Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

A aproximação nova segue tumores no tempo real, poderia melhorar resultados para pacientes que sofre de cancro

Uma equipe da universidade de pesquisadores de Alberta desenvolveu uma maneira mais rápida de seguir o movimento dos tumores no corpo durante a radioterapia, que poderia significativamente melhorar resultados para pacientes que sofre de cancro.

“Quando um paciente obtiver o tratamento de radiação, por exemplo nos pulmões, o tumor pôde mover-se devido ao paciente que respira,” disse Michelle Noga, um U do radiologista de A que igualmente trabalha na imagem lactente médica do MIC e é o co-autor do estudo.

“Nós normalmente temos que irradiar uma área mais grande do que o tumor real para esclarecer esse movimento.”

“Assim a ideia é que se você poderia seguir sua respiração e ajustar o feixe para combinar isso, você não teria que irradiar uma área tão grande e danificar potencial o tecido saudável.”

As construções do trabalho da equipe no Linac-SR. projectam-se, um feixe da radiação (acelerador linear ou “linac”) e máquina (MRI) híbrida da ressonância magnética desenvolvida por pesquisadores no instituto transversal do cancro em 2013.

Enquanto os pacientes se encontram na máquina, o MRI fornece a imagem lactente constante do tumor, permitindo que o sistema siga seu movimento e mantenha a radiação centrada somente sobre essa área.

Contudo, o seguimento do tempo real exige a potência de processamento significativa e a aproximação actual é demasiado lenta para o uso do dia a dia, disse o pesquisador do chumbo do estudo, Kumaradevan Punithakumar.

A versão original do algoritmo de seguimento é executado através da unidade do processador central do computador, mas pode somente segurar oito ou 12 processos de cada vez. Isso é demasiado lento para o tempo real que segue,” disse. “Assim nós adaptamos o algoritmo para usar a unidade de processamento dos gráficos (GPU), que pode segurar milhares de processos imediatamente.”

Kumaradevan Punithakumar, pesquisador do chumbo do estudo, universidade de Alberta

O U da equipe de A--que da computação cientistas médicos incluídos Nazanin Tahmasebi e Pierre Boulanger do YUN de Jihyun dos físicos e o Gino Fallone, e--encontrou que o processamento de GPU aumentou a velocidade do processo em cinco vezes.

“Estes são resultados muito bons,” disse Punithakumar, que, junto com Noga, é igualmente um membro do instituto de investigação da saúde das mulheres e de crianças.

“Melhorar o desempenho computacional foi uma edição para um número de aplicações da imagem lactente, e nós fizemos aquele.

“Nós igualmente estamos vendo métodos precedentes melhorados da precisão de seguimento [sobre]. Assim a combinação de desempenho e de precisão melhorados é muito, resultado muito bom.”

Punithakumar nota que embora o algoritmo seja aplicado ao Linac-SR. sistema neste estudo específico, poderia ser usado para aplicações similares da imagem lactente médica ou outras tarefas da delineação do órgão, tais como a segmentação cardíaca do ventrículo usando MRI.

Por agora, os passos seguintes incluem inteiramente a integração do algoritmo no Linac-SR. sistema, a seguir executar mais testes para assegurá-lo trabalha consistentemente como esperado, Punithakumar disse.

Então, a equipe espera poder transportar-se sobre ao teste clínico.

“No futuro, isto poderia completamente ser automatizado,” Punithakumar disse.

“O paciente entrará, para mover-se na máquina, e a máquina poderá determinar que área para visar e fornecer essa informação ao oncologista.”

“Uma vez que o oncologista confirma o alvo, a seguir o sistema começa a radioterapia, ajustando a todo o movimento no tempo real automaticamente.”

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.