นวัตกรรมรังสีรักษา: เพิ่มประสิทธิภาพทางฟิสิกส์ แต่อย่ามองข้ามชีววิทยา

“ฉันอยากจะสะท้อนให้เห็นความสัมพันธ์ระหว่างความสำเร็จที่เรามีกับฟิสิกส์และเทคโนโลยี  และการเพิกเฉยต่อชีววิทยา  ในการบำบัดด้วยรังสี” ด้วยคำพูดที่ชัดเจนเหล่านี้เปิดการนำเสนอของเธอในการประชุมESTRO 2021 เมื่อไม่นานมานี้ ผู้อำนวยการร่วม และรองศาสตราจารย์แห่งมหาวิทยาลัยซิดนีย์อธิบายว่าการพัฒนาเทคโนโลยีการรักษาด้วยรังสีแบบใหม่ช่วยให้สามารถนำเทคนิคการรักษาขั้นสูง

มาใช้ในการปฏิบัติ

ทางคลินิกตามปกติได้อย่างไร ตอนนี้เป็นไปได้ที่จะลดระยะขอบเป้าหมายเป็นศูนย์ และเพิ่มใบสั่งยาเป็นปริมาณที่อันตรายถึงชีวิตมากขึ้น แต่เธอถามว่า การเพิ่มความแม่นยำของการรักษาด้วยรังสีเป็นสองเท่าจะทำให้ได้ผลลัพธ์ที่เรามุ่งมั่นอย่างแท้จริงหรือไม่: การปรับปรุงทางคลินิกที่วัดผลได้ ก้าวต่อไป 

ความพยายามของเรามุ่งไปทางไหนดีที่สุด?”คำถามที่แท้จริงคือเราสามารถทำนายผลลัพธ์ของผู้ป่วยด้วยความแม่นยำแบบเดียวกับที่เราคาดการณ์ขนาดยาได้หรือไม่” เธออธิบาย “ฉันไม่สงสัยเลยว่าเรามีความสามารถทางเทคนิค แต่เรามีความเข้าใจที่จำเป็นเกี่ยวกับการตอบสนองของร่างกายต่อรังสี

เพื่อเคลื่อนพรมแดนนี้ต่อไปหรือไม่”อุปสรรคประการหนึ่งคือเทคนิคการรักษาที่เกิดขึ้นใหม่จำนวนมาก เช่น ไมโครบีมและรังสีรักษาแบบ FLASH ทำให้เกิดการปรับลำรังสีเชิงพื้นที่หรือชั่วคราวอย่างที่ไม่เคยมีมาก่อน วิธีการดังกล่าวมีศักยภาพในการปรับปรุงผลลัพธ์ทางคลินิกอย่างมีนัยสำคัญ แต่การฉายรังสี

ที่ไม่สม่ำเสมอนี้สร้างความซับซ้อนทางชีวภาพที่แบบจำลองรังสีชีววิทยาแบบดั้งเดิมไม่ได้ออกแบบมาเพื่อทำนาย “แม้แต่ทุกวันนี้ เรายังไม่เข้าใจกลไกทางชีววิทยาอย่างถ่องแท้หลังจากสัมผัสกับลำแสงที่ปรับสภาพเชิงพื้นที่และเชิงเวลา” ซูโชเวอร์สกากล่าว แม้ว่าเทคนิคต่างๆ เช่น การวัดปริมาณรังสี 

การจัดการคุณภาพ การวางแผนการรักษา และการติดตามเนื้องอกเป็นเทคโนโลยีที่จับต้องได้ซึ่งเกิดจากคลินิกและได้รับการส่งเสริมจากผู้ขาย แต่รังสีชีววิทยาคือความเข้าใจในการตอบสนองตามธรรมชาติของร่างกายต่อรังสี“ภาคการค้าไม่มีส่วนได้ส่วนเสียในการส่งเสริมความเข้าใจ ดังนั้นใครมีหน้าที่เป็นผู้นำ” 

สุชเวอร์สกาถาม 

การพัฒนาทางเทคนิคที่จำเป็นในการสร้างและส่งมอบไมโครบีมและการบำบัดด้วยแฟลชจะทำให้นักฟิสิกส์ไม่ว่างและภาคการค้ามีความสุข เธออธิบาย แต่พลังที่แท้จริงของเทคโนโลยีนี้อยู่ที่การเข้าใจการตอบสนองของร่างกาย และวิธีการที่เราสามารถควบคุมและขับเคลื่อนการตอบสนองนั้น

เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสำหรับผู้ป่วย มากกว่าแค่ปริมาณอธิบายถึงการศึกษาที่ดำเนินการโดยทีมงานของเธอ ซึ่งเซลล์ต่อมลูกหมากได้รับการฉายรังสีด้วยลำรังสีทางคลินิกที่ปรับสภาพอย่างสม่ำเสมอและปรับเชิงพื้นที่ จากนั้นนักวิจัยใช้แมสสเปกโตรเมทรีและเทคนิค NMR เพื่อตรวจสอบสาร

