تصویربرداری نوین بهبود یافته به کمک هوش مصنوعی , دسترسی به پرتو درمانی تطبیقی را گسترش می‌دهد.
چگونه Elekta مسیر را برای تصویربرداری CBCT با کیفیت بالا و تقویت‌شده با هوش مصنوعی هموار می‌کند؟
در سال ۲۰۰۳، شرکت Elekta اولین سامانه درمان با پرتوی هدایت شده توسط تصویرIGRT) ) جهان را معرفی کرد؛ سیستمی نوآورانه که شتاب دهنده خطی دیجیتال را با فرآیند تصویربرداری دقیق CBCT (تصویربرداری سی‌تی با پرتو مخروطی) ترکیب می‌کرد.
این دستاورد، آغازگر عصری جدید در پرتودرمانی بود که در آن تیم درمان می‌توانست تصاویر سه بعدی از بیمار را در همان موقعیت درمانی تهیه کند و گامی مؤثر برای کاهش عدم قطعیت در تعیین موقعیت ساختارهای حساسOARs) ) و تومورهای سرطانی باشد .
با وجود به روزرسانی‌های متعدد در فناوری شتاب دهنده‌های Elekta در سال‌های بعد (از جمله فرم دهی پیشرفته پرتو، تصویربرداری چهار بُعدی و تحویل پرتو بدون فیلتر تخت‌کننده(FFF)، کیفیت تصاویر CBCT تا مدت‌ها بدون تغییر اساسی باقی مانده بود.
اکنون اما، با پیشرفت‌های جدید، کیفیت تصاویر CBCT به همراه دقت داده های کمی حاصل از آن ها ، بار دیگر آماده است تا مرزهای نوینی را در تشخیص و درمان جا به جا کند.
(استاندارد درمان در پرتودرمانی در حال تحول است: تصویربرداری CBCT با کیفیت بالا و تقویت شده با هوش مصنوعی)
«در پرتودرمانی، استاندارد مراقبتی همواره بر این بوده که پیش از شروع درمان، تصویری از CBCT (سی‌تی اسکن با پرتو مخروطی) تهیه شود و از همان تصویر روز برای اصلاح جا به جایی‌های احتمالی موقعیت بیمار استفاده گردد.»
این را دکتر جاناتان میسون (MEng، PhD)، دانشمند ارشد در Elekta و عضو تیم توسعه کاربردهای بالینی شرکت می‌گوید؛ تیمی متشکل از دانشمندان، متخصصان بالینی و مهندسان با تجربه که با همکاری یکدیگر در حال تعریف نسل آینده فناوری های تصویربرداری، طراحی درمان و تحویل پرتو هستند.
او ادامه می دهد:
«اما اگر بتوانیم نواحی هدف و ارگان‌های حساس (OARs) را با وضوح بیشتری ببینیم چه؟ چنین امکانی باعث می‌شود بتوانیم درمان را به صورت دقیق تر و فرد محور تنظیم کنیم، سطح سمیت را کاهش دهیم و در نهایت، کیفیت درمان را از هر جلسه به جلسه بعدی بهبود ببخشیم.»
درهمین راستا، دکتر میسون و همکارانش الگوریتمی برای اصلاح پراکندگی مبتنی بر هوش مصنوعی طراحی کرده اند و همچنین الگوریتم بازسازی تکرارشونده ، نسل جدیدی را توسعه داده اند که پایه آن از رساله دکتری دکتر میسون در سال ۲۰۱۸ نشأت گرفته است.
ترکیب این دو نوآوری، گامی بزرگ در جهت ارتقاء کیفیت تصاویر CBCT و دقت در طراحی دوز درمانی به شمار می‌رود ؛ موضوعی که در نهایت امکان پرتو درمانی تطبیقی و فرد محور را برای شمار بیشتری از بیماران سرطانی فراهم می‌سازد .
دکتر میسون می‌گوید:
«دیدن اینکه چگونه پایان نامه ام به بخش کلیدی از یک نوآوری بالینی تبدیل شده که می‌تواند در خدمت تعداد زیادی از کلینیک‌ها باشد، واقعاً برایم رضایت بخش است.»
تصویربرداری با وضوح بالا و تقویت شده با هوش مصنوعی
یکی از چالش‌های اصلی در تصویربرداری CBCT، تأثیرات ناشی از پرتوهای پراکنده است ، یعنی اشعه هایی که پس از برخورد با بدن بیمار یا اجزای دستگاه تغییر مسیر داده‌اند. این پرتوهای پراکنده موجب ایجاد سایه و کاهش کنتراست تصویر می‌شوند و برای جبران این اثرات، نیاز به اصلاحات پیچیده در فرآیند بازسازی تصویر است.
