ALGORITMOS DE CÁLCULO E ESTRATÉGIAS DE OTIMIZAÇÃO NO PLANEJAMENTO INVERSO (MONACO-ELEKTA) INSTITUTO MINEIRO DE RADIO-ONCOLOGIA (IMRO) RADIOTERAPIA MATER DEI
MONACO TPS 1) Conformacional 3D Step & Shoot 2) IMRT: Sliding Window VMAT
DUAS PARTES 1) Algoritmos do Monaco 2) Estratégias de otimização no planejamento inverso
ALGORITMOS DO MONACO a) Algoritmo primário: Usado no 1º. Estágio do cálculo 1º. Estágio: o algoritmo calcula o mapa de fluência ideal, baseado nos parâmetros prescritos; Não são levados em conta as características físicas do equipamento (MLC, Colimadores, etc.) b) Algoritmo secundário: Utilizado no 2º. Estágio (determinação dos segmentos e cálculo da distribuição final de dose). 2º. Estágio: Modelo do MLC e transmissão das lâminas e colimadores.
ALGORITMOS DO MONACO Primário: Finite Size Pencil Beam (FSPB) Secundário: Finite Size Pencil Beam (FSPB) X-Ray Voxel Monte Carlo (XVMC) Mais preciso nos cálculos de transmissão e detalhes físicos do MLC
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB)? 2) X-Ray Voxel Monte Carlo (XVMC)
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) Todo algoritmo de cálculo de IMRT baseado em beamlet deve seguir 3 requisitos básicos: a) Poder ser comissionado da medida de feixes largos; b) Predizer adequadamente a penumbra em qualquer lugar do campo de radiação; c) Ter um tempo de cálculo computacional razoável.
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) Suposição: O feixe de radiação pode ser geometricamente dividido em idênticos pencil beams de tamanho finito que permitem reconstruir a distribuição de dose de um campo completo, por superposição
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - bases Como é construído a forma analítica do núcleo do pencilbeam? - Perfil de dose de um campo semi infinito com a borda do campo em x=0;
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - bases Como é construído a forma analítica do núcleo do pencilbeam? - Define-se um pencil beam de tamanho finito, unidimensional, de largura 2x0: diferença de 2 campos semi-infinitos comshift de 2x0.
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - bases Como é construído a forma analítica do núcleo do pencilbeam? - p(x) um pouco mais elaborado: tem peso wi e inclinação ui.
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - bases Como é construído a forma analítica do núcleo do pencilbeam? - Opencilbeam unidimensional será então: P(x)
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - bases Como é construído a forma analítica do núcleo do pencilbeam? - A distribuição da dose 2D de um pencil beam de tamanho finito, de largura (2x0, 2y0) é construído como o produto de dois perfis 1D com pesos equivalentes.
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - bases Como é construído a forma analítica do núcleo do pencilbeam? - A dose total criada por umbeamlet é dada por:
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - heterogeneidade O cálculo com correção de heterogeneidade envolve 4 passos: Corrige a distância equivalente
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - heterogeneidade O cálculo com correção de heterogeneidade envolve 4 passos: Corrige o peso (forma do pencil beam)
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) - heterogeneidade O cálculo com correção de heterogeneidade envolve 4 passos: Corrige o alcance lateral (peso da penumbra)
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) ok 2) X-Ray Voxel Monte Carlo (XVMC) - Bases do Monte Carlo (code systems: EGS, BEAM, DOSXYZ) - Virtual Energy Fluence Model (VEF)
Módulos no cálculo de Monte Carlo em RxT 1 2 3 4 1 e 2 modelagem da cabeça de tratamento e obtenção da fluência incidente no paciente; 3 e 4 modelagem do paciente e simulação da deposição de energia e distribuição de dose.
Monte Carlo Code Systems em RxT 1) EGS- Electron-Gamma-Shower 2) BEAM e DOSXYZ
Monte Carlo Code Systems em RxT 1) EGS- Electron-Gamma-Shower Desenvolvido por Richard Ford e Ralph Nelson (Stanford Linear Accelerator Center - SLAC) em meados dos anos 70; Durante os anos 80, National Research Council of Canada - NRC e SLAC colaboraram para que o EGS trabalhasse com energias de interesse para a física médica, 10KeV a 50MeV.
