Molecubes maakt PET-beeldvorming klein genoeg voor elk labo

Preklinische beeldvorming is een vaste stap in het onderzoek naar nieuwe geneesmiddelen. Met PET zien onderzoekers in een levende muis of rat waar een stof naartoe gaat en wat ze doet, in de hersenen, het hart of een tumor. Lange tijd waren die scanners groot, duur en ingewikkeld. Ze stonden in gespecialiseerde centra, en wie een studie wilde doen, moest daar zijn beurt afwachten.

Molecubes wilde dat veranderen, met scanners die op een labotafel passen, eenvoudig te bedienen zijn en toch beelden van onderzoekskwaliteit leveren. Het bedrijf werd in 2016 in Gent mee opgericht door Pieter Mollet, vandaag bij Invisto. In 2022 werd het overgenomen door Bruker.

Pieter bouwde bij Molecubes de β-CUBE, de PET-scanner uit de productlijn, van de detector tot de software waarmee de onderzoeker werkt.

Het resultaat

PET op een labotafel. Met zijn kleine footprint past de β-CUBE in een klein labo, zonder aparte infrastructuur, en hoeft men niet langer naar een beeldvormingscentrum uit te wijken.

Submillimeter-resolutie. De scanner haalt een ruimtelijke resolutie onder 850 µm en een piekgevoeligheid boven 12 %. Daarmee worden kleine structuren zichtbaar, zoals afzonderlijke hersengebieden van een muis.

Modulair met CT en SPECT. De β-CUBE werkt alleen of samen met de X-CUBE (CT) en de γ-CUBE (SPECT), op een gedeeld bed voor meerdere modaliteiten. Een labo kan klein beginnen en later uitbreiden.

Een product dat zijn weg vond. Er staan wereldwijd meer dan honderd CUBES bij onderzoeksgroepen en farmabedrijven. Met de overname door Bruker kwam de technologie terecht bij een van de grote spelers in wetenschappelijke instrumentatie.

Wat er gebouwd werd

Een PET-scanner is een keten waarin elke schakel de volgende bepaalt. Hoe nauwkeurig een beeld wordt, hangt evengoed af van de kristallen in de detector als van het algoritme dat het beeld reconstrueert. Daarom werd die hele keten als één geheel ontwikkeld.

Detectoren van monolithische kristallen

De meeste PET-scanners gebruiken detectoren van duizenden kleine kristalstaafjes. Hoe kleiner die staafjes, hoe scherper het beeld, maar ook hoe duurder en kwetsbaarder de detector. De β-CUBE gebruikt monolithische LYSO-kristallen, uitgelezen door silicium-fotomultiplicatoren (SiPM’s). De detectoren werden zelf ontworpen en gebouwd.

Event positioning op de GPU

In een monolithisch kristal is er geen staafje dat aanwijst waar een foton insloeg. Die positie moet berekend worden uit de manier waarop het licht zich over de sensoren verspreidt. Daarvoor werden algoritmes ontwikkeld die dat voor elk event doen. Ze draaien op de GPU, zodat ze de grote stroom aan events kunnen bijhouden. Juist die nauwkeurige plaatsbepaling maakt de submillimeter-resolutie mogelijk.

Systeemintegratie en assemblage

Detectoren, elektronica, mechanica en software moeten in een behuizing passen die niet groter is dan een kleine kast. De vijf detectorringen, de uitlezing en het bed werden tot één systeem geïntegreerd. Daarbij hoorde ook de assemblage van de toestellen zelf.

Beeldreconstructie in C++ en CUDA

Uit de gemeten events wordt het eigenlijke beeld berekend met OSEM, een iteratief reconstructie-algoritme. De zwaarste stap daarin is ray-tracing: voor elk event nagaan door welke voxels in het beeld het pad van de fotonen loopt. De reconstructie werd in C++ geschreven, en het ray-tracen werd met CUDA op de GPU versneld. Zo kwam een beeld van onderzoekskwaliteit in een werkbare tijd beschikbaar.

Een reconstructieserver

Reconstructies zijn zware rekentaken, en een labo draait er veel. Een reconstructieserver in Django beheert ze: de server zet reconstructies in de wachtrij, volgt ze op en bewaart de resultaten. Zo hoeft de onderzoeker niet te wachten aan de scanner, en kunnen reconstructies later opnieuw lopen met andere instellingen.

Eén interface voor alle CUBES

Op elke CUBE draait een Linux-back-end die de hardware aanstuurt. De onderzoeker ziet daar niets van. De interface is een Qt-applicatie op een iMac die via XML-RPC met de β-CUBE, de X-CUBE en de γ-CUBE praat. Van daaruit plant de onderzoeker een scan, volgt de acquisitie op en bekijkt de beelden, voor elk van de drie modaliteiten op dezelfde manier.

Wat Invisto ervan meeneemt

De β-CUBE bracht productontwerp, systeeminstrumentatie en -integratie, complexe algoritmes voor beeldverwerking en reconstructie, en full-stack software samen in één product. Die combinatie vragen onze klanten vandaag ook, of het nu gaat om een meetinstrument, een toestel met camera en AI aan de rand van het netwerk of een systeem dat ruwe sensordata in bruikbare informatie moet omzetten.