31 juli 2026
Dit protocol beschrijft een volledige, reproduceerbare workflow voor patiëntspecifieke elektrische veldsimulatie en validatie van elektrochemotherapie (ECT) voor spinale metastase. De workflow integreert multimodale beeldvorming, semi-automatische en handmatige segmentatie, modellering van weefselgeleidbaarheid, lineaire eindige-elementen elektrische veldsimulatie en experimentele validatie via post-procedure MRI-gebaseerde necrose-overlapanalyse.
Hoe een protocol patiëntspecifieke elektrische velden simuleert tijdens spinale elektrochemotherapie en deze vergelijkt met mononucleose na de behandeling. Bestaande workflows valideren gesimuleerde elektrische velden zelden tegen de driedimensionale behandelrespons bij spinale metastatische ziekten. Nadat de gegevens zijn geïmporteerd in 3D Slicer en CTI als referentievolume is ingesteld, opent u de segment-editormodule en maakt u een segment aan met de naam corticale bot.
Gebruik de drempelwaarde-tool (threshold tool) in CTI om cortical bot met een hoge dichtheid te isoleren. Verfijn vervolgens het segment handmatig met de schaargereedschap- of verfgestuurde tools naar behoefte. Maak een segment aan met de naam Vet.
Gebruik de Threshold-tool om vet met een lage dichtheid in de perirenale of subcutane ruimte te selecteren. Maak vervolgens een intervertebraal schijfsegment aan en gebruik de 3D Paint-tool in de axiale, sagittale en coronale weergaven. Selecteer buiten alle zichtbare segmenten om het schilderen te beperken tot lege voxels en te voorkomen dat bestaande segmenten worden overschreven.
Stel vervolgens een segment van spongieus bot in voor het vertebrale spongieuze bot. Gebruik de 3D Paint-tool om de interne trabeculaire compartimenten in te vullen en selecteer alle zichtbare segmenten buiten dit gebied, zoals eerder beschreven. Maak een segment aan met het label Ruggenmerg en gebruik de 3D Paint-tool om het merg handmatig te contouren op axiale coupes van boven naar beneden over de behandelde niveaus.
Definieer vervolgens een segment met de naam cerebrospinal fluid. Gebruik de 3D Paint-tool om de ruimte van de cerebrospinal fluid rondom het ruggenmerg binnen de thecale zak in te vullen, en selecteer daarnaast alle gebieden buiten de zichtbare segmenten om te voorkomen dat bestaande segmenten worden overschreven. Creëer aanvullende segmenten voor cement, coils of longen indien aanwezig.
Gebruik de threshold-tool om hyperdense cement of coils en hypodens longparenchym te identificeren. Voer indien nodig een handmatige correctie uit. Sla vervolgens de bijgewerkte Slicer-scene op.
Importeer het MRI-volume van vóór de procedure, MRIp, in de Slicer-scene. Gebruik de Transforms-module om een rigide registratie van MRIp op CTI uit te voeren, waarbij vertebrale ossieuze landmarks op het behandelde niveau worden gebruikt om de registratie te leiden. Pas de transformatie toe op MRIp en beoordeel de co-registratie visueel in de axiale en sagittale vlakken.
Accepteer de registratie alleen als de visuele uitlijning en de registratiefout van het doelwit minder dan 2,5 millimeter bedragen. Maak vervolgens een nieuw segment aan met de naam Tumor. Gebruik de Paint-tool op MRIp om de epidurale en vertebrale tumorbetrekking bij de baseline handmatig af te bakenen.
Pas optionele smoothing toe op het tumorsegment om een coherent driedimensionaal volume zonder gaten te verkrijgen. Sla vervolgens de bijgewerkte Slicer-scène op. Importeer het intraprocedurale computertomografievolume met naald-CTA in de 3D Slicer-scène.
Gebruik de transforms-module voor de rigide registratie van CTA op CTI. Hanteer dezelfde botlandmarks van de wervels als in de vorige stap om een correcte uitlijning te garanderen. Start de AI4DEEP-module en maak voor elke elektrode één virtuele naald aan, beginnend bij de punt van de actieve elektrode.
Verifieer in axiale, coronale en sagittale weergaven of elk elektrodegetal nauwkeurig overeenkomt met één fysieke actieve tip. Sla de bijgewerkte scene op, inclusief de anatomische structuren, tumorsegmentatie en elektrogeometrie. Wijs in de AI4DEEP-interface elk anatomisch segment toe aan een corresponderende weefselklasse met een vooraf gedefinieerde elektrische geleidbaarheid.
Stel het standaard achtergrondweefsel in op spiergeleiding, zodat alle niet-gesegmenteerde voxels als spier worden behandeld. Controleer in het AI4DEEP-samenvattingspaneel of elk segment is afgestemd op het verwachte weefseltype en de geleidingswaarde. Sla daarna de configuratie op.
Geef in de AI4DEEP-interface de actieve tiplengte voor elke elektrode op volgens de klinische procedure en stel de elektrode diameter in op 1,8 millimeter. Voer de klinisch toegepaste amplitude van het elektrische veld in volts per centimeter in. Definieer vervolgens de elektrodeparen die tijdens de behandeling zijn geactiveerd.
Laat AI4DEEP de aangelegde spanning voor elk elektrodenpaar berekenen op basis van de inter-elektrodeafstand, waarbij wordt gewaarborgd dat de gevraagde spanning-afstandverhouding in volt per centimeter wordt gerespecteerd. Stel het aantal pulsen in op acht en de pulsduur op 100 microseconden conform het klinische protocol. Sla vervolgens de AI4DEEP-configuratie op.
