图片来源：UAlberta医学与牙科学院

艾伯塔大学的一个研究人员小组开发了一种更快的方法来追踪放射治疗期间体内肿瘤的运动，这可以显着改善癌症患者的预后。

“当患者接受放射治疗时，例如在肺部进行治疗，肿瘤可能会由于患者的呼吸而移动，”放射线医学大学的U.米歇尔·诺加(Michelle Noga)表示，他也是MIC Medical Imaging的研究人员之一。

“通常情况下，我们必须辐射比实际肿瘤更大的面积才能解释这种运动。因此，想法是，如果您可以跟踪他们的呼吸并调整光束以匹配该范围，则不必辐射那么大的面积，潜在地损害健康组织。”

该团队的工作建立在Linac-MR项目的基础上，该项目是Cross Cancer Institute的研究人员在2013年开发的一种辐射束(线性加速器或“直线加速器”)和磁共振成像(MRI)混合机。

当患者躺在机器上时，MRI会提供对肿瘤的连续成像，从而使系统能够跟踪其运动并使放射线仅聚焦在该区域。但是，这项研究的首席研究员Kumaradevan Punithakumar说，实时跟踪需要强大的处理能力，而当前的方法对于日常使用来说太慢了。

他说：“跟踪算法的原始版本运行在计算机的中央处理单元中，但是一次只能处理8或12个过程。对于实时跟踪而言，这太慢了。” “因此，我们对算法进行了修改，以使用图形处理单元(GPU)，它可以一次处理数千个进程。”

一支由医学物理学家Jihyun Yun和Gino Fallone以及计算科学家Nazanin Tahmasebi和Pierre Boulanger组成的A小组的研究小组发现，GPU处理将处理速度提高了五倍。

Punithakumar说：“这些都是非常好的结果。”他与Noga一起也是妇女和儿童健康研究所的成员。“对于许多成像应用而言，提高计算性能一直是一个问题，我们已经做到了。

“与以前的方法相比，我们还看到了更高的跟踪精度。因此，提高性能和精度的结合是非常非常好的结果。”

Punithakumar指出，尽管在此特定研究中将该算法应用于Linac-MR系统，但它可用于类似的医学成像应用或其他器官描绘任务，例如使用MRI进行心室分割。

目前，接下来的步骤包括将算法完全集成到Linac-MR系统中，然后运行更多测试以确保其能够按预期运行，Punithakumar说。然后，该团队希望能够继续进行临床测试。

Punithakumar说：“将来，这可能是完全自动化的。” “患者将进来，进入机器，机器将能够确定要瞄准的区域并将该信息提供给肿瘤科医生。一旦肿瘤科医生确定了目标，系统便会开始放射治疗，并根据需要调整放射线。自动实时移动。”