Vier februari is World Cancer Day, een dag waarop we naar jaarlijkse gewoonte stilstaan bij de grootste medische uitdaging van het moment. Hoewel wordt voorspeld dat er steeds meer kankergevallen zullen zijn in de toekomst, worden belangrijke innovaties geïntroduceerd om behandelingen te verbeteren en comfortabeler te maken. In deze blog gaan we in op hoe innovaties in medische beeldvorming de precisie in radiotherapie kunnen bevorderen.
Het Union for International Cancer Control voorspelt tegen 2030 een stijging van 31% nieuwe kankergevallen in vergelijking met 20181. Veel van deze kankers zullen bestreden worden met behulp van radiotherapie, een behandeling waarbij tumoren heel precies worden bestraald om het tumoraal weefsel te doden. De bestralingstechnieken zijn vandaag reeds zeer geavanceerd, maar vragen om uiterste precisie in de voorbereidende stappen. En hier speelt medische beeldvorming een cruciale rol.
Voorafgaand aan de bestraling wordt, door middel van een CT-scanner, de te bestralen tumor en omliggende organen in beeld gebracht. Het spreekt voor zich dat deze beelden nauwkeurig en betrouwbaar moeten zijn. Hier wringt vandaag nog steeds het schoentje. De medische beeldvorming staat namelijk voor tal van uitdagingen die de beeldkwaliteit kunnen beïnvloeden. Hierdoor wordt ingeboet aan precisie en wordt de patiënt onnodig blootgesteld aan een hogere stralingsdosis bij de daaropvolgende bestralingsbehandeling, met mogelijks vervelende bijwerkingen tot gevolg zoals misselijkheid en zelfs brandwonden en haarverlies. Bovendien wordt hierdoor ook gezond weefsel bestraald, wat kan leiden tot secundaire kankers. Verregaande integratie, automatisering en artificiële intelligentie moeten hier een antwoord op bieden.
Integratie van systemen
Tijdens de voorbereiding van de radiotherapie zijn, naast de CT-scanner zelf, tal van computersystemen nodig om de parameters van de scan in te stellen, de beelden te reconstrueren en te bewerken. Daarnaast moet ook tal van randapparatuur bestuurd worden: een werkstation dat met lasers het isocentrum van de tumor aanduidt op het lichaam van de patiënt, een bedieningsplatform voor de contrastpomp in geval dat contrastvloeistof dient ingespoten te worden, een aparte console voor de analyse van de beelden, enzovoort. Door deze complexiteit aan systemen en processen stijgt de kans op fouten exponentieel. Maar liefst 60% van alle incidenten binnen radiotherapieafdeling zijn het gevolg van bedieningsfouten en fouten in de gegevensoverdracht van het ene naar het andere systeem2.
Systeemintegratie is daarom de nieuwe trend. De contrastpomp en het laserwerkstation worden nu geïntegreerd in nieuwe CT-scanners en de verschillende computer- en bedieningssystemen worden gebundeld in een eenvoudige tablet. Dit zorgt er niet alleen voor dat data minder vaak moeten doorgestuurd worden van het ene systeem naar het andere, maar ook dat de zorgverlener langer bij de patiënt kan blijven. Deze innovatie komt zowel de gemoedsrust van de patiënt als de beeldkwaliteit ten goede.
Automatisering en AI
Een tweede trend binnen de medische beeldvorming voor radiotherapieplanning is automatisering. In 21% van de gevallen wordt de beeldkwaliteit vandaag nog steeds verstoord door kunstmatige voorwerpen zoals prothesen, implantaten, pacemakers en tandvullingen3 waardoor kankercellen achteraf moeilijker af te bakenen zijn. De nieuwe generatie CT-scanners zijn aan de hand van een algoritme in staat deze stoorzenders te herkennen en de beelden te optimaliseren.
Niet enkel kunstmatige voorwerpen, maar ook organen zelf kunnen voor onscherpe beelden zorgen. In 59% van de gevallen bevinden tumoren zich in bewegende organen en lichaamstructuren4 zoals het hoofd, de nek, borst, long, lever, maag en slokdarm. De beweging kan eigen zijn aan het orgaan, zoals de maag, maar wordt ook vaak veroorzaakt door de ademhaling van de patiënt. Aangezien een CT-scan bestaat uit een reeks foto’s of coupes van hetzelfde weefsel wordt daarom vaak gevraagd aan de patiënt om de adem in te houden. Artificiële intelligentie maakt het vandaag mogelijk om in real time het ademhalingspatroon van de patiënt op te volgen en enkel beelden te maken op hetzelfde, terugkerende moment in de ademcyclus van de patiënt.
Contouring
De laatste stap in de voorbereiding van radiotherapie is de contouring of het aflijnen van het te bestralen weefsel en de omliggende organen. Deze contouring is echter een heel tijdsintensief proces. Ook hier zet de trend van automatisering en AI zich door. Door software met behulp van deep learning te trainen in het herkennen en afbakenen van organen, zelfs op beelden met een lager contrast, wordt de contouring grotendeels overgenomen en geautomatiseerd. Dit bespaart tijd en draagt bij tot de verkleining van de foutenmarge.
Volledig potentieel
Al deze innovaties, van de integratie van systemen tot artificiële intelligentie en automatisatie, dragen bij tot de precisie en consistentie van de beelden waar de radiotherapeut mee aan de slag gaat. Op die manier krijgt hij de middelen om het volledige potentieel van de moderne radiotherapietechnieken in te zetten en zo de impact van de behandeling te optimaliseren en mogelijke bijwerkingen voor de patiënt te optimaliseren.
1 Union for International Cancer Control (UICCI), https://www.uicc.org; Cancer Research UK, www.cancerresearchuk.org
2 Greenwalt et al. Reducing errors in radiation therapy through electronic safety checklists
3 Boas FE, Fleischmann D. CT artifacts: causes and reduction techniques. Imaging Med. 2012;4(2).
4 International Agency for Research on Cancer, https://www.iarc.fr.