据项目负责人、武汉大学物理科学与技术学院教授彭浩介绍，相较于传统的放疗，质子治疗一个明显的优势是，“布拉格峰”的特性可以让大多数能量沉积在肿瘤靶区，减少对正常组织的损害。但是在临床治疗过程中，患者的解剖结构、质子束流、病人摆位等因素可能会造成射程和剂量的误差，导致“布拉格峰”沉积的位置发生改变，产生“打不准”的痛点。
寻找一种能实时监测质子束剂量沉积的方法非常有意义， 尤其是结合FLASH。一方面，FLASH的单束超高剂量率特性可显著提高声波信号的幅度;另一方面，对FLASH而言，一些影响治疗精度的随机不确定性，无法像传统方法那样通过多天治疗来平均，因而在线剂量验证更为重要。
为解决这一难点，研究人员采用了一种创新性的解决方案。他们在患者身上安装传感器，跟踪治疗过程中组织热膨胀(能量沉积)产生的声波信号，得到人体内部剂量沉积的情况。此前研究利用时间反演方法、借助GPU加速，重建耗时可压缩至分钟。在此基础上，最新研究通过机器学习方法，利用小波变换有效完成特征提取，进一步降低了所需传感器的数量和重建时间(秒钟量级)，并且模型表现出很好的抗噪性。
通过在治疗前根据病人解剖信息和治疗方案训练出的个性化模型，以及在治疗过程中实时测量的声波信号，研究人员有望实时在线得到二维或三维剂量分布(2毫米左右验证精度)。不过，目前方案尚需解决两大难题：传感器和病人身体的接触，以及病人体内声波传播参数的准确获取。
彭浩还提到，虽然短脉冲的高能粒子束打出声波信号的原理在上世纪80年代首次被发现，但一直面临的挑战是信号幅度小、信噪比低。随着质子束技术的进步，包括FLASH以及低噪声传感器的发展，团队的研究成果有望用于临床。下一步，团队计划开展临床测试。
相关论文信息：https://doi.org/10.1088/2057-1976/ac396d
