CN113677396B - 评估放射疗法治疗计划的方法和*** - Google Patents
评估放射疗法治疗计划的方法和*** Download PDFInfo
- Publication number
- CN113677396B CN113677396B CN202080007165.5A CN202080007165A CN113677396B CN 113677396 B CN113677396 B CN 113677396B CN 202080007165 A CN202080007165 A CN 202080007165A CN 113677396 B CN113677396 B CN 113677396B
- Authority
- CN
- China
- Prior art keywords
- dose
- volume
- radiation therapy
- category
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N2005/1085—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy characterised by the type of particles applied to the patient
- A61N2005/1087—Ions; Protons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
一种评估用于治疗体积的放射疗法(RT)治疗计划的方法,所述治疗体积被划分为子体积并具有目标体积和一个或多个风险器官OAR。它包括获得RT治疗计划;计算每个子体积中的线性能量传递LET;将剂量分布划分为每个子体积中的第一类别的剂量和第二类别的剂量,其中,所述第一类别包括具有低于第一LET阈值的LET的能量沉积的剂量,并且所述第二类别包括具有高于第二LET阈值的LET的能量沉积的剂量;确定每个子体积中第一类别的剂量和第二类别的剂量的量;通过基于获得的目标体积中和OAR中的第一类别的剂量和第二类别的剂量的分布的度量执行所述RT治疗计划的质量分析。
Description
技术领域
本公开总体上涉及放射疗法治疗领域,特别是放射疗法治疗计划的生成、优化和评估。
背景技术
癌症是一种广泛传播的疾病,它通过异常细胞的错误生长表现自身。如果这些细胞不受控制的生长没有停止,它可能是致命的。全球范围癌症的致命趋势与癌症管理的总体估计成本一起正在稳步增加。这已经导致公众对开发更有效的治疗和治愈疾病的工具和技术的需求增加。随着医学影像学的迅速发展,肿瘤在仍然是局部性的或区域性的时候被早期诊断出来。不同种类的放射疗法、近距离放射疗法、粒子疗法和化学疗法可有效治疗局部的癌细胞或肿瘤。
放射疗法是一种癌症治疗的方式,它使用破坏DNA的电离辐射并导致被辐射区域内的细胞死亡。因此,放射疗法的目标是传递足够高的辐射剂量以杀死所有目标肿瘤细胞,同时最大限度地减少对周围健康结构的损害。源自SI***的计量单位是格雷(Gy),其被定义为每千克物质吸收的一焦耳的能量。
放射疗法能够使用例如高能量光子(X射线)或质子束或如氦或碳的重离子束。为简单起见,从这里开始,我们将参考质子,而在此上下文中所有关于质子的内容也适用于如氦或碳的其他离子。不同类型的辐射具有不同的细胞杀伤能力。对于光子,细胞损伤与吸收的能量(=剂量)成比例。对于质子,细胞损伤另外取决于每个质子沿着质子轨迹的电离密度。电离密度取决于质子的能量。电离密度根据线性能量传递或LET被量化,即单位距离的能量损失(常用单位是MeV/cm或KeV/pm)。LET在高质子能量时较低。LET朝向较低的质子能量增加,达到最大值然后减小。当质子的残留范围小并因此出现在布拉格峰中时,达到LET最大值。
由于需要尽可能有效地杀死肿瘤细胞,因此期望在肿瘤内部的高剂量和高LET。期望在肿瘤外部的健康组织中具有尽可能低的剂量和尽可能低的LET。
放射疗法计划的质量通常通过其剂量适形性、治疗传递时间和放射生物学有效性来判断。剂量适形性描述了高辐射剂量区域适形于目标肿瘤的程度以及对周围健康组织的保护程度,而治疗传递时间描述了治疗需要多长时间以及所使用的治疗机器的效率。如上所讨论的,可能影响治疗的效果的额外因素是线性能量传递(LET)分布。高LET与对肿瘤细胞以及周围细胞两者造成的增加的细胞损伤相关联。
现代放射疗法治疗计划通常包括以下一组步骤:患者成像、目标体积定义(即结构轮廓)、剂量处方、机器和粒子类型选择、参数定义、束配置优化、计划生成、计划优化和质量保证和/或质量控制。
在放射疗法治疗计划领域,治疗计划者能够为外部放射治疗生成不同类型的放射疗法治疗计划。为了生成治疗计划,专家需要确定患者身体内要被治疗的区域,并使用如计算机断层扫描(CT)等传统扫描技术评估风险器官(OAR)。目标体积通常是患者身体内受肿瘤影响的器官,例如***。然而,研究已经表明,治疗计划的质量与执行治疗的人的经验、成像设备和治疗设备的质量以及如束质量等许多技术参数有关。这意味着许多治疗计划还具有改进的空间,特别是如果治疗计划是由经验不足的人员准备的。此外,不适当的计划方法的使用、优化过程的提前终止或以不适当的方式衡量计划质量都能够严重危害治疗质量。
一旦要被治疗的区域被成像,医生就会勾勒出肿瘤和OAR的轮廓,并且对***所期望的剂量开处方。此后,医学物理师开始计划生成的工作并且生成用于治疗患者的具有一个或多个场的计划。大量的人工工作时间被花费在计划优化和质量控制上,以尽量减少对周围组织的危害性影响并提高计划的有效性。这意味着对于医院和社会的额外开支,并且为按时交付放射治疗带来了挑战。
