Inżynier i Fizyk Medyczny 3/2017 vol. 6
153
artykuł
/
article
radioterapia
/
radiotherapy
Cały proces polepszania planu odbywa
się poprzez naciśnięcie jednego przycisku.
W przypadku niepowodzenia wynik działania
funkcji można cofnąć, wracając do oryginal-
nego planu leczenia. Dalsze informacje na te-
mat zasady działania automatycznej redukcji
można znaleźć w literaturze [1].
Dose Brush
Czasami plan leczenia jest prawie gotowy.
Prawie, ponieważ spełnia kryteria dla rozkła-
du dawki, a jednak przeglądając plan, zauwa-
żamy pojedynczy gorący lub zimny punkt.
Poprawa takiego planu wymaga powrócenia do optymalizacji
i zwiększenia wagi na funkcje optymalizacji lub zdefiniowanie
małej struktury pomocniczej. Zniwelowanie małej fluktuacji
rozkładu może być bardzo pracochłonne. Funkcja
Dose Brush
pozwala na szybką poprawę planu leczenia poprzez graficzną
edycję rozkładu. Działając w definiowalnej objętości, zmienia
lokalnie wartość dawki bez wpływu na resztę rozkładu. Wyko-
rzystanie funkcji
Dose Brush
przypomina nieco planowanie bra-
chyterapii, ponieważ rozkład izodoz można edytować ręcznie.
Jest to intuicyjne, szybkie i komfortowe narzędzie.
Robust, czyli odporny
Niedokładność ułożenia pacjenta, zmieniająca się gęstość
tkanki i ruchomość narządów mogą prowadzić do zmian w roz-
kładzie dawki, który w efekcie jest daleki od zaplanowanego.
Ma to szczególne znaczenie w nowoczesnych technikach na-
promieniania, gdzie gradient dawki jest duży. Klasycznym po-
dejściem jest zastosowanie marginesów planowania leczenia
czy dodatkowych struktur, takich jak ITV. Rozwiązanie to jest
czasami niewystarczające, zwłaszcza gdy obszar napromieniany
jest ruchomy oddechowo i dochodzi w nim do zmiany gęstości.
Rozwiązanie takie jest również niewystarczające w planowaniu
terapii cząsteczkowej w przypadku zmiany zasięgu cząstek, wy-
nikającej z niedostatecznie dobrze określonej aktualnej gęstości
tkanek pacjenta (zmieniających się przestrzeni powietrznych
lub płynowych). W systemie planowania RayStation wprowa-
dzono nową metodę optymalizacji:
robust optimization
. Wyko-
rzystując informację o ruchu guza pochodzącą z obrazowania
4D, osiągalnej dokładności ułożenia pacjenta (zwłaszcza, jeżeli
plan jest wieloizocentryczny) lub niepewności gęstości metoda
optymalizacji
robust
analizuje tzw. najgorsze scenariusze (ang.
worst case scenario
), tworząc plan, który jest odporny na wy-
mienione efekty. Jeżeli w optymalizacji zdefiniowano
n
funkcji
(f
1
...f
n
)
, które powinny być odporne ze względu na niepewności
(scenariusze)
S
i które mają nieujemne wagi
(w
1
…w
n
)
, problem
optymalizacji można zapisać jako:
minmax
x X s S
i i
i
n
w f d x; s
∈ ∈ =
( )
(
)
∑
1
gdzie
X
jest zbiorem edytowalnych parametrów (np. pozycje list-
ków MLC, wagi segmentów IMRT) a
d(x;s)
jest rozkładem dawki
w funkcji zmiennych
x
i scenariuszów
s
[2]. Na rysunku 2 przed-
stawiono ustawienia funkcji
robust
w systemie RayStation.
W następnym artykule z cyklu przybliżymy Państwu możliwo-
ści optymalizacji wielokryterialnej w sensie Pareto oraz biolo-
giczną optymalizację i ewaluację planów leczenia.
Literatura
1.
A. Fredriksson. Automated improvement of radiation therapy
treatment plans by optimization under reference dose constra-
ints, Phys. Med. Biol. 57(23):7799-7811, 2012.
2.
Fredriksson, A., Forsgren, A., Hĺrdemark, B., Minimax optimiza-
tion for handling range and setup uncertainties in proton the-
rapy, Med. Phys. 38(3): 1672–1684, 2011.
Rys. 2
Ustawienia funkcji
robust
. Możliwość zoptymalizowania planu leczenia z uwzględnieniem ruchomo-
ści na obrazie 4D i dodatkowego marginesu dla każdej z wiązek
