Onderzoek naar hersenbloeding wint AAPM's MedPhys Slam - Physics World

De MedPhys Slam, gelanceerd in 2018, is nu een vast onderdeel van de AAPM-jaarvergadering. De populaire sessie is een communicatiewedstrijd waarbij studenten en stagiaires in slechts drie minuten hun onderzoeksprojecten presenteren aan de hand van slechts drie slides. De winnaars worden geselecteerd door een panel van juryleden, allemaal niet-medisch natuurkundigen, die de lezingen beoordelen op basis van hoe goed de sprekers hun onderzoeksvraag, de betekenis ervan en hun methoden uitleggen.

Dit jaar namen 17 deelnemers deel – allemaal winnaars van hun lokale AAPM Chapter-competities. Hun presentaties bestreken een breed scala aan medisch-fysische thema's, van protonentherapie tot radiotherapie, via gebieden als radiografie, preklinische beeldvorming, kunstmatige intelligentie, radiobiologie en brachytherapie.

Bloedingen in de hersenen detecteren

De winnaar van dit jaar was Aroon Pressram, een masterstudent aan de Universiteit van Florida, die een lezing hield met de titel “De verborgen bloeding: het visualiseren van hersenbloedingen”.

Pressram ontwikkelt een techniek voor snelle detectie van hersenbloedingen bij patiënten met een beroerte. Hij legde uit dat een patiënt met symptomen van een beroerte doorgaans in het ziekenhuis wordt opgenomen voor een CT-scan, waarbij een contrastmiddel wordt geïnjecteerd om de bloedvaten in de hersenen beter zichtbaar te maken. Als er een blokkade wordt gevonden, krijgt de patiënt revascularisatietherapie om de bloedstroom te herstellen. Maar door deze behandeling kan de patiënt feitelijk het risico lopen een hersenbloeding of contrastlekkage in de hersenen te krijgen. "Daarom is het essentieel dat we vervolgbeeldvorming uitvoeren, zodat we de hersenbloedingen kunnen identificeren en ongedaan kunnen maken", legde hij uit.

Dus hoe kan een dergelijke vervolgbeeldvorming het beste worden uitgevoerd? MRI is nauwkeurig en levert beelden van hoge kwaliteit op, maar is traag. CT-scannen is ondertussen veel sneller, maar kan hersenbloedingen niet onderscheiden van contrast in de hersenen. “Er moet een betere manier zijn om iets nauwkeurigs en snels voor de patiënt te krijgen”, aldus Pressram. “Nou, dat is zo. En het heet dual-energy CT.”

Dual-Energy CT werkt door twee scans uit te voeren met verschillende röntgenspectra en vervolgens de twee datasets wiskundig te combineren. De techniek kan signalen als gevolg van een hersenbloeding scheiden van signalen afkomstig van het contrast. Pressram merkt op dat CT met dubbele energie ook gemakkelijker beschikbaar is dan MRI en snellere scantijden biedt.

Na literatuuronderzoek realiseerde Pressram zich dat “we de eerste mensen ter wereld waren die onderzoek deden naar deze dual-energy scanner voor patiënten met een beroerte”. Om de toepassing verder te onderzoeken, beoordeelde hij 500 patiënten met een beroerte met dual-energy CT en ontdekte dat de aanpak in alle gevallen goed presteerde en tijdig nauwkeurige resultaten opleverde. “Professionals in de gezondheidszorg moeten zich bewust zijn van deze verbazingwekkende technologie die beschikbaar is en die hen in snellere tijd nauwkeurige resultaten kan opleveren,” concludeerde hij.

Verbetering van prostaatradiotherapie

De tweede plaats in de competitie ging naar Ellie Bacon, een medische fysica-resident aan het University of Nebraska Medical Center. Bacon beschreef hoe een proces genaamd offline review de radiotherapie voor prostaatkankerpatiënten zou kunnen verbeteren.

Offline beoordeling – waarnaar Bacon verwijst als “de allerbelangrijkste taak die we wekelijks voor onze patiënten uitvoeren” – omvat het onderzoeken van de beelden die de afgelopen week zijn gemaakt tijdens de behandeling van een patiënt, om te zoeken naar mogelijke fouten die snel moeten worden verholpen. aangepakt en om de krimp van de tumor in de loop van de tijd te volgen.

Voor prostaatkankerpatiënten is een belangrijke parameter hoe goed zij hun blaas van dag tot dag kunnen vullen. "We ontdekten dat wanneer patiënten hun blaas niet voor 50% kunnen vullen voor hun behandeling, ze een veel grotere kans hebben op bijwerkingen zoals blaastoxiciteit", legt Bacon uit. “Dat zette mij aan het denken: is er een manier waarop we deze patiënten snel kunnen vinden, zodat we ze kunnen helpen?”