如上所述,可能有助于放射治疗效果的参数之一是目标体积中和周围组织中LET的分布。众所周知的是,高LET辐射导致单位吸收的剂量的细胞存活率低于低LET辐射。
随着LET的增加,损害变得更严重,更难修复,导致更高的辐射致死率,其通过更高的相对生物学有效性(RBE)反映出来。例如,来自M.Niemantsverdriet、M.Goethem、R.Bron、W.Hogewerf、SBrandeburg、J.Langendijk、P.Luijk、R.Coppes的出版物“高LET辐射和低LET辐射不同地引起正常组织损伤信号”,放射肿瘤学和生物物理学国际期刊,第83卷,第4期,2012年7月15日,第1291-1297页,提出了当LET过低和LET足够高时的生物效应的讨论。这证实了LET优化是尚未在实践中得到解决的重要的问题。因此,需要生成有效的治疗计划并防止继发性诱变效应。
尽管在该领域已经进行的所有研究是为了通过优化来说明LET变化,仍然需要进一步改进LET优化,使得其能够实际使用并能够提高放射疗法治疗计划的有效性。
发明内容
本发明的目的是提供评估放射疗法治疗计划质量的方法。所述评估可以通过放射疗法治疗计划***或机器被可视化和/或被用于生成新的放射疗法治疗计划,或调节/改进由治疗计划***或机器生成的现有放射疗法治疗计划。
根据一方面,提供了一种用于生成放射疗法治疗计划的方法,所述放射疗法治疗计划被用于具有目标体积和一个或多个风险器官OAR的身体的治疗体积的放射疗法装置中。所述治疗体积包括多个子体积。所述方法包括以下步骤:
-获得用于所述治疗体积的放射疗法治疗计划,所述放射疗法治疗计划包括利用用于具有目标体积和OAR的身体的治疗体积的放射疗法装置的放射治疗的剂量分布;
-基于所述剂量分布计算每个子体积中的线性能量传递LET,以获得关于治疗体积的LET分布;
-将所述剂量分布划分为每个子体积中的第一类别的剂量和第二类别的剂量,其中所述第一类别包括具有低于第一LET阈值的LET的能量沉积的剂量,并且所述第二类别包括具有高于第二LET阈值的LET的能量沉积的剂量;
-确定每个子体积中所述第一类别的剂量的量和所述第二类别的剂量的量以获得关于所述治疗体积的第一类别的剂量和第二类别的剂量的分布;以及
-通过基于获得的目标体积中和OAR中的第一类别的剂量和第二类别的剂量的分布的度量执行所述放射疗法治疗计划的质量分析。
在一个实施例中,每个子体积中的第二类别的剂量的量以绝对数被指定作为吸收的剂量,并且在另一个实施例中,每个子体积中的第二类别的剂量的量被指定作为所述第二类别的剂量的量相对于每子体积的总剂量的分数。
在优选的实施例中,所述第一LET阈值与所述第二LET阈值是相同的。在可替代的实施例中,所述第一LET阈值与第二LET阈值是不同的。
在有利的实施例中,一个或多个额外的LET阈值被用于将第一类别的剂量和/或第二类别的剂量细分为子类别,所述子类别包括具有低于或高于所述一个或多个额外的LET阈值的LET的能量沉积的剂量。
在又一个实施例中,所述第一LET阈值和所述第二LET阈值是通过所述放射疗法装置和/或治疗计划***的用户可选择的。
在优选的实施例中,所述方法进一步包括:将所获得的关于治疗体积的第一类别的剂量和第二类别的剂量的分布可视化,使得所述第一类别的剂量和第二类别的剂量过度集中的区域是可评估的。
在另一个实施例中,可视化的步骤包括将总剂量和LET分布与所获得的关于治疗体积的第一类别的剂量和第二类别的剂量的分布一起可视化,其中,每个子体积中的第二类别的剂量的量被指定作为所述第二类别的剂量的量相对于每子体积的总剂量的分数,使得具有第一剂量类别或第二剂量类别的高LET集中和过度集中的组合过度的区域是可评估的。
在有利的实施例中,获得放射疗法治疗计划的步骤包括获得初始的、估计的放射疗法治疗计划(例如基于标准通用模型),所述方法进一步包括:
-通过利用计算机使用每个子体积中的第二类别的剂量的量执行用于放射疗法装置的参数集合的参数优化来生成用于治疗体积的新的放射疗法治疗计划,使得所述第二类别的剂量的量在OAR中低于第一阈值,并且在目标体积中高于第二阈值。
在可替代的实施例中,获得放射疗法治疗计划的步骤包括获得用于所述治疗体积的现有放射疗法治疗计划,所述方法进一步包括:
-通过利用计算机使用每个子体积中的第二类别的剂量的量执行用于放射疗法装置的参数集合的参数优化来调节用于所述治疗体积的现有放射疗法治疗计划,使得所述第二类别的剂量的量在OAR中低于第一阈值,并且在目标体积中高于第二阈值,同时至少保持现有放射疗法治疗计划的计划质量,从而生成改进的放射疗法治疗计划。
在进一步优选的实施例中,所述参数优化包括以下至少一项;使所述目标体积中的第二类别的剂量的量最大化和/或使所述OAR中的第一类别的剂量的量最小化。
根据另一方面,提供了一种计算机程序产品,其包括计算机可读代码装置,所述计算机可读代码装置在计算机中运行时将使计算机执行根据本发明的方法。
根据又一方面,提供了一种计算机***,其包括处理器和程序存储器,所述程序存储器保存计算机程序产品,使得其能够由处理器执行。
根据另外的方面,提供了一种放射疗法治疗计划***,其包括如上所述的计算机***。
