ontwikkelen om onzekerheid zo efficiënt mogelijk te kwantificeren.

Onderzoek kwantificering van onzekerheid

Wat is kwantificering van onzekerheid? “Als je een complex systeem hebt, bijvoorbeeld een vliegtuig, gaat er veel ontwerpwerk zitten in het bouwen van een zeer gedetailleerd computationeel model, waarbij wordt onderzocht wat er onder bepaalde omstandigheden zou kunnen gebeuren, zoals vliegen in een storm of landen met sterke zijwind. Om te berekenen hoe deze systemen zich in zulke gevallen zouden gedragen, heb je zeer complexe modellen nodig, en omdat er altijd onzekerheden zijn, moeten we weten hoe die de prestaties van het vliegtuig beïnvloeden. Dat is het idee achter kwantificering van onzekerheid: erkennen dat al deze onbekenden er zijn, en vervolgens hun effecten proberen uit te werken zodat het uiteindelijke ontwerp veilig en efficiënt is.” In de praktijk komt het neer op het uitvoeren van veel simulaties, wat erg duur kan zijn, dus een deel van Zoltán's onderzoek was erop gericht om dit hele proces te versnellen. Vier jaar later, met een doctoraat in Onzekerheidskwantificering op het gebied van kernreactorfysica, maakte Zoltán zijn 'grote overstap' naar de medische fysica.

Van nucleair afval naar protonentherapie

“Dat was in 2014, toen in Nederland ook het gesprek op gang kwam over de introductie van protonentherapie in de medische wereld als geavanceerde vorm van radiotherapie voor kankerpatiënten. Het belangrijkste voordeel van protonentherapie ten opzichte van andere vormen van radiotherapie is dat je de tumor veel nauwkeuriger kunt bestralen zonder de omliggende gezonde weefsels te beschadigen. Dat betekent dat de bestraling heel precies moet zijn, wat meteen een link is met onzekerheid.” In feite blijkt dat er veel onzekerheden zijn met betrekking tot patiënten en hun behandeling: "Zo is bijvoorbeeld een kuur met radiotherapie meestal verspreid over meerdere weken, en patiënten kunnen in die tijd veranderen – ze verliezen gewicht, de tumor verandert misschien van vorm of grootte, en natuurlijk is elke patiënt anders."

Optimalisatie van radiotherapie

Zoltán kreeg een baan aangeboden aan de Harvard-universiteit om zijn postdoctoraal onderzoek te doen naar de optimalisatie van radiotherapie: "Werken in de VS is altijd een droom van mij geweest en ik heb er dan ook elke minuut van genoten!" Je kunt je afvragen: was het met een achtergrond in kernreactorfysica niet een beetje een uitdaging om over te stappen naar de medische fysica? “Reactoren en patiënten zijn natuurlijk heel verschillend, maar mijn onderzoek was gericht op zogenaamde non-intrusieve methoden, wat betekent dat je de details van het probleem niet hoeft te kennen, aangezien de techniek voor het optimaliseren van kwantificering van onzekerheid dezelfde is. Dus of je mijn algoritmen nu toepast op een kernreactor of op een kankerpatiënt, het maakt niet uit, het is dezelfde techniek.”

De kracht van Deep Learning

Na twee jaar in de Verenigde Staten werd Zoltán verleid voor een functie aan de faculteit in Delft en de kans om zijn eigen onderzoeksgroep in te richten en te leiden, die momenteel deep learning- en AI-methoden ontwikkelt voor gebruik in zowel medische therapie als nucleaire reactoren. Hoe werkt dat? “In de computationele wetenschap heb je basisregels over hoe de wereld werkt, en die regels zetten we in een computer en dan simuleren we complexe systemen die volgens die regels werken. Dit betekent dat we deze simulaties kunnen gebruiken om dingen te berekenen die ons helpen ons systeem te analyseren of ons ontwerp te optimaliseren. De enorme kracht van deep learning is dat het probleem min of meer vanuit de andere kant wordt benaderd. Zo zegt het: 'Ik weet niets over de regels of hoe de wereld werkt, maar ik heb veel gegevens dus ik kan proberen te leren hoe de wereld werkt.'" In de praktijk betekent dit dat als we veel digitale beelden hebben, bijvoorbeeld van duizenden scans van patiënten met tumoren, we met deep learning-technieken nieuwe regels kunnen ontwikkelen op basis van wat ze hebben geleerd van het analyseren van al die beelden om te detecteren waar de tumor zich bevindt, om vervolgens de best mogelijke behandeling voor te stellen.

In samenwerking met het Holland Protonen Therapie Centrum in Delft en het Erasmus Medisch Centrum in Rotterdam heeft de groep van Zoltán al bijgedragen aan de verbetering van behandelingen. "Onze methoden voor het kwantificeren van onzekerheid hebben ervoor gezorgd dat protonentherapie als een vorm van kankerbehandeling zowel solide als veilig is." Bovendien helpt onzekerheidsonderzoek ook bij het corrigeren van de beweging die wordt veroorzaakt door de ademhaling van de patiënt – een belangrijke uitdaging bij het bestralen van een bewegende tumor met de hoogste precisie. “We hebben de huidige stand van de techniek via een deep learning-methode ontwikkeld tot snelle en nauwkeurige dosisberekeningen, wat betekent dat we in de toekomst mogelijk de doseringen van dag tot dag kunnen wijzigen als dat nodig is, of zelfs in realtime. ”

Impact maken

Hoewel Zoltán ook nog steeds werkzaam is op het gebied van nucleaire veiligheid, is hij ontzettend blij met zijn keuze voor de medische fysica: "Allereerst hou ik gewoon van het werkveld, het medische gebied heeft in zekere zin veel meer impact... ik bedoel, wat ik deed met het onderzoek naar kernenergie ging over kernreactoren van de nieuwe generatie, en die zijn er tegenwoordig niet, terwijl er ongeveer 100 protonencentra in de wereld zijn die al patiënten opereren en behandelen: dus wat je er ook aan bijdraagt, het is een veel eenvoudigere weg naar een daadwerkelijke toepassing. Ik hou van de nucleaire sector, en er is daar prachtig, cruciaal belangrijk onderzoek te doen, maar in de klinische praktijk kunnen we nu verbeteringen aanbrengen! Dus voor mij is dat zeker een groot deel van de motivatie.”