Modelos de optimización mejoran radioterapia para pacientes con cáncer
Por el equipo editorial de MedImaging en español Actualizado el 21 Nov 2011 |
Investigadores de ingeniería han desarrollado modelos de optimización matemática que harán que los planes de tratamiento de radiación sean más seguros y más eficientes, que los planes convencionales.
La radioterapia convencional usa un solo plan de tratamiento acumulativo que no tiene en cuenta los cambios en la geometría tumoral y la biología en el tiempo. Sin embargo, desarrollos tecnológicos recientes han hecho posible captar esas imágenes durante los tratamientos.
Trabajando con datos geométricos y biológicos obtenidos de la tecnología más avanzada usada para captar los cambios tumorales, investigadores de la Universidad de Arkansas (Fayetteville, EUA) logran la optimización en términos de aplicar la dosis máxima de energía al tumor sin someter a riesgo los tejidos sanos circundantes. Integrando los datos más recientes acerca de la geometría y la biología tumoral, los modelos de los investigadores ayudarán a optimizar el tratamiento de radiación de manera acumulativa por sesión.
“Este es uno de los primeros esfuerzos en desarrollar un método de optimización de radioterapia que usa la información biológica y mantiene las restricciones de dosis por sesión, por fracción y acumulativa”, dijo el Dr. Behlul Saka, que completó recientemente su doctorado en ingeniería industrial. “Nuestros modelos de optimización pueden ser usados para generar planes de tratamiento basados en biología tumoral antes del tratamiento, pero también puede reaccionar a los cambios en la biología tumoral durante el tratamiento”.
Más de un millón de personas, solo en los Estados Unidos, son diagnosticadas con cáncer anualmente, y más de la mitad de esos pacientes reciben radioterapia en algún momento durante el tratamiento. Este tipo de terapia destruye las células cancerosas o disminuye su rata de crecimiento aplicando rayos de alta energía a los tumores. La radioterapia tradicional incluye disparar radiación desde ángulos de rayo diferentes con un acelerador lineal que rota alrededor del paciente. La variedad de los ángulos de rayo limita la exposición a la radiación y así conserva los tejidos sanos expuestos desde ángulos particulares mientras que concentran su efecto combinado sobre el tumor. Se toman precauciones, generalmente, para asegurar distribuciones homogéneas de la radiación en todo el tumor.
La radioterapia de intensidad modulada (RTIM) maneja las limitaciones de la radioterapia convencional aplicando partes pequeñas de rayos, llamados “rayitos”, directamente a secciones específicas o puntos específicos en un tumor mientras que además conserva el tejido sano. Para aclarar, con la RTIM, la dosis de radiación se adapta más precisamente a la forma tridimensional (3D) del tumor.
La investigación del Dr. Saka se suma a las ventajas de la RTIM desarrollando planes de tratamientos optimizados en respuesta a los cambios en la geometría tumoral medida contra dosis acumulativas y por sesión. Para construir los modelos, se apoyó en datos de pacientes anónimos, archivados. El Dr. Saka probó los modelos en dos casos simulados de cáncer pulmonar. Esos casos demostraron mejoras clínicamente significativas en la respuesta tumoral en el tiempo. En un caso de prueba simulado, diferente, comparando la información de hipoxia tumoral, los modelos demostraron mejoras considerables en el control del tumor. Esas ganancias en el control del tumor y las dosis promedio fueron significativas para todo el tratamiento. Los modelos también demostraron la volatilidad del control del tumor en relación con las alteraciones emergentes en los valores de hipoxia del tumor.
“Este trabajo sugiere que un método homogéneo para las distribuciones de dosis a través del tumor puede ser mejorado en gran medida”, dijo el Dr. Saka. “Las distribuciones no homogéneas que tienen dosis variables, de acuerdo con las respuestas biológicas del tumor, aparentemente pueden ser mucho más efectivas. Por supuesto, se requerirán ensayos clínicos para confirmar esos hallazgos de simulación”.
El Dr. Saka continúa su investigación en planeación mejorada del tratamiento del cáncer como un científico de investigación de Elekta, AB (Estocolmo, Suecia), una compañía de salud que desarrolla soluciones clínicas para tratar el cáncer y las enfermedades cerebrales. Su trabajo en la Universidad de Arkansas fue terminado bajo la dirección del profesor Ron Rardin, también director del Centro de Innovación en Logística de Salud de la Universidad de Arkansas. El Prof. Rardin y sus estudiantes han estado trabajando en la optimización de la planeación de la radiación durante más de una década. “Creo que el trabajo de Behlul señala la manera a una planeación de tratamiento mucho más refinada, explotando más de la información disponible puesto que el tumor cambia a través de las 25 a 50 sesiones diarias de tratamiento”, dijo el Prof. Rardin. El Prof. Rardin también es director del Centro de Innovación en Logística de Salud de la Universidad de Arkansas.
Enlaces relacionados:
University of Arkansas
Elekta
La radioterapia convencional usa un solo plan de tratamiento acumulativo que no tiene en cuenta los cambios en la geometría tumoral y la biología en el tiempo. Sin embargo, desarrollos tecnológicos recientes han hecho posible captar esas imágenes durante los tratamientos.
