Nghiên cứu phát hiện chảy máu não giành chiến thắng trong cuộc thi MedPhys Slam của AAPM – Physics World

Nghiên cứu phát hiện chảy máu não giành chiến thắng trong cuộc thi MedPhys Slam của AAPM – Physics World

Dấu thời gian: 1:2023 sáng ngày 11 tháng 30 năm XNUMX

Đơn vị tổ chức và người chiến thắng MedPhys Slam 2023
Cuộc thi truyền thông Các nhà tổ chức và người chiến thắng MedPhys Slam 2023. Từ trái sang phải: Rachel Trevillian, Kelsey Bittinger, Jason Luce, Ellie Bacon, Aroon Pressram, Emilie Carpentier và Emily Thompson. (Được phép: Sarah Aubert/AAPM STSC)

Ra mắt vào năm 2018, MedPhys Slam hiện là một tính năng đã được thiết lập của Hội nghị thường niên AAPM. Phiên phổ biến là một cuộc thi giao tiếp trong đó sinh viên và học viên trình bày dự án nghiên cứu của họ chỉ trong ba phút chỉ bằng ba slide. Những người chiến thắng được lựa chọn bởi một ban giám khảo, tất cả đều là các nhà vật lý phi y tế, những người đánh giá các bài nói chuyện dựa trên mức độ diễn giả giải thích câu hỏi nghiên cứu của họ, tầm quan trọng của nó và phương pháp của họ.

Năm nay, 17 đối thủ - tất cả đều chiến thắng trong các cuộc thi cấp AAPM tại địa phương của họ - đã tham gia. Bài thuyết trình của họ đề cập đến nhiều chủ đề vật lý y tế, từ liệu pháp proton đến xạ trị, thông qua các lĩnh vực bao gồm chụp X quang, hình ảnh tiền lâm sàng, trí tuệ nhân tạo, sinh học phóng xạ và xạ trị.

Phát hiện chảy máu trong não

Người chiến thắng năm nay là Aroon Pressram, một sinh viên thạc sĩ tại Đại học Florida, người đã trình bày bài nói chuyện có tựa đề “Xuất huyết tiềm ẩn: hình dung chảy máu não”.

Pressram đang phát triển một kỹ thuật phát hiện nhanh tình trạng xuất huyết não ở bệnh nhân đột quỵ. Ông giải thích rằng một bệnh nhân có triệu chứng đột quỵ thường sẽ được nhập viện để chụp CT, bao gồm việc tiêm chất cản quang để hỗ trợ hình ảnh các mạch máu trong não. Nếu phát hiện tắc nghẽn, bệnh nhân sẽ được điều trị tái tạo mạch để khôi phục lưu lượng máu. Nhưng phương pháp điều trị này thực sự có thể khiến bệnh nhân có nguy cơ bị chảy máu não hoặc rò rỉ chất cản quang vào não. Ông giải thích: “Đó là lý do tại sao điều cần thiết là chúng tôi phải thực hiện hình ảnh theo dõi để có thể xác định tình trạng chảy máu não và điều trị.

Vậy làm thế nào tốt nhất để thực hiện hình ảnh theo dõi như vậy? MRI chính xác và cung cấp hình ảnh chất lượng cao, nhưng tốc độ chậm. Trong khi đó, chụp CT nhanh hơn nhiều nhưng không thể phân biệt được chảy máu não với chất cản quang trong não. Pressram cho biết: “Phải có cách tốt hơn để có được điều gì đó chính xác và nhanh chóng cho bệnh nhân”. “À, có đấy. Và nó được gọi là CT năng lượng kép.”

Aroon Pressram
Bài thuyết trình chiến thắng Aroon Pressram từ Đại học Florida. (Được phép: Aroon Pressram)

CT năng lượng kép hoạt động bằng cách thực hiện hai lần quét với phổ tia X khác nhau, sau đó kết hợp hai bộ dữ liệu theo phương pháp toán học. Kỹ thuật này có thể tách các tín hiệu do chảy máu não khỏi những tín hiệu đến từ độ tương phản. Pressram lưu ý rằng CT năng lượng kép cũng sẵn có hơn MRI và cung cấp thời gian quét nhanh hơn.

Sau khi xem xét tài liệu, Pressram nhận ra rằng “chúng tôi là những người đầu tiên trên thế giới thực hiện nghiên cứu về máy quét năng lượng kép dành cho bệnh nhân đột quỵ”. Để nghiên cứu sâu hơn về ứng dụng, ông đã đánh giá 500 bệnh nhân đột quỵ bằng CT năng lượng kép và nhận thấy rằng phương pháp này hoạt động tốt trong mọi trường hợp, cho kết quả chính xác một cách kịp thời. Ông kết luận: “Các chuyên gia chăm sóc sức khỏe nên biết về công nghệ tuyệt vời hiện có này có thể mang lại cho họ kết quả chính xác trong thời gian nhanh hơn”.

Cải thiện xạ trị tuyến tiền liệt

Vị trí thứ hai của cuộc thi đã thuộc về Ellie thịt xông khói, một chuyên gia vật lý y tế tại Trung tâm Y tế Đại học Nebraska. Bacon đã mô tả quá trình được gọi là đánh giá ngoại tuyến có thể cải thiện liệu pháp xạ trị cho bệnh nhân ung thư tuyến tiền liệt như thế nào.

Đánh giá ngoại tuyến – mà Bacon gọi là “nhiệm vụ quan trọng nhất mà chúng tôi thực hiện hàng tuần cho bệnh nhân” – bao gồm việc kiểm tra các hình ảnh được chụp trong quá trình điều trị của bệnh nhân trong tuần trước để tìm kiếm bất kỳ lỗi tiềm ẩn nào cần được nhanh chóng xử lý được giải quyết và theo dõi sự co rút của khối u theo thời gian.

