Квази-КТ поможет сделать более точной лучевую терапию при лечении рака

Научный сотрудник лаборатории Philips Research Lab Rus Жоэль Штадельманн рассказал, как технология квази-КТ поможет более точно определить оптимальную дозу облучения при лечении онкозаболеваний, сообщает Naked Science.

Онкозаболевания занимают второе место по распространенности в мире после сердечно-сосудистых патологий. На сегодняшний день существует множество практик лечения рака, но самым эффективным из них является лучевая терапия. Суть этого метода заключается в воздействии на опухоль электромагнитными волнами рентгеновского или гамма-диапазона, или же потоком элементарных частиц. Однако у этого способа лечения есть один существенный минус - эти излучения повреждают также и здоровые ткани.

Но эту ситуацию можно исправить более направленными лучами и планированием сеансов, тем самым минимизировав повреждения здоровых тканей вокруг "больных". Для этого врачам нужно учитывать два фактора:

— Точный расчет минимальной дозы облучения, нужный для эффективной борьбы с раковыми клетками. Для подобной оценки необходимо знать электронную плотность вещества, то есть количество электронов в единице объема. А для этого можно использовать компьютерную томографию, или просто КТ.

— Необходимость с точностью до миллиметра определить положение опухоли. Снимок КТ не может предоставить такую информацию, однако здесь приходит на выручку снимок магнитно-резонансной томографии (МРТ).

Логично предположить, что КТ отпадает за ненадобностью, но к сожалению при помощи МРТ невозможно определить электронную плотность вещества. Поэтому снимок КТ необходим.

Использование обоих этих процедур в лечении сильно затрудняет процесс, так как при КТ человек дополнительно облучается. Да и стоимость этих процедур отнюдь не самая маленькая. Так же играют роль различные положения тела при снимках КТ и МРТ, а также другие факторы. Например, ел человек до снимка, или после. Все это во многом усложняет процесс лечения и уменьшает точность планирования.

Но и здесь было найдено решение. Так как МРТ и КТ характеризуют одни и те же ткани человека, но на разных уровнях. МРТ — на уровне ядер водорода молекул воды, а КТ — на уровне электронов более тяжелых атомов, составляющих эту ткань. И оказалось, что возможно рассчитать одну из характеристик, зная другую.

Однако, несмотря на продолжительные исследования в области химии и физики твердых тел, добиться высокой точности квантово-механический расчет КТ снимков по МРТ-изображениям пока невозможно. Исходя из этого, появляется необходимость искать другие, нестрогие методы получения КТ-изображений. И вот полученные такими методами изображения называются квази-КТ. С помощью них можно начинать планирование лечения.

В последствие был разработан статистический метод. Его суть заключается в том, что если два снимка МРТ одного и того же участка тела разных пациентов схожи, то схожи будут и снимки КТ. Поэтому ученые набрали внушительную базу данных парных снимков МРТ и КТ снимков. Теперь имея одиночный снимок МРТ можно предположить как будет выглядеть КТ-снимок.

Искусственный интеллект позволил получить более точные снимки и улучшить качество квази-КТ изображений по сравнению со статистическим подходом. В лаборатории Philips Research в Сколково сейчас активно бьются над решением этой проблемы и развиваются две методики.

— Первая методика заключается в обучении ИИ. Берут два снимка, МРТ и КТ, максимально их выравнивают, после чего ИИ пытается воссоздать КТ-снимок только через снимок МРТ. В качестве эталона используется парный снимок КТ. И пока нейросеть не сможет максимально похоже воссоздать один снимок от другого, обучение будет продолжаться. Среди минусов этого подхода, можно выделить то, что в доступности есть очень мало точных парных изображений. К тому же нейросеть будет хорошо работать только в рамках той части тела, по которой ее обучали.

— Вторая методика заключается в использовании непарных снимков МРТ и КТ одной и той же части тела для обучения ИИ. Таких снимков в разы больше, нежели парных, потому и обучать нейронную сеть гораздо проще. И выдать такой ИИ может как и КТ из МРТ, так и наоборот. И вот здесь специалисты используют хитрость. Сначала в нейросеть "загоняют" снимок КТ, после чего получают квази-МРТ. Этот снимок снова "прогоняют" через нейросеть, но уже обратно. Таким образом из квази-МРТ получают квази-КТ. В итоге должно получится изображение максимально близкое к оригиналу.

В заключении Жоэль Штадельманн сказал, что парный подход сейчас довольно близок к идеалу, а вот непарный пока не может точно рассчитать квази-снимки сложных анатомических структур, таких как нос. Однако, для, например, мозга результаты неплохие, и их уже достаточно для клинического использования. А в будущем такие технологии распространяться и на другие части тела.

Источник