Monte Carlo Code Systems em RxT 2) BEAM e DOSXYZ BEAM foi desenvolvido no início dos anos 90, como parte do projeto OMEGA (NRC, University of Winscosin, Ottawa Cancer Center); OMEGA desenvolver um sistema de cálculo 3D para uso clínico para feixes de elétrons (DOSXYZ) trabalha muito bem para fótons também; BEAM foi liberado para uso geral em 1995 e serve para modelar todos os tipos de aceleradores lineares.
Monte Carlo Code Systems em RxT 1) EGS- Electron-Gamma-Shower 2) BEAM e DOSXYZ
EGS, BEAM e DOSXYZ code system (Gold Standard MC) EGS code BEAM code DOSXYZ code
EGS, BEAM e DOSXYZ code system (Gold Standard MC Qual é o problema??) a) Tempo de cálculo elevado b) Grande necessidade computacional 10 Parallel Runs using DOSXYZnrc A DOSXYZnrc simulation may be split into parallel jobs, distributing the simulation among different processors and greatly reducing the elapsed time required for a simulation.
Módulos no cálculo de Monte Carlo em RxT Modelagem da cabeça de tratamento e obtenção da fluência incidente no paciente BEAM code diretamente dos dados do espaço de fase (posição da partícula, energia, direção,etc.) ; tempo de cálculo; necessidade computacional; conhecimento detalhado da cabeça do acelerador. Funções de distribuição das funções de distribuição (espectro de energia, distribuição de fluência primária e espalhada, etc.) ; cada componente da cabeça do acelerador pode ser tratada como uma sub fonte; a característica deste componente determina a função de distribuição.
Virtual Energy Fluence (VEF) Modela o feixe na cabeça do acelerador, acima dos componentes de colimação; baseado somente na medida da distribuição de dose na água e no ar, bem como em informações técnicas da cabeça do acelerador linear; Especialmente desenvolvido para cálculos de distribuição de dose por Monte Carlo.
Virtual Energy Fluence (VEF) Consiste de fontes, de fótons e elétrons, com contribuições relativas, Pe para elétrons epγ para fótons, satisfazendo a condiçãope+pγ =1; Os fótons consistem de duas fontes,p0eps, tal quep0+ps=1; Duas Gaussianas (fótons) e uma fonte de elétron uniforme descrevem a distribuição;
Virtual Energy Fluence (VEF) Os desvios padrões e os pesos relativos de cada fonte são parâmetros livres, com cinco outros parâmetros corrigindo as variações de fluências como os efeitoshorns e depressão central; Esses parâmetros são empregados para calcular analiticamente as fluências de energia dentro do campo; Usando os dados medidos (água e ar), os parâmetros são encontrados de forma que as curvas sejam coincidentes. Assim o espectro de energia é obtido das medidas na água e no ar.
Virtual Energy Fluence (VEF) Usando os dados medidos (água e ar), os parâmetros são encontrados de forma que as curvas sejam coincidentes. Assim o espectro de energia é obtido das medidas na água e no ar.
Modificadores do feixe
Fluxo de trabalho do Monaco
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) Começou a ser desenvolvido na metade dos anos 90, Kawrakow e Fippel; Utiliza técnicas de redução da variância (VRT) 40 vezes mais rápido que EGS; 30 a Menor necessidade computacional: quando foi desenvolvido fazia o cálculo em poucos minutos utilizando um PC comum de 500MHz.
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) - bases a) Livre caminho médio e probabilidade de sobrevida do fóton (distância de uma dada interação até o próximo ponto); b) Qual tipo de interação vai ocorrer (Fotoelétrico, Compton, Pares); c) Qual será a energia e a direção das partículas secundárias.
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) livre caminho médio μ é a probabilidade de interação da partícula por unidade de comprimento
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) tipo de interação Segundo número randomico
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) partículas secundárias Determina a energia e a direção das partículas secundárias usando a seção de choque diferencial.
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) incerteza estatística A incerteza estatística desempenha um papel primordial no tempo de computação do método de Monte Carlo; É determinada pelo número de histórias de fótons e elétrons; Técnicas de redução da variância são utilizadas (VRT).
