Aivoverenvuotojen havaitsemistutkimus voitti AAPM:n MedPhys Slam – Physics World -kilpailun

Vuonna 2018 lanseerattu MedPhys Slam on nyt vakiintunut ominaisuus AAPM vuosikokouksessa. Suosittu istunto on viestintäkilpailu, jossa opiskelijat ja harjoittelijat esittelevät tutkimusprojektinsa kolmessa minuutissa vain kolmella dialla. Voittajat valitsee tuomaristo, kaikki ei-lääketieteen fyysikot, jotka arvioivat puheenvuoroja sen perusteella, kuinka hyvin puhujat selittävät tutkimuskysymyksensä, sen merkitystä ja menetelmiä.

Tänä vuonna osallistui 17 kilpailijaa – kaikki paikallisten AAPM-lukukilpailujen voittajat. Heidän esityksensä kattoivat laajan valikoiman lääketieteellisen fysiikan teemoja protonihoidosta sädehoitoon, muun muassa radiografian, prekliinisen kuvantamisen, tekoälyn, radiobiologian ja brakyterapian kautta.

Aivoverenvuotojen havaitseminen

Tämän vuoden voittaja oli Aroon Pressram, Floridan yliopiston maisteriopiskelija, joka piti puheen "Piilotettu verenvuoto: aivoverenvuotojen visualisointi".

Pressram kehittää tekniikkaa aivoverenvuotojen nopeaan havaitsemiseen aivohalvauspotilailla. Hän selitti, että potilas, jolla on aivohalvauksen oireita, joutuu tyypillisesti sairaalaan CT-skannaukseen, johon kuuluu kontrastin ruiskuttaminen aivojen verisuonten visualisoinnin helpottamiseksi. Jos tukos havaitaan, potilas saa revaskularisaatiohoitoa verenkierron palauttamiseksi. Mutta tämä hoito voi itse asiassa asettaa potilaan riskin saada aivoverenvuoto tai kontrastin vuotaminen aivoihinsa. "Siksi on tärkeää, että suoritamme seurantakuvauksen, jotta voimme tunnistaa aivoverenvuodot ja kääntää sen takaisin", hän selitti.

Miten tällainen seurantakuvaus sitten suoritettaisiin parhaiten? MRI on tarkka ja tarjoaa korkealaatuisia kuvia, mutta se on hidasta. CT-skannaus on puolestaan ​​paljon nopeampi, mutta se ei pysty erottamaan aivoverenvuotoa aivojen kontrastista. "On oltava parempi tapa saada jotain tarkkaa ja jotain nopeaa potilaalle", sanoi Pressram. "No on. Ja sitä kutsutaan kaksoisenergia-CT:ksi."

Kaksoisenergia-CT toimii suorittamalla kaksi skannausta eri röntgenspektreillä ja yhdistämällä sitten kaksi tietojoukkoa matemaattisesti. Tekniikka voi erottaa aivoverenvuodosta johtuvat signaalit kontrastista tulevista signaaleista. Pressram toteaa, että kaksoisenergia-CT on myös helpommin saatavilla kuin MRI ja tarjoaa nopeammat skannausajat.

Kirjallisuuskatsauksen jälkeen Pressram tajusi, että "olimme ensimmäiset ihmiset maailmassa, jotka tutkivat tätä kaksoisenergiaskanneria aivohalvauspotilaille". Sovelluksen tutkimiseksi tarkemmin hän arvioi 500 aivohalvauspotilasta, joilla oli kaksoisenergia-TT, ja havaitsi, että lähestymistapa toimi hyvin kaikissa tapauksissa ja antoi tarkat tulokset ajoissa. "Terveydenhuollon ammattilaisten tulisi olla tietoisia tästä hämmästyttävästä tekniikasta, joka voi antaa heille tarkkoja tuloksia nopeammin", hän päätti.

Eturauhasen sädehoidon parantaminen

Kilpailun toinen sija meni Ellie Bacon, lääketieteen fysiikan opiskelija Nebraskan yliopiston lääketieteellisessä keskuksessa. Bacon kuvaili, kuinka offline-katsaukseksi kutsuttu prosessi voisi parantaa eturauhassyöpäpotilaiden sädehoitoa.

Offline-tarkastelu – jota Bacon kutsui "tärkeimmäksi yksittäiseksi tehtäväksi, jonka teemme potilaidemme hyväksi viikoittain" - sisältää potilaan hoidon aikana edellisen viikon aikana otettujen kuvien tutkimisen mahdollisten virheiden etsimiseksi, jotka on korjattava nopeasti. ja seurata kasvaimen kutistumista ajan myötä.

Eturauhassyöpäpotilailla yksi tärkeä parametri on se, kuinka hyvin he pystyvät täyttämään rakkonsa päivästä toiseen. "Havaitsimme, että kun potilaat eivät pysty täyttämään rakkoaan 50 % täyteen hoitoa varten, heillä on paljon suurempi mahdollisuus saada sivuvaikutuksia, kuten virtsarakon toksisuus", Bacon selitti. "Se sai minut ajattelemaan, voimmeko löytää nämä potilaat nopeasti, jotta voimme auttaa heitä?"

