algoritmos do monaco

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)
Finite Size Pencil Beam (FSPB)
Secundário:
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 pencil beam?
- 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 pencil beam?
- Define-se um pencil beam de tamanho finito, unidimensional, de largura 2x0:
diferença de 2 campos semi-infinitos com shift de 2x0.
ALGORITMOS DO MONACO
1) Finite Size Pencil Beam (FSPB) - bases
Como é construído a forma analítica do núcleo do pencil beam?
- 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 pencil beam?
- O pencil beam unidimensional será então:
P(x)
ALGORITMOS DO MONACO
1) Finite Size Pencil Beam (FSPB) - bases
Como é construído a forma analítica do núcleo do pencil beam?
- 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 pencil beam?
- A dose total criada por um beamlet 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
Funções de distribuição
BEAM code
diretamente dos dados do espaço
de fase (posição da partícula,
energia, direção ,etc.) ;
das funções de distribuição
(espectro de energia, distribuição
de fluência primária e espalhada,
etc.) ;
↑ tempo de cálculo;
cada componente da “cabeça”
do acelerador pode ser tratada
como uma sub fonte;
↑ necessidade computacional;
conhecimento
detalhado
“cabeça” do acelerador.
da
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 e Pγ para fótons, satisfazendo a condição Pe+ Pγ =1;
Os fótons consistem de duas fontes, P0 e Ps, tal que P0+ 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 efeitos horns 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;
Menor
necessidade
computacional:
quando
foi
desenvolvido fazia o cálculo em poucos minutos
utilizando um PC comum de 500MHz.
30 a
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) Fótons Splitting;
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) Fótons Splitting:
- 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
aplicando a Roleta Russa:
desses
fótons
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 (cost functions) 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
como constraint (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
como constraint (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
ok
Funções de custo (cost functions) biológicas e físicas;
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
comprometer a cobertura do PTV.
dose
em
OARs,
sem
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
2) Auto Flash;
Parâmetros
e
propriedades
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
de build up)
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 (cost functions) 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
comprometer a cobertura do PTV.
dose
em
OARs,
sem
ESTRATÉGIAS OTIMIZAÇÃO
NO PLANEJAMENTO INVERSO
Sensitivity Analysis:
ESTRATÉGIAS OTIMIZAÇÃO
NO PLANEJAMENTO INVERSO
Visão Global do Monaco
Funções de custo (cost functions) 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
comprometer a cobertura do PTV.
dose
em
OARs,
sem
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