دکتر میسون توضیح می‌دهد:
«پراکندگی و آرتیفکت هایی که از آن ناشی می‌شود، یکی از مشکلات قدیمی و تکرارشونده در CBCT است و ما این نگرانی را بارها از سوی متخصصان بالینی شنیده‌ایم. ما همواره در تلاش بوده‌ایم تا راهکاری برای آن بیابیم و این دستاوردهای جدید، مستقیماً به همین نیاز پاسخ می‌دهند.»
او اضافه می‌کند:
«ما الگوریتم یادگیری ماشین را با ده ها هزار نمونه آموزش دادیم تا بتواند ارتباط بین تضعیف پرتو اصلی توسط بدن بیمار و میزان پراکندگی را به درستی شناسایی و بازسازی کند.»
نوآوری Elekta Iris در اصلاح پراکندگی با هوش مصنوعی و بازسازی پیشرفته CT
در قلب فناوری Iris از شرکت Elekta، یک مدل هوش مصنوعی برای اصلاح پراکندگی قرار دارد مدلی که در حین تصویربرداری CBCT، پراکندگی را به صورت هم زمان و در زمان واقعی تخمین می زند.
دکتر میسون می‌گوید:
«ما یک مدل هوش مصنوعی را برای پیش بینی پراکندگی آموزش دادیم، به طوری که وقتی یک تصویر پرتوی ایکس به آن داده می‌شود، بتواند به درستی بگوید که پراکندگی مرتبط با آن تصویر چگونه خواهد بود.
ما ده‌ها هزار نمونه به مدل دادیم و به مرور زمان یاد گرفت که چگونه بین تصاویر دریافتی و پراکندگی مرتبط با آن‌ها ارتباط برقرار کند. حالا وقتی یک تصویر جدید به مدل داده می‌شود، می‌تواند با دقت بالا، الگوی پراکندگی آن را پیش بینی کند.»
او اضافه می‌کند:
«در واقع، ما کل فرآیند تخمین پراکندگی را به صورت موازی و در زمان تصویربرداری انجام می دهیم به این معنا که زمان پردازشی پس از دریافت تصویر، صرفاً برای بازسازی سه بعدی خواهد بود.»
الگوریتم بازسازی: Polyquant CT
الگوریتم بازسازی مورد استفاده در این فناوری، روش پیشرفته ی Polyquant CT است ترکیبی از بازسازی پلی کروماتیک و تصویربرداری کمی که هدف آن ارائه تصاویری با دقت بسیار بالا و حداقل آرتیفکت است.
دکتر میسون توضیح می‌دهد:
«بازسازی های مرسوم CBCT معمولاً کیفیت لازم برای استفاده در طراحی درمان را ندارند، چرا که با مشکلاتی مانند نمونه برداری ناکافی ، سخت شدگی پرتو و سطح بالای پراکندگی مواجه هستند.
در پژوهش دکتری ام که در Elekta آن را توسعه دادیم روشی تکرارشونده و مبتنی بر مدل های فیزیکی ایجاد کردیم تا این محدودیت ها را پشت سر بگذاریم. نتیجه آن، تصاویری با دقت بالاتر و کنتراستی قابل مقایسه با CT برنامه ریزی است که امکان تصویربرداری کمی انعطاف‌پذیر و محاسبه مستقیم دوز درمانی را نیز فراهم می‌سازد.»
ترکیب فناوری‌ها برای یک گردش کار تطبیقی سریع
با بهره گیری از تخمین پراکندگی مبتنی بر هوش مصنوعی، بازسازی Polyquant CT و پردازش مبتنی بر GPU، تیم مهندسی Elekta موفق شده‌اند کل فرآیند، از تصویربرداری تا نمایش تصویر در نرم افزار را در کمتر از ۱۰ ثانیه اجرا کنند.
دکتر میسون می‌افزاید:
«ما این فناوری را با همکاری چندین مرکز تحقیقاتی بالینی آزمایش کرده‌ایم و بازخورد ها بسیار مثبت بوده اند. برخی از موارد استفاده شامل مقایسه HU با CT برنامه ریزی، کانتورینگ خودکار با هوش مصنوعی، تطبیق تصاویر و محاسبه مستقیم دوز بوده‌اند.»
او پیش‌بینی می‌کند:
«ما حتی این پتانسیل را داریم که این زمان را از ۱۰ ثانیه هم کمتر کنیم. همکاران تحقیقاتی ما معتقدند که Iris نه تنها امکان برنامه ریزی تطبیقی را فراهم کرده، بلکه موجب ارتقاء روند های بالینی موجود نیز شده است.»