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) VRT a) Repetição da história; b) FótonsSplitting; c) Roleta Russa; D) Métodos de truncamento (geométrico, Ecut, Pcut).
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) VRT a) Repetição da história: - Um caminho referência de um fóton é simulado em um meio homogênio infinito (água); - O caminho é aplicado à geometria do paciente, em diferentes pontos de interação; - A aplicação do caminho referência à locais heterogêneos requerem escalas apropriadas (dependendo de ρ); - A técnica tem potencial de dobrar a eficiência do cálculo de MC.
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) VRT b) FótonsSplitting: - Idéia: ganhar tempo de cálculo pegando um fóton entrando em uma região e dividindo em várias versões dele mesmo; - Isso permite que você tenha mais informações da deposição da dose em um dada área, sem gerar novos fótons da fonte; - Os pontos de interação dos fótons novos, são distribuídos uniformemente ao longo do caminho do fóton original.
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) VRT c) Roleta Russa : - Aproximadamente 50% do tempo CPU é consumido no cálculo de fótons secundários e elétrons colocados em movimento; - O peso de uma partícula é proporcional à sua contribuição na dose final. Pesos muito baixos contribuem muito pouco para a dose final e tem um custo de cálculo muito alto; -É possível remover parte desses fótons aplicando a Roleta Russa:
ALGORITMOS DO MONACO 2) X-Ray Voxel Monte Carlo (XVMC) VRT d) Métodos de truncamento (geométrico, Ecut, Pcut): - Ecut : energia de corte dos elétrons - Pcut: energia de corte dos fótons critério para Pcut do Monaco: a) Livre caminho médio dos fótons com energia <=Pcut é pequeno comparado com os Voxels; Se E<E,Pcut energia é depositada localmente, caso contrário ocorre transporte.
ALGORITMOS DO MONACO EGS, BEAM e DOSXYZ code system (Gold Standard MC) x Monaco XVMC
ALGORITMOS DO MONACO 1) Finite Size Pencil Beam (FSPB) ok 2) X-Ray Voxel Monte Carlo (XVMC) ok
DUAS PARTES 1) Algoritmos do Monaco ok 2) Estratégias de otimização no planejamento inverso
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Visão Global do Monaco Funções de custo(costfunctions) biológicas e físicas; Controle avançado da definição dos voxels: camadas de estruturas e propriedades; Sensitivity Analysis: Ferramenta útil durante a otimização do plano. Guia na tomada de decisão da prescrição; Multicriterial: tenta diminuir dose em OARs, sem comprometer a cobertura do PTV.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo (cost functions) - São funções que estão relacionadas com o alvo ou com os órgãos de risco e fornecem as orientações sobre os objetivos e restrições do plano de tratamento: 1) Poisson Cell kill; Biológicas: 3 2) Serial Complication Model; 3) Parallel Complication Model.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo (cost functions) - São funções que estão relacionadas com o alvo ou com os órgãos de risco e fornecem as orientações sobre os objetivos e restrições do plano de tratamento: 4) Quadratic Overdose; 5) Quadratic Underdose; Físicas: 5 6) Maximum Dose; 7) Overdose-Volume Constraint; 8) Underdose- Volume Constraint.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo biológicas: 1) Poisson Cell kill: - Essa função é usada como objetivo e é a função de custo primária para os alvos EUD Equivalent Uniform Dose Cell Sensitivity Penalidade para pontos frios
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo biológicas: 2) Serial Complication Model: Atuação - Essa função é usada comoconstraint (para OAR)
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo biológicas: 2) Serial Complication Model: Exponent EUD próx dmax aceitável para o órgão
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo biológicas: 2) Serial Complication Model: Exemplo
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo biológicas: 3) Parallel Complication Model: Atuação - Essa função é usada comoconstraint (para OAR)
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo biológicas: 3) Parallel Complication Model: EUD Equivalent Uniform Dose
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo biológicas: 3) Parallel Complication Model: Exemplo
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo físicas: 4) Quadratic Overdose: - Essa função é usada como constraint (para alvo ou OAR) 70.00
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo físicas: 4) Quadratic Overdose:
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo físicas: 5) Quadratic Underdose: - Essa função é usada como constraint (aplica-se a alvo)