Trabajando con datos geométricos y biológicos obtenidos de la tecnología más avanzada usada para captar los cambios tumorales, investigadores de la Universidad de Arkansas (Fayetteville, EUA) logran la optimización en términos de aplicar la dosis máxima de energía al tumor sin someter a riesgo los tejidos sanos circundantes. Integrando los datos más recientes acerca de la geometría y la biología tumoral, los modelos de los investigadores ayudarán a optimizar el tratamiento de radiación de manera acumulativa por sesión.
“Este es uno de los primeros esfuerzos en desarrollar un método de optimización de radioterapia que usa la información biológica y mantiene las restricciones de dosis por sesión, por fracción y acumulativa”, dijo el Dr. Behlul Saka, que completó recientemente su doctorado en ingeniería industrial. “Nuestros modelos de optimización pueden ser usados para generar planes de tratamiento basados en biología tumoral antes del tratamiento, pero también puede reaccionar a los cambios en la biología tumoral durante el tratamiento”.
Más de un millón de personas, solo en los Estados Unidos, son diagnosticadas con cáncer anualmente, y más de la mitad de esos pacientes reciben radioterapia en algún momento durante el tratamiento. Este tipo de terapia destruye las células cancerosas o disminuye su rata de crecimiento aplicando rayos de alta energía a los tumores. La radioterapia tradicional incluye disparar radiación desde ángulos de rayo diferentes con un acelerador lineal que rota alrededor del paciente. La variedad de los ángulos de rayo limita la exposición a la radiación y así conserva los tejidos sanos expuestos desde ángulos particulares mientras que concentran su efecto combinado sobre el tumor. Se toman precauciones, generalmente, para asegurar distribuciones homogéneas de la radiación en todo el tumor.
La radioterapia de intensidad modulada (RTIM) maneja las limitaciones de la radioterapia convencional aplicando partes pequeñas de rayos, llamados “rayitos”, directamente a secciones específicas o puntos específicos en un tumor mientras que además conserva el tejido sano. Para aclarar, con la RTIM, la dosis de radiación se adapta más precisamente a la forma tridimensional (3D) del tumor.
La investigación del Dr. Saka se suma a las ventajas de la RTIM desarrollando planes de tratamientos optimizados en respuesta a los cambios en la geometría tumoral medida contra dosis acumulativas y por sesión. Para construir los modelos, se apoyó en datos de pacientes anónimos, archivados. El Dr. Saka probó los modelos en dos casos simulados de cáncer pulmonar. Esos casos demostraron mejoras clínicamente significativas en la respuesta tumoral en el tiempo. En un caso de prueba simulado, diferente, comparando la información de hipoxia tumoral, los modelos demostraron mejoras considerables en el control del tumor. Esas ganancias en el control del tumor y las dosis promedio fueron significativas para todo el tratamiento. Los modelos también demostraron la volatilidad del control del tumor en relación con las alteraciones emergentes en los valores de hipoxia del tumor.
“Este trabajo sugiere que un método homogéneo para las distribuciones de dosis a través del tumor puede ser mejorado en gran medida”, dijo el Dr. Saka. “Las distribuciones no homogéneas que tienen dosis variables, de acuerdo con las respuestas biológicas del tumor, aparentemente pueden ser mucho más efectivas. Por supuesto, se requerirán ensayos clínicos para confirmar esos hallazgos de simulación”.
El Dr. Saka continúa su investigación en planeación mejorada del tratamiento del cáncer como un científico de investigación de Elekta, AB (Estocolmo, Suecia), una compañía de salud que desarrolla soluciones clínicas para tratar el cáncer y las enfermedades cerebrales. Su trabajo en la Universidad de Arkansas fue terminado bajo la dirección del profesor Ron Rardin, también director del Centro de Innovación en Logística de Salud de la Universidad de Arkansas. El Prof. Rardin y sus estudiantes han estado trabajando en la optimización de la planeación de la radiación durante más de una década. “Creo que el trabajo de Behlul señala la manera a una planeación de tratamiento mucho más refinada, explotando más de la información disponible puesto que el tumor cambia a través de las 25 a 50 sesiones diarias de tratamiento”, dijo el Prof. Rardin. El Prof. Rardin también es director del Centro de Innovación en Logística de Salud de la Universidad de Arkansas.