本发明的概念可以被应用于任何辐射方式(光子、电子、质子等)和治疗技术。对于质子,它建立在将每个体素的传递剂量划分成两个部分或类别的基础上;一部分来自低LET的能量沉积,另一部分来自高LET的能量沉积。将剂量分布划分为第一类别(“清洁剂量”)和第二类别(“脏剂量”)剂量的原因是在利用离子(质子和重离子)的放射疗法中,来自传递的物理剂量的一定量的RBE仍然是一个难以建模的量。当前的RBE模型不准确,该RBE模型的不确定性主要是其中传递的剂量的大分数属于第二类别的OAR中或附近的问题,即“脏”。通常,场的高LET部分位于每束的远端边缘。基于划分,能够评估计划质量,并且在进一步的步骤中将人体内部的剂量或LET部分更有效地再分布,从而使计划更加有效和准确。
这两个剂量量能够被使用作为优化或评估过程的输入。例如,能够形成关于每个体素的高LET剂量部分与总剂量的比率。这个比率是介于0和1之间的数。在OAR中,能够要求该比率低于某个阈值,例如10%。类似地,在优化中,能够要求使该比率在目标体积中最大化。
应当理解,上述“脏剂量”的概念及其应用适用于质子和LET之外。准直器被使用在放射治疗中,以提供束(光子、质子、电子)的适形成形,以匹配目标体积的边界。一种广泛使用的准直器是多叶准直器(MLC),它包括许多金属准直器板或高原子序数材料(通常是钨)的“叶”,能够独立进出束的路径以阻止它。束的半影区中的粒子(光子、质子、电子)靠近或穿过叶,这会给剂量确定引入不确定性。因此,能够将来自发生这种情况的能量沉积的剂量视为“脏剂量”。另一个示例涉及质子和离子的RBE模型。这些模型与大的不确定性相关联。如果RBE因子确定是不准确的,则可以将能量沉积(=剂量)视为“脏剂量”。如果评估多个模型的RBE因子,针对此的可能的度量标准能够是评估来自多个模型的RBE值有多么不同。
附图说明
本发明的这些和其他特征、方面和优点将在以下描述中参考附图进一步解释,其中:
图1示意性地示出了用于评估、可视化、生成和改进放射疗法治疗计划的基于计算机的***;
图2示出了表示用于评估放射疗法治疗计划的基于计算机的方法的步骤的流程图;
图3示出了用于可视化、生成和改进放射疗法治疗计划的基于计算机的方法的附加步骤;
图4示出了沿辐射距离的计划剂量、“脏剂量”和“脏剂量”分数的曲线图,其中目标体积位于中心。
在此,尽可能地将相同的附图标记用于指定附图中共用的相同元件。并且附图中的图片被简化以用于说明目标,并且不必理解为按一定比例。
具体实施方式
图1示出了根据本发明的用于生成放射疗法治疗计划114的基于计算机的***100的简化的示意图。基于计算机的***100包括具有存储在其上的放射疗法治疗计划114的存储器或数据库110,以及用于生成改进的放射疗法治疗计划118的计算机程序116。存储器110能够是任何易失性或非易失性存储器设备,诸如闪存驱动器、硬盘驱动器、光驱动器、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)以及用于存储信息以及随后的信息检索和用于数据处理的任何其他合适的设备。此外,***100包括能够访问存储器110的一个或多个用于执行数据处理的硬件处理器120。硬件处理器120能够由中央处理器(CPU)、数字信号处理器(DSP)、精简指令集计算机(RISC)、专用集成电路(ASIC)、复杂可编程逻辑器件(CPLD)、现场可编程门阵列(FPGA)、并行处理器***或这些不同硬件处理器类型的组合中的一种或多种构成。
计算机程序116由能够被传送到硬件处理器120并且能够由硬件处理器120执行的计算机可读指令构成。当在硬件处理器120上执行时,计算机可读指令将执行一种用于生成改进的放射疗法治疗计划118的方法。由硬件处理器120在执行计算机程序116时执行的处理结果能够被存储在存储器110中,例如改进的放射疗法治疗计划118和相关联的数据。硬件处理器120还能够经由直接存储器访问(DMA)来访问存储器110,并且还能够利用缓冲存储器用于存储临时处理结果。计算机程序116还能够被存储在非暂时性计算机可读介质130上,例如通用串行总线(USB)闪存驱动器、诸如CD-ROM、DVD-ROM和蓝光光盘的光学数据载体、软盘、可交换硬件驱动器、USB外置硬盘驱动器(HDD)、或任何其他便携式信息存储设备,使得计算机程序116能够被传送到不同的计算***,并且还能够被加载到***100的存储器110。这能够通过将计算机可读介质130经由数据读取器/写入器140连接到***100被完成,例如光驱、USB接口等。
此外,***100还包括具有显示驱动器的显示单元150,其允许数据处理的结果的可视化,例如以可视化包含例如肿瘤或癌细胞的患者的目标体积,以及必须防止剂量传递的健康的风险器官的三维(3D)表示,3D轮廓数据,或用于目标体积和风险器官两者的用于各种交叉方向以及LET分布的二维(2D)切片表示,等等。例如,CT扫描的3D计算机再现能够被显示。同样地,显示单元150能够通过使用图形2D格式来显示概括3D剂量和LET分布的剂量和LET体积直方图(DVH和LVH)。例如,显示单元150被配置为显示示出放射疗法治疗计划114的剂量贡献的对于患者的体积的比较DVH和LVH图,以及对于相同体积的优化的或改进的放射疗法治疗计划118的比较DVH和LVH图,使得LET分布也能够被可视化地比较。此外,LET表示能够被可视化以形成LET图或LET分布的任何其他可视化表示。显示单元150还能够显示剂量和LET以及其他量的ID线轮廓。