ที่แสดงออกโดยเซลล์ที่ฉายรังสี ในเซลล์ต่อมลูกหมากปกติ พวกเขาพบการแสดงออกหลังจากการฉายรังสี 3 Gy แบบสม่ำเสมอหรือมอดูเลตให้ทับซ้อนกัน อย่างไรก็ตาม ในเซลล์มะเร็งต่อมลูกหมาก สนามมอดูเลตขนาด 1.5 Gy ส่งผลให้เกิดการแสดงออกของสารเมแทบอไลต์ที่คล้ายคลึงกัน

ในปริมาณ 2.25 Gy จากสนามที่สม่ำเสมอ”ดังนั้นเราจึงเริ่มเห็นว่าปริมาณไม่จำเป็นต้องเป็นตัวแทนที่ดีสำหรับการตอบสนองทางชีวภาพ” ซูโชเวอร์สกาอธิบาย เมื่อมีเทคโนโลยีใหม่ๆ เกิดขึ้น มีความจำเป็นอย่างเร่งด่วนในการทำความเข้าใจผลกระทบทางชีวภาพที่พวกมันสร้างขึ้น 

เพื่อให้ชีววิทยาทำงานร่วมกับเราและใช้ประโยชน์จากโอกาสที่เทคนิคเหล่านี้ให้ไว้ “เพื่อปรับปรุงการฝึกรังสีรักษา ขั้นตอนต่อไปคือการพัฒนาความเข้าใจของเราเกี่ยวกับกลไกทางชีววิทยาให้อยู่ในระดับเดียวกับที่เราเข้าใจการทำงานของเครื่องวัดปริมาณรังสีของเรา” ซูโชเวอร์สกากล่าว

เพื่อให้บรรลุเป้าหมายนี้ นักฟิสิกส์ทางการแพทย์อาจต้องไปให้ไกลกว่าเขตความสะดวกสบายของตน พวกเขาจะต้องทำงานในทีมสหวิทยาการและทำงานร่วมกับผู้เชี่ยวชาญในสาขาอื่นๆ “เราต้องให้คุณค่ากับความเชี่ยวชาญที่เรามี” กล่าวกับผู้ชม “อย่างไรก็ตาม เพื่อให้บรรลุเป้าหมายสูงสุดของเรา

งานของเรา

ไม่สามารถสิ้นสุดที่ปริมาณและการกระจายปริมาณรังสี และการดำเนินการที่เหมาะสมที่สุดของเทคโนโลยีเท่านั้น เพื่อก้าวไปสู่พรมแดนถัดไป เราจำเป็นต้องทำงานร่วมกับสาขาวิชาอื่นๆ ที่นำความเชี่ยวชาญของพวกเขามาไว้บนโต๊ะ ด้วยการทำความเข้าใจกลไกทางชีววิทยา เราจึงมีแผนงานว่า

เราต้องการเทคโนโลยีเพื่อดำเนินการอย่างไร”แนวทางการเรียนรู้ของเครื่องที่ปรับปรุงด้วยควอนตัม

การค้นหาด้วยควอนตัมในช่วงกลางทศวรรษที่ 1990 นักวิทยาศาสตร์คอมพิวเตอร์ ลอฟ โกรเวอร์ ได้แสดงให้เห็นว่าคอมพิวเตอร์ควอนตัมในอนาคตสามารถค้นหาฐานข้อมูลที่ไม่เรียงลำดับ 

เช่น หมายเลขโทรศัพท์ในสมุดโทรศัพท์ได้เร็วกว่าคอมพิวเตอร์แบบดั้งเดิม วิธีการนี้สามารถปรับใช้เพื่อค้นหาkรายการที่ “ใกล้เคียงที่สุด” หรือ หมายเลขโทรศัพท์ kที่มีตัวเลขเหมือนกันมากที่สุดกับหมายเลขที่กำหนด การค้นหาจุดข้อมูลที่ใกล้เคียงที่สุดกับอินพุตใหม่เป็นงานที่สำคัญในแมชชีนเลิร์นนิง

เช่น ในวิธีการที่เรียกว่า ” k -neighbour เพื่อนบ้าน” ที่เลือก ค่า y ใหม่ตามค่า yของเพื่อนบ้าน- ค่า ดังนั้นแนวทางที่ตรงไปตรงมาที่สุดในการเรียนรู้ของเครื่องด้วยคอมพิวเตอร์ควอนตัมคือการกำหนดปัญหาการค้นหาใหม่ในภาษาของคอมพิวเตอร์ควอนตัม และใช้อัลกอริทึมที่ได้รับการศึกษาอย่างดี

พีชคณิตเชิงเส้นระบบควอนตัมขนาดเล็กสามารถมีจำนวนมากได้, Nของการกำหนดค่าหรือผลการวัดที่แตกต่างกัน ทฤษฎีควอนตัมอธิบายความน่าจะเป็นที่จะมีการวัดผลลัพธ์ที่เป็นไปได้อย่างใดอย่างหนึ่งจากการกำหนดค่าเหล่านี้ และส่วนใหญ่จะขึ้นอยู่กับภาษาทางคณิตศาสตร์ของพีชคณิตเชิงเส้น ในปี 2009 จากสถาบันเทคโนโลยีแมสซาชูเซตส์ได้เสนออัลกอริทึมควอนตัมที่ใช้คุณสมบัติเหล่านี้

Credit : ฝากถอนไม่มีขั้นต่ำ / สล็อตแตกง่าย