Enlaces relacionados:
University of Arkansas
Elekta
Últimas Radiografía noticias
- Técnica de imágenes con IA se muestra prometedora en la evaluación de pacientes para ICP
- Mayor uso de radiografías de tórax permite detectar el cáncer de pulmón en etapas tempranas
- Las mamografías impulsadas por IA predicen el riesgo cardiovascular
- Modelo de IA generativa reduce significativamente el tiempo de lectura de radiografías de tórax
- La mamografía impulsada por IA mejora la detección de cáncer en entornos de lectura única
- Los detectores de conteo de fotones prometen imágenes rápidas de rayos X en color
- La IA puede señalar mamografías para una resonancia magnética suplementaria
- Imágenes 3D por TC a partir de una sola proyección de rayos X reducen la exposición a la radiación
- Método de IA predice el riesgo de cáncer de mama al analizar múltiples mamografías
- Sensores de rayos X orgánicos imprimibles podrían transformar el tratamiento del cáncer
- Detector altamente sensible y plegable hace que la radiografía sea más segura
- Nueva tecnología de detección de cáncer de mama podría ofrecer una alternativa superior a la mamografía
- Inteligencia artificial predice con precisión el cáncer de mama años antes del diagnóstico
- Radiografía de tórax con IA detecta nódulos pulmonares tres años antes de los síntomas del cáncer de pulmón
- Modelo de IA identifica fracturas por compresión vertebral en radiografías de tórax
- La mamografía 3D avanzada puede detectar más cánceres de mama
Canales
RM
ver canal
Herramienta de IA rastrea la eficacia de tratamientos para la esclerosis múltiple mediante RM cerebral
La esclerosis múltiple (EM) es una enfermedad en la que el sistema inmunológico ataca el cerebro y la médula espinal, lo que provoca alteraciones en el movimiento, la sensibilidad y la cognición.... Más
Imágenes por RM ultrapotentes permiten cirugías en pacientes con epilepsia resistente al tratamiento
Aproximadamente 360.000 personas en el Reino Unido padecen epilepsia focal, una afección en la que las convulsiones se propagan desde una parte del cerebro. Alrededor de un tercio de estos pacientes... MásUltrasonido
ver canal
La ecografía pulmonar asistida por IA supera a expertos humanos en el diagnóstico de tuberculosis
A pesar de la disminución global de las tasas de tuberculosis (TB) en años anteriores, su incidencia aumentó un 4,6% entre 2020 y 2023. La detección temprana y el diagnóstico rápido son elementos esenciales... Más
La IA identifica la enfermedad de la válvula cardíaca a partir de una prueba de imagen común
La insuficiencia tricúspide es una afección en la que la válvula tricúspide del corazón no se cierra completamente durante la contracción, lo que provoca un flujo sanguíneo retrógrado que puede provocar... Más
Nuevo método de imágenes permite el diagnóstico temprano y seguimiento de la diabetes tipo 2
La diabetes tipo 2 se reconoce como una enfermedad inflamatoria autoinmune, en la que la inflamación crónica provoca alteraciones en la microvasculatura de los islotes pancreáticos, un factor clave en... MásMedicina Nuclear
ver canal
Nuevo enfoque de imágenes PET ofrece una visión nunca antes vista de la neuroinflamación
La COX-2, una enzima clave en la inflamación cerebral, puede aumentar significativamente su expresión mediante estímulos inflamatorios y neuroexcitación. Los investigadores... Más
Nuevo radiotrazador identifica biomarcador para el cáncer de mama triple negativo
El cáncer de mama triple negativo (CMTN), que representa entre el 15 % y el 20 % de todos los casos de cáncer de mama, es uno de los subtipos más agresivos, con una tasa de supervivencia a cinco años de... MásImaginología General
ver canal
Sistema de imágenes impulsado por IA mejora el diagnóstico del cáncer de pulmón
Dada la necesidad de detectar el cáncer de pulmón en etapas tempranas, existe una creciente necesidad de una vía de diagnóstico definitiva para pacientes con nódulos pulmonares sospechosos.... Más
Modelo de IA mejora las capacidades de la tomografía computarizada de baja dosis
El cáncer de pulmón sigue siendo una de las enfermedades más difíciles de abordar, lo que hace que el diagnóstico temprano sea fundamental para un tratamiento eficaz.... MásTI en Imaginología
ver canal
Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles
Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Plataforma para el manejo de imágenes agiliza los planes de tratamiento
Un conjunto de soluciones de software del ecosistema de imágenes proporciona accesibilidad segura a las imágenes médicas, mejorando los flujos de trabajo y la atención a los pacientes. La plataforma... MásUna red global nueva mejora el acceso a la comprensión diagnóstica
Quest Diagnostics (Madison, NJ, EUA), un proveedor líder de servicios de información de diagnóstico, junto con otros proveedores de servicios de diagnóstico, ha anunciado la formación y el lanzamiento de la Red de Diagnóstico Global (GDN), un grupo de... Más
Una estación de trabajo nuevo apoya el flujo de trabajo de la imagenología pensando en los clientes
Una estación de trabajo de imagenología nueva ofrece una interfaz única e intuitiva para la toma eficiente de radiografías, fluoroscopias, mamografías y la toma de imágenes de las piernas/columna vertebral... MásIndustria
ver canal
Colaboración entre GE HealthCare y NVIDIA para reinventar la imagenología diagnóstica
GE HealthCare (Chicago, IL, EUA) ha iniciado un proceso de colaboración con NVIDIA (Santa Clara, CA, EUA), ampliando la relación existente entre las dos empresas para centrarse en la innovación... Más
Siemens y Sectra colaboran en la mejora de los flujos de trabajo en radiología
Siemens Healthineers (Forchheim, Alemania) y Sectra (Linköping, Suecia) han iniciado una colaboración destinada a mejorar las capacidades de diagnóstico de los radiólogos y, a... Más