显示单元150被用于显示在治疗之前、治疗期间或治疗之后进行的患者的3D扫描。例如,CT扫描的3D计算机再现能够被显示。同样地,显示单元150能够通过利用图形2D格式或利用数字格式来显示概括3D剂量分布的LET、剂量和/或DVH。例如,显示单元150被配置为显示示出放射疗法治疗计划114的癌细胞破坏或剂量贡献的对于患者的体积的比较LET图。对相同体积的优化或改进的放射疗法治疗计划被显示和比较,使得改进能够被可视地比较。同样地,显示单元150被配备有触摸屏功能并且能够显示图形用户界面以操作***100是可能的。
此外,计算机***100具有连接硬件处理器120、存储器110、数据读取器140、触摸屏以及未被示出的各种其他数据输入-输出接口和***设备的***总线160。例如,计算机***100能够被连接到由用户输入数据的键盘170,并且可以被连接到已经创建放射疗法治疗计划的外部放射疗法治疗计划设备180,例如功能强大的专用计算机。同样地,***100可以被连接到未被示出的CT扫描仪。例如,创建放射疗法治疗计划114的外部设备180可能能够开发被编码到软件中的剂量和LET分布计算算法,可以访问关于开处方的剂量分布的辐射数据和机器校准数据,以及关于患者的目标体积和风险器官的患者特定信息。该外部设备180能够然后将放射疗法治疗计划114传递到计算机***100以用于考虑LET分布来评估、可视化、创建新计划、改进现有计划。然而,计算机程序116在外部设备自身上运行也是可能的,从而不仅生成放射疗法治疗计划114,而且也生成改进的放射疗法治疗计划118。
现在转向图2,将更详细地描述基于计算机的方法。如上所述,该方法被用于评估用于具有目标体积和一个或多个风险器官(OAR)的身体的治疗体积的放射疗法装置中使用的放射疗法治疗计划,治疗体积包括多个子体积。在步骤S100中,放射疗法治疗计划被获得用于治疗体积。放射疗法治疗计划114具有剂量分布,其先前已经被创建用于利用放射疗法装置的放射治疗。
在本发明的上下文中,应当理解,存在多个类型的用于外部放射治疗的放射疗法治疗计划。这些治疗计划能够包括但不限于适形放射疗法、例如笔形束扫描(PBS)疗法的强度调制放射疗法(IMRT)、图像引导放射疗法(IGRT)、4维放射疗法(4D-RT)、立体定向放射疗法以及放射手术、质子疗法、碳离子疗法、电子束放射疗法或适应性放射疗法。例如,为了生成IMRT治疗计划,专家需要确定患者身体内要被治疗的区域,并且使用计算机断层扫描(CT)等传统扫描技术评估OAR。目标体积通常是患者身体内被例如癌症的肿瘤影响的器官。
在步骤S102中,线性能量传递LET分布被计算针对治疗体积的每个子体积加以计算。LET分布可以从放射疗法治疗计划114获得。可替代地,被存储在存储器116中的计算机程序116被配置为进行目标体积或OAR中的LET分布计算并且计算初始放射疗法治疗计划中的剂量与LET部分之间的关系。应当理解,当描述LET分布时,其可以是轨迹平均的LET、剂量平均LET等的分布。
在步骤S104中,每个子体积中用于治疗计划的剂量分布被划分成第一类别的剂量和第二类别的剂量,其中第一剂量类别与低于第一LET阈值的能量沉积相关联,并且第二剂量类别包括具有高于第二LET阈值的能量沉积的剂量。第一类别可以构成低LET区域,第二类别可以构成高LET区域。如果以绝对数指定,则高LET区域的阈值可能高于每微米3千电子伏特(keV/pm)。
第一LET阈值和第二LET阈值可以是相同的或它们可以是不同的。在一个实施例中,第一阈值和第二阈值是通过放射疗法装置的用户可选择的。
在步骤S106中,每个子体积中第二类别的剂量的量被确定。第二类别的剂量的量可以以不同的方式被确定。例如,每个子体积或体素中第二类别的剂量的量可以被确定为绝对数作为吸收的剂量,或作为第二类别的剂量的量相对于每子体积的总剂量的分数。例如,第二类别的剂量的分数可以是总剂量的10%。
在步骤S108中,放射疗法治疗计划的质量的分析通过基于所获得的目标体积和OAR中的第一类别的剂量和第二类别的剂量的分布的度量被执行。所述分析基于但不限于评估“脏剂量”在OAR和目标体积中的分布。为此,用于总剂量的相同剂量度量能够被使用,诸如剂量体积直方图、剂量均匀性指数等。所述计划还能够相对于总剂量和“脏剂量”的稳定性而被分析。
现在转向图3,概述了代表可替代实施例的基于计算机的方法的另外的步骤。在包括可选步骤S110的第一实施例中,所获得的第一类别的剂量和第二类别的剂量关于治疗体积的分布被可视化,使得第一类别的剂量和第二类别的剂量过度集中的区域是可评估的。这为执业医师识别例如具有高浓度的“脏剂量”的区域提供可视的帮助。
在又一个实施例中,可视化的步骤包括将总剂量和LET分布与所获得的第一类别的剂量和第二类别的剂量关于治疗体积的分布一起可视化,其中每个子体积中第二类别的剂量的量被指定作为第二类别的剂量的量相对于每子体积的总剂量的分数,使得具有第一剂量类别或第二剂量类别的高LET集中和过度集中的组合过度的区域是可评估的。
在可选的步骤S112中,以生成新的放射疗法治疗计划的目的参数优化被执行用于放射疗法装置的参数集合。在该实施例中,在步骤S100中获得的放射疗法治疗计划可以是基于例如标准、例如从数据库中获得的适用于治疗体积、目标体积和OAR的估计值的通用计划。参数优化基于用于治疗体积的放射疗法治疗计划和每个子体积中的第二类别的剂量的量,并且由计算机或微处理器120执行。在参数优化被执行时,一个目标是目标体积中的第二类别的剂量的量尽可能高或至少高于阈值,同时在OAR中的第二类别的剂量的量,即“脏剂量”被减少。这是例如通过模拟放射疗法装置的参数集合的变化并计算该组参数的变化与OAR中第二类别的剂量的量的变化之间的直接关系而被实现的,从而生成改进的放射疗法治疗计划。