Bacon stelde een eenvoudige toevoeging aan het offline beoordelingsproces voor, waarbij de blaas van een patiënt als 'goed' wordt gecategoriseerd als deze er voor meer dan 50% vol uitziet, of als 'slecht' voor mensen onder de 50%. Ze voerde een test uit waarbij haar team patiënten gedurende drie rondes beoordeelde, waarbij telkens aanvullende visuele aanwijzingen werden gegeven: ten eerste een schets van hoe een volle blaas eruit zou moeten zien volgens het oorspronkelijke behandelplan van de patiënt; dan een afbeelding van een lege blaas; en tot slot een schatting van hoe een 50% volle blaas eruit zou moeten zien.

“Elke ronde konden ze dankzij steeds meer visuele aanwijzingen snel identificeren welke patiënten goed of slecht waren en onze hulp nodig hadden”, aldus Bacon. “Dit bevestigde mijn vermoeden: we kunnen snel offline beoordeling gebruiken, wat we al voor al onze patiënten doen, om de prostaatkankerpatiënten te identificeren die hulp nodig hebben.”

Zodra dergelijke patiënten zijn geïdentificeerd, kan hun behandelplan worden aangepast om beter aan te sluiten bij hun gemiddelde blaasvulling. Dit verkleint de kans op bijwerkingen en verbetert de kwaliteit van leven na de behandeling. “De enige vraag die nog rest is: wie kunnen we nog meer helpen met deze offline review?” concludeerde ze.

Het volgen van de tumor

Het behalen van de derde plaats in de MedPhys Slam en het winnen van de “people's choice award” waarvoor door het publiek werd gestemd, was Jason Luce, een promovendus aan de Loyola Universiteit. Luce vertelde de aanwezigen over een adaptief, op een sjabloon gebaseerd algoritme voor het volgen van tumoren voor radiotherapie bij longkanker.

Tumortracking tijdens radiotherapie is vooral belangrijk voor patiënten met longkanker. Ademen veroorzaakt tumorbeweging, wat leidt tot verhoogde onzekerheid in de tumorpositie. Dit vereist het gebruik van een grotere behandelstraal die de bestraling van gezond omringend weefsel kan vergroten. “Maar als je de tumor actief kunt volgen, kun je een nauwkeurigere behandelstraal gebruiken, wat betekent dat er minder straling naar gezonde weefsels komt”, legt Luce uit.

Tijdens beeldgebaseerde tracking is het echter mogelijk om de tumor kwijt te raken, vooral wanneer een groot zoekvenster wordt gebruikt om alle mogelijke gebieden van tumorbeweging te bestrijken. Luce liet bijvoorbeeld een geval zien waarin het trackingalgoritme de locatie van de tumor ten onrechte identificeerde als die van een vreemd beeldartefact.

Hij vergeleek dit volgprobleem met het zoeken naar verloren autosleutels. 'In plaats van je hele huis te doorzoeken om ze te vinden, kun je je leven gemakkelijker maken door te vragen 'waar was de laatste plaats waar ik ze heb gezien?' In de keuken? Zoek gewoon dat gebied en het probleem is opgelost”, zei hij. "We nemen dat idee en passen het toe om het volgen van tumoren te verbeteren."

MedPhys Slam belicht de kunst van wetenschapscommunicatie

De aanpak, zo legde Luce uit, houdt in dat de laatste plaats wordt gevonden waar de tumor is gezien tijdens het volgen, en vervolgens het zoekgebied tot dat gebied wordt teruggebracht. Hij testte de techniek op 229 röntgenfoto's van een bewegende tumor, waarbij hij de tracking uitvoerde met behulp van een algoritme met een groot zoekvenster en een algoritme met een kleiner adaptief zoekvenster.

Het kleinere adaptieve zoekvenster zorgde voor een opmerkelijke verbetering in het volgen van tumoren. Met het statische zoekvenster vertoonde ongeveer 12% van de afbeeldingen slechte tracking (significante verschillen tussen de werkelijke en voorspelde tumorlocaties), terwijl minder dan 1% slecht werd gevolgd door het adaptieve zoekvenster. "We verbeteren de trackingresultaten en idealiter verbeteren we de patiëntenzorg", zei hij.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
• Bron: https://physicsworld.com/a/brain-bleed-detection-study-wins-aapms-medphys-slam/