Arjan Bel is per 1 juni hoogleraar Klinische fysica en radiotherapie, in het bijzonder de beeldvorming. Hij onderzoekt beeldvorming van tumoren voorafgaand en tijdens bestraling. De uitkomsten van zijn onderzoek moeten ervoor zorgen dat er in de toekomst tijdens het bestralen beter rekening gehouden wordt met beweging van de tumor.
“In de jaren 80 wisten we tijdens het bestralen ongeveer waar de tumor zat. De laatste jaren zijn de ontwikkelingen in de beeldvorming in een stroomversnelling geraakt. Zo kunnen we nu, tijdens de behandeling, veel beter zien waar de tumor zich bevindt”, aldus Bel. “Voorafgaand aan de bestraling wil je de exacte plaats van de tumor weten. Dit kunnen we in kaart brengen met een CT- en met een MRI-scan. De beeldvorming is hiermee verfijnder geworden. We zien nu meer en andere dingen dan vroeger. In de organen kunnen we nu zelfs tumorhaardjes aanwijzen”, legt Bel uit. “Door beeldvorming te gebruiken tijdens de behandeling kunnen we veel nauwkeuriger bestralen.”
Uitdagingen tijdens bestraling
Een grote uitdaging tijdens de bestraling is dat de tumor in de patiënt beweegt. Bel: “Patiënten ademen, daar begint het al mee. Door de ademhaling bewegen de organen in de borstkas, van de longen tot de onderbuik. De darmen bewegen en de inhoud van de blaas verschilt van moment tot moment.” Dit maakt gericht bestralen lastig, omdat de locatie van de tumor letterlijk van seconde tot seconde kan verschillen. Wat Bel betreft, ligt hier de grootste uitdaging tijdens bestralingen, hij gebruikt blaaskanker als voorbeeld: “De behandeling wordt van dag tot dag gemonitord. Patiënten krijgen drinkinstructies om de inhoud van de blaas zo stabiel mogelijk te houden tijdens de bestraling. Maar deze instructies hebben niet iedere dag hetzelfde effect en leiden dus niet altijd tot een vergelijkbare blaasinhoud.”
Daarom wordt er nu rekening gehouden met een flinke marge om de tumor heen, om er zeker van te zijn dat de tumor bestraald wordt. De keerzijde hiervan is dat er onbedoeld gezond weefsel beschadigd raakt, dit kan later weer voor complicaties zorgen. Bel: "De bedoeling is natuurlijk dat we de tumor een zo hoog mogelijke dosis straling geven terwijl we het omliggende, gezonde, weefsel juist zo veel mogelijk willen sparen.” Ontwikkelingen rondom machine learning zouden in de toekomst nauwkeurigere bestraling mogelijk kunnen maken. De eerste stappen zijn recent gezet, waarbij machine learning beelden analyseert van de patiënt op de bestralingsstoel. De bestraling wordt vervolgens aangepast aan de veranderende anatomie. Ook kan machine learning ervoor zorgen dat de reactie van de tumor op de bestraling beter bepaald kan worden door het analyseren van beelden die tijdens de behandeling gemaakt zijn.
Loopbaan
Bel is van oorsprong natuurkundige. In 2004 is hij begonnen als hoofd fysica van de afdeling Radiotherapie van het AMC. Bel kwam als natuurkundestudent door zijn interesse in computers en informatica bij de radiologie terecht: “Computers, informatica en beeldbewerking waren nieuw aan het begin van mijn carrière. Ze trokken direct mijn aandacht, daarom ben ik als natuurkundige op het snijvlak van informatica en beeldbewerking in de radiotherapie terechtgekomen.” Bij zijn onderzoek wordt nauw samengewerkt tussen artsen, laboranten en fysici. “Mijn werk is multidisciplinair, want wat ik onderzoek moeten artsen en laboranten in de dagelijkse praktijk kunnen toepassen. En het moet natuurlijk vooral zin hebben voor de patiënt.”
Tekst: Charlotte Nuijten
Foto: Kirsten van Santen
