Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

L'approche neuve suit des tumeurs en temps réel, pourrait améliorer des résultats pour des malades du cancer

Une équipe d'université des chercheurs d'Alberta a développé une voie plus rapide de suivre le mouvement des tumeurs dans le fuselage pendant la radiothérapie, qui pourrait de manière significative améliorer des résultats pour des malades du cancer.

« Quand un patient obtient la radiothérapie, par exemple sur les poumons, la tumeur pourrait déménager à cause du patient respirant, » a dit Michelle Noga, U du radiologue d'A qui travaille également à l'imagerie médicale de MIC et est le co-auteur de l'étude.

« Nous normalement devons rayonner un plus grand endroit que la tumeur réelle pour représenter ce mouvement. »

« Ainsi l'idée est que si vous pourriez suivre leur respiration et régler le faisceau pour apparier cela, vous ne devriez pas rayonner un si grand tissu sain d'endroit et potentiellement de dégâts. »

Les constructions du travail de l'équipe sur Linac-M. projettent, un faisceau de radiothérapie (accélérateur linéaire ou « linac ») et machine (MRI) hybride d'imagerie par résonance magnétique développée par des chercheurs à l'institut croisé de cancer en 2013.

Pendant que les patients se situent dans la machine, l'IRM fournit la représentation continuelle de la tumeur, permettant au système de suivre son mouvement et de maintenir la radiothérapie concentrée seulement sur cet endroit.

Cependant, le rail de temps réel exige la puissance de traitement significative et l'approche actuelle est trop lente pour l'usage de jour en jour, a dit le chercheur du fil de l'étude, Kumaradevan Punithakumar.

La version originale de l'algorithme de rail fonctionne par l'unité centrale de l'ordinateur, mais elle peut seulement effectuer huit ou 12 procédés à la fois. C'est trop lent pour le rail en temps réel, » il a dit. « Ainsi nous avons adapté l'algorithme pour employer l'unité de traitement de dessins (GPU), qui peut effectuer des milliers de procédés immédiatement. »

Kumaradevan Punithakumar, chercheur de fil d'étude, université d'Alberta

U d'équipe d'A--quels YUN de Jihyun de physiciens et Gino médicaux inclus Fallone, et calculer des scientifiques Nazanin Tahmasebi et Pierre Boulanger--a trouvé que le traitement de GPU a augmenté la vitesse du procédé par cinq fois.

« Ce sont des résultats très bons, » a dit Punithakumar, qui, avec Noga, est également un membre de l'institut de recherches de santé enfantile de femmes et.

La « amélioration du rendement de calcul a été une édition pour un certain nombre d'applications de représentation, et nous avons fait cela.

« Nous voyons également des méthodes précédentes améliorées d'exactitude de rail [plus de]. Ainsi la combinaison des performances améliorées et de l'exactitude est très, résultat très bon. »

Punithakumar note que bien que l'algorithme ait été appliqué à Linac-M. système dans cette étude spécifique, il pourrait être employé pour les applications assimilées d'imagerie médicale ou d'autres tâches de délinéation d'organe, telles que la segmentation cardiaque de ventricule utilisant l'IRM.

Pour l'instant, les prochaines opérations comprennent intégrer entièrement l'algorithme dans Linac-M. système, puis exécuter plus de tests pour l'assurer fonctionne chronique comme prévu, Punithakumar a dit.

Puis, l'équipe espère pouvoir passer aux tests cliniques.

« À l'avenir, ceci pourrait être complet automatisé, » Punithakumar a dit.

« Le patient entrera, entrer dans la machine, et la machine pourra déterminer quel endroit pour viser et fournir ces informations à l'oncologiste. »

« Une fois que l'oncologiste confirme l'objectif, puis le système commence la radiothérapie, réglant sur n'importe quel mouvement en temps réel automatiquement. »

Source:
Journal reference:

Tahmasebi, N., et al. (2020) Real-Time Lung Tumor Tracking Using a CUDA Enabled Nonrigid Registration Algorithm for MRI. IEEE Journal of Translational Engineering in Health and Medicine. doi.org/10.1109/JTEHM.2020.2989124.