Start in de AI4DEEP-interface de berekening van het elektrostatische veld met behulp van de geconfigureerde anatomie, geleidingsvermogens en elektrodeparameters. Zodra de software de geometrische configuratie heeft gegenereerd en het lineaire elektrostatische potentieel heeft opgelost, slaat u de simulatieoutput en de bijgewerkte Slicer-scène op. Selecteer in de AI4DEEP-interface de optie om isovlakken van het elektrische veld te genereren vanuit het gesimuleerde veld.
Selecteer een reeks isodosis-drempelwaarden en genereer de overeenkomstige driedimensionale isodosiskaarten. Toon individuele isodosiskaarten in een driedimensionaal beeld om de ruimtelijke veldverdeling te observeren. Het veld varieert doorgaans van lichtgeel bij lage amplitudes tot rood bij hoge amplitudes.
Note voor elke isodosis het percentage van de tumorbedekkingswaarden dat automatisch is berekend op basis van de overlap tussen het isodosisvolume en de tumorsegmentatie. Bewaar alle isodosissegmenten of -modellen en de tumorbedekkingswaarden voor latere analyse. Voer een follow-up MRI uit zes weken na de elektrochemotherapie en daarna elke twee maanden.
Selecteer de MRI-scan met het grootste necrotische volume of de beste radiologische respons voor segmentatie om rekening te houden met een heterogene en vertraagde behandelrespons. Importeer de post-behandeling contrastversterkte T1 vet-onderdrukte axiale sequentie, gecentreerd op de behandelde niveaus van de MRI's, in 3D Slicer. Voer een rigide registratie van de MRI's op de CTI uit met behulp van dezelfde vooraf gedefinieerde vertebrale landmarks als eerder gebruikt.
Pas de transformatie toe. Bereken de doelregistratiefout met behulp van dezelfde referentielandmerken en bevestig dat deze minder dan of gelijk is aan 2,5 millimeter om de registratienauwkeurigheid te documenteren. Maak een nieuw segment aan met de naam Tumornecrose.
Gebruik de Paint-tool om het niet-contrastversterkende necrotische deel van de tumor op de MRI-beelden na elektrochemotherapie handmatig plak voor plak af te bakenen. Pas optionele smoothing toe op het segment van de tumornecrose om een coherent, aaneengesloten volume te verkrijgen. Voer vervolgens een kwantitatieve vergelijking uit tussen het gesimuleerde veld en de necrose.
De gemiddelde Dice-gelijkeniscoëfficiënten vertoonden een klokvormig verband over de cohort. De waarden piekten tussen 160 en 200 volt per centimeter en de tumordekking nam geleidelijk af naarmate de drempelwaarden toenamen. Er werd een uitgesproken heterogeniteit waargenomen tussen de gevallen, met beste Dice-waarden variërend van 0,0156 tot 0,7684 en bijbehorende beste Iso-waarden variërend van 100 tot 500 volt per centimeter.
Een representatieve overlay toonde een ruimtelijke correspondentie tussen tumornecrose na behandeling en het isodosisvolume van 200 volt per centimeter. Een 59-jarige patiënt met een epidurale metastase in L3 als gevolg van cholangiocarcinoom vertoonde minder dan 5% tumornecrose en geen verbetering na de initiële elektrochemotherapie. Retrospectieve simulatie met AI4DEEP toonde een onvoldoende tumordekking bij de drempelwaarde van 200 volt per centimeter aan.
Een herhaalde behandeling met een aangepaste elektrodeconfiguratie behaalde een tumorbedekking van meer dan 90%, wat resulteerde in een volledige radiologische en klinische respons. Een 67-jarige patiënt met heldercellige niercelcarcinoom en epidurale ziekte bij L5-S1 ontwikkelde na elektrochemotherapie een rechtszijdige radiculopathie. AI4DEEP-simulatie toonde een velduitbreiding van 300 volt per centimeter in het rechter S1-foramen, wat consistent was met een postoperatief via MRI bevestigde beschadiging van de rechter S1-zenuwwortel.
De belangrijkste uitdaging is het identificeren van de relevante isodosisdrempel voor elke behandeling, elk orgaan en elke klinische setting. Aanvullende analyses kunnen de automatische segmentatie, registratie-onzekerheid en dosis-responserelaties tussen drempelwaarden van het elektrische veld testen. Verdere studies dienen deze vroege bevindingen te valideren in grotere cohorten met spinale metastasen en andere indicaties voor elektrochemotherapie.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Dit artikel presenteert een reproduceerbare workflow voor patiëntspecifieke simulatie van elektrische velden bij spinale elektrochemotherapie (ECT). Door multimodale beeldvorming en geavanceerde computationele modellering te integreren, beoogt het protocol de ECT-planning voor tumoren nabij kritieke spinale structuren te optimaliseren, waardoor de veiligheid en effectiviteit worden vergroot en het risico op neuraal letsel wordt geminimaliseerd.
Patiëntspecifieke simulatie van het elektrische veld bij spinale elektrochemotherapie (ECT) pakt een kritieke uitdaging aan bij het optimaliseren van de lokale tumorcontrole nabij gevoelige neurale structuren. Door multimodale beeldvorming en computationele modellering te integreren, verbetert deze workflow het voorspellende vertrouwen bij de behandelplanning en ondersteunt het risico-gecorrigeerde besluitvorming voor complexe anatomische settings. De aanpak maakt reproduceerbare, geïndividualiseerde ECT-planning mogelijk, wat direct invloed heeft op portfoliostrategieën voor minimaal invasieve oncologische interventies.
Deze simulatie-workflow slaat een brug tussen discovery biology, kwantitatieve analyses en translationeel onderzoek in de context van de planning van spinale ECT.