

Optimointi
Optimoinnissa on kyse tutkimusten hyötyjen maksimoinnista suhteessa tutkimuksiin liittyviin haittoihin. Diagnostisen röntgentutkimusten kannalta tämä merkitsee sitä, että ratkaiseva kliininen tieto voidaan saavuttaa mahdollisimman pienellä potilaan säteilyaltistuksella.
Optimoinnin keskeinen periaate tunnetaan ALARA-lyhenteestä (as low as reasonably achievable), jonka mukaan tutkimuksen säteilyriski tulisi pitää niin pienenä kuin kohtuullisin keinoin on mahdollista. Tekniikasta riippumatta kuvausarvojen optimointiin pätevät valtaosin samat säännöt. Optimoinnin perustana on tutkimuksen oikeutuksen arviointi, johon sisältyy lähetteiden oikeellisuuden ja indikaatioiden tarkistaminen. Tähän liittyy myös kuvausmenetelmän valinta.
Yllä oleva kuva havainnollistaa röntgenkuvien säteilyannoksen (D) ja kohinan (σ) suhdetta toisiinsa. Kuvan rakeisuus eli kohina on kääntäen verrannollinen säteilyannoksen neliöjuureen. Näin ollen röntgenkuvan rakeisuus pienenee kuvauksessa käytetyn säteilyannoksen kasvaessa – ja päinvastoin. Kliinisen kuvanlaadun kannalta asianmukaisen tasapainon löytäminen annoksen ja kuvan kohinan välille on eräs optimoinnin kulmakiviä, säteilykeilan rajauksen ohella.
Suuren dynamiikan ansiosta digitaalinen röntgenkuvaus sallii runsaasti vapausasteita hyvän optimoinnin toteuttamiselle verrattuna perinteiseen tekniikkaan. Onnistunut kuvaus voidaan toteuttaa hyvin erilaisilla kV-, lisäsuodatus- ja hilavalinnoilla. Ratkaisevaa optimoinnin kannalta on se, mikä kombinaatio tuottaa diagnostisesta kohteesta riittävän kontrastin ja kohinan suhteen pienimmällä potilasannoksella.
Alla oleva kaavio kuvaa digitaalisen natiiviröntgenkuvauksen optimointimallin, jossa ensin säteily rajataan indikaatioiden mukaisesti, sitten kohteen edellyttämän kontrasti-kohinasuhteen sekä säteilyannoksen suhde maksimoidaan oikeilla parametrivalinnoilla, kuvan jälkikäsittely ja esitystapa optimoidaan ja lopuksi kohdetta vastaava annostaso säädetään vastaamaan diagnostisesti riittävää kuvanlaatua kohinan kannalta, radiologin arvioon perustuen.
Optimointi edellyttää hyvää laitteiston tuntemusta, oikein toimivia laitteita ja oikein valittuja tutkimusparametreja. Onnistuneen lopputuloksen kannalta henkilökunnan ammattitaito sekä riittävä ja oikein kohdistettu koulutus ovat avainasemassa. Tällöin käytössä olevaa teknologiaa voidaan hyödyntää mahdollisimman hyvin.