Monitorização da radiação ionizante em diagnóstico clínico: desenvolvimento de modelos adaptativos

• Autor(es): Alves, Cátia Sofia Lourenço
• Data: 2012
• Identificador Persistente: http://hdl.handle.net/10451/9466
• Origem: Repositório da Universidade de Lisboa
• Assunto(s): Teses de mestrado - 2012
• Tipo de Documento: Dissertação de mestrado
• Idioma: Português
• Orientador(es): Almeida, Pedro Miguel Dinis de, 1968-; Janela, Filipe
• Contribuidor(es): Repositório da Universidade de Lisboa

Descrição

Tese de mestrado integrado em Engenharia Biomédica e Biofísica (Engenharia Clínica e Instrumentação Médica), apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2012

O presente trabalho resulta de uma parceria entre a Siemens S.A. Healthcare Sector e a Faculdade de Ciências da Universidade de Lisboa e foi desenvolvido durante um período de 9 meses. Neste projecto pretendeu-se desenvolver um modelo que permita monitorizar a utilização da Radiação Ionizante em Diagnóstico Clínico. A crescente utilização da Radiação Ionizante em técnicas de diagnóstico advém directamente do aumento do número de exames de Tomografia Computorizada, Mamografia e Radiografia Convencional realizados em meio hospitalar. Apesar das vantagens inegáveis que estas técnicas trouxeram ao campo do diagnóstico clínico, têm sido levantadas questões relativas à segurança dos utentes quando expostos a determinados nível deste tipo de radiação. Surge assim a necessidade de se desenvolverem metodologias que permitam quantificar e monitorizar a radiação ionizante utilizada nas modalidades referidas. Com este projecto foram definidos, implementados e testados dois modelos que permitem calcular a Dose Efectiva para os exames de Tomografia Computorizada e Mamografia. Para implementar os modelos definidos recorreu-se à linguagem de programação Python que permitiu definir funções que procuram informação relacionada com o doente e com o Estudo e que, posteriormente, integram a informação encontrada no processo de cálculo da dose, permitindo obter um mecanismo que estima este parâmetro de forma automática, customizada e adaptativa. Para todos os estudos de imagiologia avaliados com os modelos foi determinado o valor de Dose Efectiva com sucesso e conseguiu demonstrar-se a consistência dos resultados obtidos assim como a eficiência do algoritmo desenvolvido. A aplicação destes modelos permite o cálculo individual e automático da Dose, monitorizando assim a utilização da radiação em Diagnóstico médico.

The present work results from a partnership between Siemens S.A. Healthcare Sector and Faculty of Sciences of the University of Lisbon and was developed during a 9 months period. The main purpose of this project was to develop and improve an adaptative model that can be used to evaluate the impact of Ionizing Radiation in Clinical Practice. During the last few years the percentage of background radiation attributed to medical sources has increased as a direct consequence of the increasing number of medical exams, such as Computed Tomography (CT), Conventional Radiography and Mammography (MG). Despite all the benefits of these techniques in medical field, there is a growing awareness of the the potential hazard associated with the use of ionizing radiation in these exams. All these reasons raise the need for new strategies to quantify the use of this radiation in the refered modalities. Two algorithms were developed, implemented and tested during this project to estimate the Effective Dose in CT and MG exams. Python program language was used to define functions that look for Demographic and Clinical information and then use that data to performe and automatic and adaptative calculation of the Effective Dose. For all the medical studies evaluate with these models the Effective Dose was successfully determined. The conformity of the results and the efficacy of the models were demonstrated at the end of this work. These models allow an automatic and individual Dose calculation and could be implemented as a new mechanism to improve radiological protection.