Đối với bệnh nhân ung thư tuyến tiền liệt, một thông số quan trọng là khả năng làm đầy bàng quang của họ hàng ngày như thế nào. Bacon giải thích: “Chúng tôi nhận thấy rằng khi bệnh nhân không thể lấp đầy bàng quang đầy 50% để điều trị, họ có nguy cơ gặp phải các tác dụng phụ như nhiễm độc bàng quang cao hơn nhiều”. “Điều đó khiến tôi suy nghĩ, có cách nào để chúng ta có thể nhanh chóng tìm thấy những bệnh nhân này để giúp đỡ họ không?”

Bacon đề xuất một bổ sung đơn giản cho quy trình đánh giá ngoại tuyến, trong đó bàng quang của bệnh nhân được phân loại là “tốt” nếu nó đầy trên 50% hoặc “xấu” đối với những người dưới 50%. Cô đã thực hiện một bài kiểm tra trong đó nhóm của cô đánh giá bệnh nhân qua ba vòng, với các manh mối trực quan bổ sung được cung cấp mỗi lần: đầu tiên, bản phác thảo về hình dáng bàng quang đầy từ kế hoạch điều trị ban đầu của bệnh nhân; sau đó là hình ảnh một bàng quang trống rỗng; và cuối cùng là ước tính bàng quang đầy 50% sẽ trông như thế nào.

Bacon cho biết: “Mỗi vòng, với ngày càng nhiều manh mối trực quan, họ có thể nhanh chóng xác định bệnh nhân nào tốt hay xấu và cần sự giúp đỡ của chúng tôi”. “Điều này khẳng định sự nghi ngờ của tôi – chúng tôi có thể nhanh chóng sử dụng đánh giá ngoại tuyến, điều mà chúng tôi đã thực hiện cho tất cả bệnh nhân của mình, để xác định những bệnh nhân ung thư tuyến tiền liệt cần được giúp đỡ.”

Một khi những bệnh nhân như vậy được xác định, kế hoạch điều trị của họ có thể được điều chỉnh để phù hợp hơn với mức độ lấp đầy bàng quang trung bình của họ. Điều này làm giảm nguy cơ tác dụng phụ và cải thiện chất lượng cuộc sống sau điều trị. “Câu hỏi duy nhất còn lại là chúng tôi có thể trợ giúp ai khác trong quá trình đánh giá ngoại tuyến này?” cô ấy kết luận.

Theo dõi khối u

Giành vị trí thứ ba trong cuộc thi MedPhys Slam, đồng thời giành được “giải thưởng do khán giả bình chọn” là Jason Luce, nghiên cứu sinh tiến sĩ tại Đại học Loyola. Luce đã nói với những người tham dự về thuật toán theo dõi khối u dựa trên mẫu thích ứng cho xạ trị ung thư phổi.

Việc theo dõi khối u trong quá trình xạ trị đặc biệt quan trọng đối với bệnh nhân ung thư phổi. Hơi thở gây ra sự chuyển động của khối u, dẫn đến sự không chắc chắn về vị trí của khối u. Điều này đòi hỏi phải sử dụng chùm tia điều trị lớn hơn để có thể tăng cường chiếu xạ các mô khỏe mạnh xung quanh. Luce giải thích: “Nhưng nếu bạn có thể chủ động theo dõi khối u, bạn có thể sử dụng chùm tia điều trị chính xác hơn, nghĩa là ít bức xạ hơn đến các mô khỏe mạnh”.

Tuy nhiên, trong quá trình theo dõi dựa trên hình ảnh, khối u có thể bị mất, đặc biệt khi sử dụng cửa sổ tìm kiếm lớn để bao quát tất cả các phạm vi chuyển động có thể có của khối u. Ví dụ, Luce đã chỉ ra một trường hợp trong đó thuật toán theo dõi đã xác định nhầm vị trí của khối u với vị trí của một vật phẩm hình ảnh không liên quan.

Ông ví vấn đề theo dõi này giống như việc tìm kiếm chìa khóa ô tô bị mất. “Thay vì lục soát toàn bộ ngôi nhà của bạn để tìm chúng, bạn có thể khiến cuộc sống của mình dễ dàng hơn bằng cách hỏi 'nơi cuối cùng tôi nhìn thấy chúng là ở đâu?' Trong nhà bếp? Chỉ cần tìm kiếm khu vực đó là vấn đề đã được giải quyết”, ông nói. “Chúng tôi đang lấy ý tưởng đó và áp dụng nó để cải thiện việc theo dõi khối u.”

Luce giải thích, cách tiếp cận này bao gồm việc tìm ra vị trí cuối cùng mà khối u được nhìn thấy trong quá trình theo dõi, sau đó giảm vùng tìm kiếm xuống khu vực đó. Ông đã thử nghiệm kỹ thuật này trên 229 hình ảnh X-quang của một khối u đang chuyển động, thực hiện theo dõi bằng thuật toán có cửa sổ tìm kiếm lớn cũng như cửa sổ tìm kiếm thích ứng nhỏ hơn.

Cửa sổ tìm kiếm thích ứng nhỏ hơn mang lại sự cải thiện đáng chú ý trong việc theo dõi khối u. Với cửa sổ tìm kiếm tĩnh, khoảng 12% hình ảnh cho thấy khả năng theo dõi kém (sự khác biệt đáng kể giữa vị trí khối u thực tế và dự đoán), trong khi chưa đến 1% bị cửa sổ tìm kiếm thích ứng theo dõi kém. Ông nói: “Chúng tôi đang cải thiện kết quả theo dõi và lý tưởng nhất là cải thiện việc chăm sóc bệnh nhân.

Dấu thời gian:

Thêm từ Thế giới vật lý