Neues Modell kann die Lungenbewegung während des Atmens genau vorhersagen

Ein von Prof. Li Hai von den Hefei Institutes of Physical Science der chinesischer Akademie der Wissenschaften geleitete Forschungsteam hat ein neues Modell entwickelt, das eine durch Atmen verursachte Lungenbewegung genau vorhersagen kann und sicherere und präzisere Optionen für Lungenbiopsien und Strahlentherapie bietet.
Die Ergebnisse wurden in veröffentlicht in Computerisierte medizinische Bildgebung und Grafik.
Die Lungenbewegung während des Atmens stellt eine erhebliche Herausforderung bei der Behandlung von Lungenkrebs dar, da sich die Tumoren verschieben können, was es den Ärzten schwer macht, sie genau anzusprechen. Bestehende Lösungen stützen sich entweder auf bevölkerungsbasierte Modelle, die individuelle Unterschiede vernachlässigen oder eine vierdimensionale Computertomographie (4D CT) erfordern, die Patienten zusätzliche Strahlung aussetzen.
Um diese Einschränkungen zu überwinden, führte das Team ein neuartiges Modell charakteristisch gewichtet (PCWS) ein, das allgemeine Atemmuster von großen Datensätzen mit personalisierten Patienteninformationen kombiniert. Bemerkenswerterweise benötigt das Modell nur zwei Standard-CT-Scans-Eliminierung der Notwendigkeit einer 4D-Bildgebung.
In Validierungstests unter Verwendung von Daten aus mehreren Krankenhäusern erreichte PCWs einen mittleren Vorhersagefehler von nur 0,20 mm, der eine hohe Genauigkeit über eine Vielzahl von Patiententypen und Bildgebungsbedingungen zeigte.
Dieser neue Ansatz könnte Ärzten helfen, Lungenkrebsverfahren sicherer zu planen und durchzuführen, mit weniger Strahlung und größerer Genauigkeit. „
Prof. Li Hai
Das Modell stellt einen vielversprechenden Schritt in Richtung einer personalisierten Behandlung mit geringer Risiko in der Lungenkrebsversorgung dar.
Quellen:
Xia, G.-R., et al. (2025). A novel population-characteristic weighted sparse model for accurate respiratory motion prediction in CT-guided lung cancer interventions. Computerized Medical Imaging and Graphics. doi.org/10.1016/j.compmedimag.2025.102557.