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo físicas: 6) Maximum Dose: - Essa função é usada como constraint (aplica-se a alvo ou OAR)
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo físicas: 7) Overdose-Volume Constraint: - Essa função é usada como constraint (para OAR) Único ponto de atuação: Não mais que 50% recebe mais que 60Gy
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Funções de custo físicas: 8) Underdose-Volume Constraint: - Essa função é usada como constraint (para alvo) Único ponto de atuação: Pelo menos 80% recebe 50Gy
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Visão Global do Monaco Funções de custo(costfunctions) biológicas e físicas; ok Controle avançado da definição dos voxels: camadas de estruturas e propriedades; Uma ferramenta muito útil durante a otimização do plano (Sensitivity Analysis), que guia na tomada de decisão da prescrição; Multicriterial que tenta diminuir dose em OARs, sem comprometer a cobertura do PTV.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades - Cada estrutura é transformada em voxels antes do início do cálculo. Essa voxilização dependerá da posição relativa da estrutura na tabela de prescrição e também de parâmetros especiais das funções de custo:
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades - Cada estrutura é transformada em voxels antes do início do cálculo. Essa voxilização dependerá da posição relativa da estrutura na tabela de prescrição e também de parâmetros especiais das funções de custo:
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades - Cada função de custo tem um conjunto de parâmetros que quando usados apropriadamente aumentam a chance de conseguir um bom plano: 1) Clear / Fill Parâmetros e propriedades 2) Auto Flash; 3) Shrink Margin; 4) Surface Margin; 5) Optimize Over All Voxels in Volume
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 1) Clear / Fill:
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 2) Auto Flash:
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 3) Shrink Margin: - Aplicada ao paciente, na função de custo Quadratic Overdose, permite criar camadas com limites de dose, sem a necessidade de estruturas auxiliares.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 3) Shrink Margin: redução da dose
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 3) Shrink Margin: prescrição alvos
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 3) Shrink Margin: prescricão alvos
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 3) Shrink Margin: prescricão alvos
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 4) Surface Margin: - Aplicada aos alvos ou a OARs, na função de custo Poisson Cell Kill, evita que o software tente dar dose na superfície (região debuildup)
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 4) Surface Margin:
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Definição dos voxels: camadas de estruturas e propriedades 5) Optimize Over All Voxel in Volume: - Aplicada a qualquer função de custo; - Importante para medula, por exemplo.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Visão Global do Monaco Funções de custo(costfunctions) biológicas e físicas; ok Controle avançado da definição dos voxels: camadas de estruturas e propriedades; ok Uma ferramenta muito útil durante a otimização do plano (Sensitivity Analysis), que guia na tomada de decisão da prescrição; Multicriterial que tenta diminuir dose em OARs, sem comprometer a cobertura do PTV.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Sensitivity Analysis:
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Visão Global do Monaco Funções de custo(costfunctions) biológicas e físicas; ok Controle avançado da definição dos voxels: camadas de estruturas e propriedades; ok Uma ferramenta muito útil durante a otimização do plano (Sensitivity Analysis), que guia na tomada de decisão da prescrição; ok Multicriterial que tenta diminuir dose em OARs, sem comprometer a cobertura do PTV.
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Multicriterial: - Opção que pode ser aplicada às funções de custo Serial e Parallel Complication Mode: - Aplicada depois que um plano foi considerado aprovado, com todos os constraints obedecidos; - Reduz a dose do OAR selecionado sem alterar a cobertura do PTV
ESTRATÉGIAS OTIMIZAÇÃO NO PLANEJAMENTO INVERSO Multicriterial:
CONCLUSÕES: MONACO TPS: Possui algoritmos de cálculos precisos e rápidos; Possui ferramentas que permitem mapear todo o paciente sem a necessidade de estruturas auxiliares; Fornece informações que facilitam a tomada de decisões para melhorar o plano; É bastante amigável e proporciona planos que obedecem todos os objetivos muito rapidamente.
Obrigado! Diego Renan