在可替代实施例中,放射疗法治疗计划可以是从计算机120中的存储器110或从任何其他介质130或设备180获取的现有放射疗法治疗计划114,如上所述。放射疗法治疗计划114被使用作为参考计划,用作在生成改进的治疗计划118时的基础。
在可选的步骤S114中,基于现有计划114,参数优化利用计算机使用每个子体积中的第二类别的剂量的量针对放射疗法装置的参数集合被执行,使得第二类别的剂量的量在OAR中低于第一阈值,并且在目标体积中高于第二阈值,同时至少保持现有放射疗法治疗计划114的计划质量,从而生成改进的放射疗法治疗计划118。
该参数再优化可以被执行以使OAR中的“脏剂量”最小化并且使目标体积中的“脏剂量”最大化,同时保持相对于剂量分布质量和其他质量的初始计划质量。它可以包括:
-验证OAR区域中的子体积的剂量不高于初始放射疗法治疗计划中的子体积处的初始或参考剂量;
-验证目标体积区域中子体积处的剂量不低于初始放射疗法治疗计划的子体积处的参考剂量或不低于目标体积的开处方的剂量;
-验证OAR区域中的各个子体积处的LET不高于初始放射疗法治疗计划的子体积处的初始LET;和/或
-验证目标体积区域的各个子体积处的LET不低于初始放射疗法治疗计划的子体积处的初始LET。
机器的用户选择在放射疗法治疗计划过程期间的优化的程度。在可替代实施例中,机器学习算法能够被部署,其允许考虑接受治疗的患者的个体特征。
随着LET的增加,利用带电粒子照射的细胞的损伤变得更严重,并且更难以修复,这导致更高的辐射致死率,其由更高的RBE反映。然而,存在在其后有效性降低且RBE降低的LET最大值。因此,通过使来自诸如OAR中的不需要高LET能量沉积的区域的高LET部分最小化,或反之,使目标体积中的高LET部分最大化来优化高LET部分的分布是可能的。
为了将高LET部分和低LET部分进行再分布,计算机程序116如前所述将LET划分为第一类别和第二类别。由于最有效的再分布能够在微尺度基础上被实现并且最常见的微尺度体积量是体素,计算机程序116在每个体素或子体积的基础上量化信息。该程序取被包含在体素中的LET部分的平均值。该分布可以创建LET图、LET可视化或任何其他合适的算法。如果存在高平均LET值,这将表明所计算的在该体素中的RBE因子可能不准确,并且程序将尝试通过将LET值进行再分布例如通过惩罚OAR区域中的高“脏剂量”来调节LET值来说明这种不确定性。这将创建被进一步优化的放射疗法治疗计划。
图4示出了计划的剂量、“脏剂量”,即具有高于第二LET阈值的能量沉积的第二类别,以及沿着目标体积被放置于中心的辐射距离而测量的以cGy为单位的“脏剂量”分数的曲线图。如在图3中可获得的,计划的剂量在中心目标体积区域中最高。如果存在一个子体积中较高的第二类别的剂量的量,这表明在该子体积中所计算的RBE因子可能是不准确的或至少具有高度的不确定性。通过执行参数优化,对远离OAR的第二类别(“脏剂量”)重新分布同时保留目标体积中第二类别的剂量的量是可能的。第二类别可以按照绝对数被指定,即作为以格雷(Gy)为单位的吸收的剂量或作为第二类别的剂量的量相对于每子体积的总剂量的分数,诸如例如0.1或10%。
此外,用于执行参数优化的计算机程序产品被引入。计算机程序产品130包括计算机可读代码装置,其在计算机中运行时执行上述方法。
以下缩写被使用:
CT 计算机断层扫描
CTV 临床肿瘤体积
DICOM 医学数字成像和通信
DVH 剂量体积直方图
HER 电子健康记录***
eMIX 电子医疗信息交换***
GUI 图形用户界面
GTV 总肿瘤体积
HIS 医院信息***
HIM 健康信息管理***
IMRT 强度调制放射疗法
LET 线性能量传递
LVH LET体积直方图
MLC 多叶准直器
MRI 磁共振成像***
MU 监测单元
OAR 风险器官
PBS 笔形束扫描
PET 正电子发射断层扫描
PTV 计划肿瘤体积
QA 质量保证
QC 质量控制
US 超声波检查
RBE 相对生物学有效性
ROI 感兴趣区域
RVS 记录和验证***
SPECT 单光子正电子发射断层扫描
Claims (16)
1.一种评估放射疗法治疗计划的基于计算机的方法,所述放射疗法治疗计划被布置在放射疗法装置中,所述放射疗法装置用于具有目标体积和一个或多个风险器官OAR的身体的治疗体积,所述治疗体积包括多个子体积,其中所述方法包括:
-获得(S100)用于所述治疗体积的放射疗法治疗计划,所述放射疗法治疗计划包括利用用于具有所述目标体积和所述OAR的身体的治疗体积的放射疗法装置的放射治疗的剂量分布;
-基于所述剂量分布计算(S102)每个子体积中的线性能量传递LET,以获得关于所述治疗体积的LET分布;
-将所述剂量分布划分(S104)为每个子体积中的第一类别的剂量和第二类别的剂量,其中所述第一类别包括具有低于第一LET阈值的LET的能量沉积的剂量,并且所述第二类别包括具有高于第二LET阈值的LET的能量沉积的剂量;
-确定(S106)每个子体积中所述第一类别的剂量的量和所述第二类别的剂量的量以获得关于所述治疗体积的第一类别的剂量和第二类别的剂量的分布;以及
-通过基于获得的目标体积中和OAR中的第一类别的剂量和第二类别的剂量的分布的度量执行(S108)所述放射疗法治疗计划的质量分析。
2.根据权利要求1所述的方法,其中,每个子体积中的第二类别的剂量的量以绝对数被指定作为吸收的剂量。
3.根据权利要求1所述的方法,其中,每个子体积中的第二类别的剂量的量被指定作为所述第二类别的剂量的量相对于每子体积的总剂量的分数。
4.根据权利要求1-3中的任一项所述的方法,其中,所述第一LET阈值与所述第二LET阈值是相同的。
