The manual scheduling of patients for radiation therapy is difficult and labor-intensive. With the increase in cancer patient numbers, efficient resource planning is an important tool to achieve short waiting times and equal right to care. This thesis studies an operations research approach to the radiation therapy scheduling problem. The four appended papers each provide incremental steps towards a clinical implementation of an automated scheduling algorithm.

In Paper A, three models for the radiation therapy scheduling problem in a simplified clinical setup are proposed. It is shown that the two constraint programming models find feasible solutions more quickly, while the integer programming model proves optimality faster. However, none of the models can solve large problem instances in sufficient time. In Paper B a collaboration with a large cancer center with ten linear accelerators is initiated. The previous models are refined and adapted to a more realistic clinical setup. Moreover, a column generation approach is introduced. The models are compared using different objective function combinations designed to mimic the scheduling objectives at different cancer centers. The column generation approach outperforms the other methods on all problem instances, regardless of what objective is optimized. In Paper C the column generation approach is further developed to include additional medical and technical constraints. Different methods to ensure that there are available resources for high priority patients at arrival are compared. Finally, in Paper D the potential for clinical implementation of the column generation approach is evaluated. The schedules generated by the column generation model are clinically validated. Compared to manually constructed, historical schedules for a time period of one year, the automatically generated schedules are shown to decrease the average patient waiting time by 80%, improve the consistency in treatment times between appointments by 80%, and increase the number of treatments scheduled the machine best suited for the treatment by more than 90%, without loss of performance in other quality metrics. 

Since the constraints between radiotherapy centers are similar and multiple objective functions are presented, the column generation approach can be generally used for automated patient scheduling in radiation therapy. This would allow radiotherapy centers to save time during the scheduling process and improve the quality of the schedules. 

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.