Bacon ehdotti yksinkertaista lisäystä offline-tarkistusprosessiin, jossa potilaan rakko luokitellaan "hyväksi", jos se näyttää olevan yli 50 % täynnä, tai "huonoksi" alle 50 %:n kohdalla. Hän suoritti testin, jossa hänen tiiminsä arvioi potilaita kolmen kierroksen aikana, ja joka kerta annettiin lisää visuaalisia vihjeitä: ensinnäkin hahmotelma siitä, miltä täyden rakon tulisi näyttää potilaan alkuperäisestä hoitosuunnitelmasta; sitten kuva tyhjästä rakosta; ja lopuksi arvio siitä, miltä 50-prosenttisesti täynnä olevan rakon pitäisi näyttää.

"Joka kierros, yhä useamman visuaalisen vihjeen avulla, he pystyivät nopeasti tunnistamaan, mitkä potilaat olivat hyviä tai huonoja ja tarvitsevat apuamme", Bacon sanoi. "Tämä vahvisti epäilykseni – voimme nopeasti käyttää offline-arviointia, jota teemme jo kaikille potilaillemme, tunnistaaksemme apua tarvitsevat eturauhassyöpäpotilaat."

Kun tällaiset potilaat on tunnistettu, heidän hoitosuunnitelmansa voidaan mukauttaa paremmin heidän virtsarakon täyttömäärään. Tämä vähentää heidän mahdollisuuttaan saada sivuvaikutuksia ja parantaa elämänlaatua hoidon jälkeen. "Ainoa jäljellä oleva kysymys on, ketä muuta voimme auttaa tässä offline-arvostelussa?" hän päätteli.

Kasvaimen seuranta

Kolmannen sijan saavuttaminen MedPhys Slamissa sekä yleisön äänestämän "ihmisten valinta -palkinnon" voittaminen oli Jason Luce, tohtoriopiskelija Loyolan yliopistossa. Luce kertoi osallistujille adaptiivisesta mallipohjaisesta kasvaimen seurantaalgoritmista keuhkosyövän sädehoitoon.

Kasvaimen seuranta sädehoidon aikana on erityisen tärkeää keuhkosyöpäpotilaille. Hengitys aiheuttaa kasvaimen liikettä, mikä lisää kasvaimen asennon epävarmuutta. Tämä edellyttää suuremman hoitosäteen käyttöä, joka voi lisätä terveen ympäröivän kudoksen säteilytystä. "Mutta jos pystyt aktiivisesti seuraamaan kasvainta, voit käyttää tarkempaa hoitosädettä, mikä tarkoittaa vähemmän säteilyä terveille kudoksille", Luce selitti.

Kuvapohjaisen seurannan aikana on kuitenkin mahdollista menettää kasvain, varsinkin kun käytetään suurta hakuikkunaa kattamaan kaikki mahdolliset kasvaimen liikealueet. Esimerkiksi Luce osoitti tapauksen, jossa seurantaalgoritmi tunnisti kasvaimen sijainnin väärin ulkopuolisen kuvan esineeksi.

Hän vertasi tätä jäljitysongelmaa kadonneiden auton avainten etsimiseen. Sen sijaan, että etsit koko taloasi löytääksesi heidät, voit helpottaa elämääsi kysymällä "missä näin heidät viimeksi?" Keittiössä? Etsi vain aluetta, ongelma ratkaistu", hän sanoi. "Otamme tämän idean ja sovellamme sitä kasvainten seurannan parantamiseen."

MedPhys Slam korostaa tiedeviestinnän taitoa

Lähestymistapa, Luce selitti, sisältää sen, että etsitään viimeinen paikka, jossa kasvain havaittiin seurannan aikana, ja vähennetään sitten hakualue kyseiselle alueelle. Hän testasi tekniikkaa 229:llä röntgenkuvalla liikkeessä olevasta kasvaimesta ja suoritti seurantaa algoritmilla, jossa oli suuri hakuikkuna, sekä algoritmilla, jossa oli pienempi adaptiivinen hakuikkuna.

Pienempi adaptiivinen hakuikkuna paransi kasvaimen seurantaa merkittävästi. Staattisessa hakuikkunassa noin 12 % kuvista osoitti huonoa seurantaa (merkittäviä eroja todellisen ja ennustetun kasvainsijainnin välillä), kun taas alle 1 % oli huonosti seurattavissa adaptiivisen hakuikkunan avulla. "Parannamme seurantatuloksia ja parannamme ihanteellisesti potilaiden hoitoa", hän sanoi.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. Autot / sähköautot, hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• BlockOffsets. Ympäristövastuun omistuksen nykyaikaistaminen. Pääsy tästä.
• Lähde: https://physicsworld.com/a/brain-bleed-detection-study-wins-aapms-medphys-slam/