5.根据权利要求1-3中的任一项所述的方法,其中,所述第一LET阈值与所述第二LET阈值是不同的。
6.根据权利要求1-3中的任一项所述的方法,其中,一个或多个额外的LET阈值被用于将第一类别的剂量和/或第二类别的剂量细分为子类别,所述子类别包括具有低于或高于所述一个或多个额外的LET阈值的LET的能量沉积的剂量。
7.根据权利要求1-3中的任一项所述的方法,其中,所述LET阈值是能够通过所述放射疗法装置的用户选择的。
8.根据权利要求3所述的方法,进一步包括:
-将所获得的关于所述治疗体积的第一类别的剂量和第二类别的剂量的分布可视化(S110),使得能够评估所述第一类别的剂量和所述第二类别的剂量过度集中的区域。
9.根据权利要求8所述的方法,其中,可视化(S110)的步骤包括将所述总剂量和LET分布与所获得的关于所述治疗体积的第一类别的剂量和第二类别的剂量的分布一起可视化,其中,每个子体积中的第二类别的剂量的量被指定作为所述第二类别的剂量的量相对于每子体积的总剂量的分数,使得能够评估具有第一剂量类别或第二剂量类别的高LET集中和过度集中的组合过度的区域。
10.根据权利要求1-3中的任一项所述的方法,其中,获得(S100)放射疗法治疗计划的步骤包括获得初始的、估计的放射疗法治疗计划,所述方法进一步包括:
-通过利用计算机使用每个子体积中的第二类别的剂量的量执行用于所述放射疗法装置的参数集合的参数优化来生成(S112)用于所述治疗体积的新的放射疗法治疗计划,使得所述第二类别的剂量的量在所述OAR中低于第一阈值,并且在所述目标体积中高于第二阈值。
11.根据权利要求1-3中的任一项所述的方法,其中,获得(S100)放射疗法治疗计划的步骤包括获得用于所述治疗体积的现有放射疗法治疗计划(114),所述方法进一步包括:
-通过利用计算机使用每个子体积中的第二类别的剂量的量执行用于所述放射疗法装置的参数集合的参数优化来调节(S114)用于所述治疗体积的现有放射疗法治疗计划,使得所述第二类别的剂量的量在所述OAR中低于第一阈值,并且在所述目标体积中高于第二阈值,同时至少保持现有放射疗法治疗计划(114)的计划质量,从而生成改进的放射疗法治疗计划(118)。
12.根据权利要求10所述的方法,其中,所述参数优化包括以下至少一项:
-使所述目标体积中的第二类别的剂量的量最大化;
-使所述OAR中的第一类别的剂量的量最小化。
13.根据权利要求11所述的方法,其中,所述参数优化包括以下至少一项:
-使所述目标体积中的第二类别的剂量的量最大化;
-使所述OAR中的第一类别的剂量的量最小化。
14.一种程序存储器,存储有包括计算机可读代码装置的计算机程序产品(130),所述计算机可读代码装置在计算机中运行时将使所述计算机执行根据权利要求1至13中的任一项所述的方法。
15.一种计算机***(100),包括处理器(120)和根据权利要求14所述的程序存储器(110),所述程序存储器保存计算机程序产品(130),使得其能够由所述处理器(120)执行。
16.一种放射疗法治疗计划***,包括根据权利要求15所述的计算机***。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19152863.7A EP3682945B1 (en) | 2019-01-21 | 2019-01-21 | Method and system of evaluating a radiation therapy treatment plan |
PCT/IB2020/050672 WO2020152660A1 (en) | 2019-01-21 | 2020-01-29 | Method and system of evaluating a radiation therapy treatment plan |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113677396A CN113677396A (zh) | 2021-11-19 |
CN113677396B true CN113677396B (zh) | 2022-09-27 |
Family
ID=65138924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080007165.5A Active CN113677396B (zh) | 2019-01-21 | 2020-01-29 | 评估放射疗法治疗计划的方法和*** |
Country Status (4)
Country | Link |
---|---|
US (1) | US11426606B2 (zh) |
EP (1) | EP3682945B1 (zh) |
CN (1) | CN113677396B (zh) |
WO (1) | WO2020152660A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200286601A1 (en) * | 2019-03-06 | 2020-09-10 | Varian Medical Systems | Graphical display of dose rate information for radiation treatment planning |
