En innovativ CFD-baserad dosimetri- och förbehandlingsplaneringsplattform för att stödja personanpassade transarteriella terapier mot levercancer

TARE har blivit en etablerad lokoregional behandling för HCC, den vanligaste formen av primär levercancer. Under TARE injiceras radioaktiva mikrosfärer genom en mikrokater i leverns artärer för att bestråla tumören inifrån. Den minimalt invasiva karaktären hos denna terapi gör den till ett viktigt alternativ för patienter som inte är lämpliga för kirurgi. Trots dess kliniska relevans varierar behandlingsframgången dock mellan patienter.

En utmaning med TARE är den begränsade förmågan att förutsäga hur de injicerade mikrosfärerna kommer att spridas i leverns arteriella nätverk. Som ett resultat av detta sätter sig inte mikrosfärerna alltid jämnt inom tumören, och en del av den injicerade dosen kan hamna i frisk levervävnad. Detta kan minska behandlingseffektiviteten samtidigt som risken för komplikationer ökar. Nuvarande planerings- och dosimetrimetoder före behandling kan inte helt förutsäga den resulterande stråldosen.

Syftet med denna studie är att utveckla en metodik som möjliggör en bättre förståelse och förutsägelse av mikrosfärfördelning och stråldos under TARE med hjälp av patientspecifika 3D-modeller. Dessa modeller kommer att konstrueras från kliniska bilddata såsom CT, MRI, PET, SPECT eller DSA, och kommer att användas för att analysera leverns arteriella anatomi och dosavsättningsmönster. Genom att studera dessa samband syftar projektet till att identifiera vilka anatomiska och procedurmässiga faktorer som påverkar mikrosfärtransport och dosleverans, och hur dessa insikter kan bidra till förbättrad planering före behandling.

Den kliniska delen av studien består enbart av att samla in retrospektiva och prospektiva bild- och behandlingsdata från patienter som genomgår TARE, utan att påverka det kliniska arbetsflödet. Därmed introduceras ingen ytterligare risk eller obehag för deltagande patienter. De insamlade datan kommer att utgöra grunden för att utveckla och validera 3D-modellerna. I det långa loppet kan de resulterande insikterna bidra till att optimera kateterpositionering, injektionsparametrar och dosplanering, med målet att uppnå mer effektiva, personanpassade och säkrare TARE-behandlingar.