EP3869517A1 (en) * | 2020-02-21 | 2021-08-25 | RaySearch Laboratories AB | Generating a plurality of potential treatment plans for multi-criteria optimization |
CN111921098B (zh) * | 2020-08-06 | 2022-07-08 | 北京连心医疗科技有限公司 | 一种基于放射治疗生物效应的鲁棒性优化*** |
US20230310891A1 (en) * | 2022-03-29 | 2023-10-05 | Siemens Healthineers International Ag | Method and apparatus for radiation treatment planning |
CN115356608B (zh) * | 2022-08-11 | 2023-04-18 | 中国科学院近代物理研究所 | 一种宽范围let值测量标定***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007126782A2 (en) * | 2006-03-28 | 2007-11-08 | Hampton University | Hadron treatment planning with adequate biological weighting |
CN104411362A (zh) * | 2012-05-07 | 2015-03-11 | 独立行政法人放射线医学综合研究所 | 照射计划装置以及带电粒子照射*** |
CN106163612A (zh) * | 2013-11-28 | 2016-11-23 | 光线搜索实验室公司 | 基于不确定性的放疗治疗计划的方法和*** |
CN110475588A (zh) * | 2017-04-05 | 2019-11-19 | 光线搜索实验室公司 | 用于自动的放射疗法治疗计划的***和方法 |
-
2019
- 2019-01-21 EP EP19152863.7A patent/EP3682945B1/en active Active
-
2020
- 2020-01-29 CN CN202080007165.5A patent/CN113677396B/zh active Active
- 2020-01-29 WO PCT/IB2020/050672 patent/WO2020152660A1/en active Application Filing
- 2020-01-29 US US17/424,195 patent/US11426606B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007126782A2 (en) * | 2006-03-28 | 2007-11-08 | Hampton University | Hadron treatment planning with adequate biological weighting |
CN104411362A (zh) * | 2012-05-07 | 2015-03-11 | 独立行政法人放射线医学综合研究所 | 照射计划装置以及带电粒子照射*** |
EP2848284A1 (en) * | 2012-05-07 | 2015-03-18 | National Institute of Radiological Sciences | Irradiation planning apparatus and charged particle irradiation system |
CN106163612A (zh) * | 2013-11-28 | 2016-11-23 | 光线搜索实验室公司 | 基于不确定性的放疗治疗计划的方法和*** |
CN110475588A (zh) * | 2017-04-05 | 2019-11-19 | 光线搜索实验室公司 | 用于自动的放射疗法治疗计划的***和方法 |
Non-Patent Citations (1)
Title |
---|
Variations in Linear Energy Transfer Within Clinical Proton Therapy Fields and the Potential for Biological Treatment Planning;Clemens Grassberger等;《International Journal of Radiation Oncology*Biology*Physics》;20110831;第80卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US20220040501A1 (en) | 2022-02-10 |
CN113677396A (zh) | 2021-11-19 |
EP3682945B1 (en) | 2021-03-10 |
EP3682945A1 (en) | 2020-07-22 |
WO2020152660A1 (en) | 2020-07-30 |
US11426606B2 (en) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113677396B (zh) | 评估放射疗法治疗计划的方法和*** | |
US10762167B2 (en) | Decision support tool for choosing treatment plans | |
US9220920B2 (en) | Intensity-modulated proton therapy | |
CN113543846A (zh) | 基于剂量率的放射治疗计划 | |
CN113543845A (zh) | 基于剂量率的放射治疗 | |
US11369804B2 (en) | Particle arc treatment planning | |
CN114466679A (zh) | 用于向在靶中的斑点递送高剂量率的辐射治疗计划 | |
Sumida et al. | A convolution neural network for higher resolution dose prediction in prostate volumetric modulated arc therapy | |
US20220296925A1 (en) | Method and system for robust radiotherapy treatment planning for biological uncertainties | |
WO2023274920A1 (en) | Assessing treatment parameters for radiation treatment planning | |
Ong et al. | Dosimetric comparison of peripheral NSCLC SBRT using Acuros XB and AAA calculation algorithms | |
Ureba et al. | MCTP system model based on linear programming optimization of apertures obtained from sequencing patient image data maps | |
CN116209499A (zh) | 用于辐射处理规划的剂量和剂量率信息与体积的相关性 | |
CN115004312A (zh) | 为多标准优化生成多个潜在的治疗计划 | |
Van Dyk et al. | Has the use of computers in radiation therapy improved the accuracy in radiation dose delivery? | |
Nahum et al. | Biological evaluation of treatment plans | |
EP4205811A1 (en) | Radiotherapy dose analysis methods and systems | |
Moustakis et al. | Planvergleichsstudie bei der SBRT des NSCLC im Frühstadium: Ergebnisse der DEGRO AG Stereotaxie | |
McKeown | Investigation of a Monte Carlo model based dose calculation for Pd-103 low dose rate breast brachytherapy and I-125 low dose rate prostate brachytherapy | |
Calvo-Ortega et al. | PRIMO Monte Carlo software as a tool for commissioning of an external beam radiotherapy treatment planning system | |
Suvira | Dosimetric differences between scheduled and adapted plans generated from ethos adaptive radiotherapy for patients with prostate cancer | |
WO2023115120A1 (en) | Dose-based optimization for multi-target multi-leaf collimator ("mlc") tracking during radiation therapy methods and apparatus | |
Broese van Groenou | Monte Carlo simulations of neutron doses from pencil beam scanning proton therapy | |
Ploquin | Geometric accuracy in radiation therapy: dosimetric, imaging and economic considerations | |
Nemecek | Monte Carlo versus pencil beam based dose calculation for scanned proton therapy: assessment of optimal calculation and user interface parameters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |