CN105473180B - 放射疗法治疗计划的选择 - Google Patents
放射疗法治疗计划的选择 Download PDFInfo
- Publication number
- CN105473180B CN105473180B CN201380078937.4A CN201380078937A CN105473180B CN 105473180 B CN105473180 B CN 105473180B CN 201380078937 A CN201380078937 A CN 201380078937A CN 105473180 B CN105473180 B CN 105473180B
- Authority
- CN
- China
- Prior art keywords
- plan
- treatment
- patient
- quality
- interchangeable
- 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
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
- A61N5/103—Treatment planning systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
提供了一种用于患者的治疗计划的自动选择的方法,其中该自动选择至少部分地基于计划质量和与资源的可用性相关的每个治疗计划的所需资源。
Description
技术领域
本发明涉及到射疗法,并且特别是针对患者的放射疗法治疗计划的选择。
背景技术
通常,调度(scheduling)以及特别是放射疗法治疗的调度,是众所周知的并且某种程度上是复杂问题。大型放射疗法诊疗机构能够利用多个治疗机器,并且每天可以治疗大量患者。在这种场所内,治疗的人工调度常常很复杂。计算机辅助调度,例如,采用为该目的专门设计的计算机程序,有时被用来实现有效的放射疗法治疗的调度。这种计算机辅助调度可以使用各种算法以用于尽可能在诊疗机构内有效地调度多个疗程。调度可以包含各种参数的考虑,诸如计划的治疗的持续时间、被安排治疗的患者的情况,等等。
治疗计划定义了治疗患者时使用的参数。治疗计划通常在实际治疗前的较长时间被确定,有时是几个星期前。常常根据患者的体内图像如计算机X线断层成像(CT)扫描确定治疗计划,并且指定治疗参数,如治疗技术、治疗形式和射束参数(如要实施的放射束的数量、入射角度、形状、强度等)。确定的参数和由此定义的治疗计划在某种程度上是专门针对用于实施治疗的机器的类型。治疗的临床目标,例如在实施到靶体(诸如肿瘤)的最小放射剂量和对于各种危及器官(OAR)的最大允许剂量的指定水平方面,通常由放射肿瘤医生来定义。然后,治疗计划制订者确定治疗计划以便实现这些目标并且获得产生剂量分布的治疗计划,该剂量分布尽可能在保留正常组织的同时治疗靶体。通常使用治疗规划系统以确定治疗计划。在逆向的治疗计划中,采用优化算法以找到将生成在受检者内最接近匹配所需剂量的剂量分布的治疗参数的集合。治疗计划制订者有时基于相同的治疗形式和技术,或者基于一些其他可用治疗形式或者治疗技术,创建多个可替换的计划。然后治疗计划制订者和/或放射肿瘤医生可以选择可替换的治疗计划中的最佳候选计划。确定多个治疗计划再从中进行选择的原因可能是,针对特定病例经常很难事先预见何种类型的治疗计划将是最有效的。
通常放射疗法治疗被分份(fractionate),即,治疗时间被延长,经常延续几个星期,其中每日给药总计划剂量的一定份额。因此当已经确定治疗计划时,将手动地或者使用计算机辅助调度(半)自动地调度根据治疗计划的多个疗程。
根据现有技术的用于确定和调度治疗计划的过程不提供在诊疗机构的治疗机器或者其他可用资源的有效使用。
本发明旨在克服或者至少减轻这些缺点,并且特别使能够更好利用结合放射疗法治疗使用的一个或多个资源。
发明内容
根据本发明的一个方面,提供了一种在治疗计划的集合中针对患者的放射疗法治疗计划的自动选择的方法,该治疗计划的集合包括针对该患者的至少两个可替换的放射疗法治疗计划。优选地,在处理器中执行这种自动选择,至少基于:
-所述至少两个可替换的放射疗法治疗计划中的每个治疗计划的计划质量;
-根据所述至少两个可替换的放射疗法治疗计划中的每个治疗计划的治疗所需的资源;
-所述资源的可用性。
根据本发明的另一方面,提供了计算机程序产品。优选地,该计算机程序产品包括计算机可读指令,该计算机可读指令当在计算机上被执行时,将使得该计算机执行针对患者的放射疗法治疗计划的自动选择的方法。
根据本发明的另一方面,提供了一种计算机系统。优选地,该计算机系统包括耦合到至少一个存储器的处理器,该存储器具有存储在其上的计算机程序,该计算机程序包括针对患者的放射疗法治疗计划的自动选择的计算机可读指令,其中,该处理器被配置为执行该计算机可读指令。
因此,本发明通过为每个患者从可替换的治疗计划的集合中自动选择治疗计划,实现了以上定义的目标,考虑诊所内资源可用性,这样的治疗计划相对于患者的治疗和资源如治疗机器的使用是最佳的。相应地,当可替换的候选治疗计划可用于患者时,不只是基于与所需资源相关的计划质量,而且也基于当时的资源可用性相关联的计划质量,执行计划的自动选择。因此在资源可用性很高的时候,能够自动选择需要大量资源的治疗计划,而在资源可用性很低的时候,拒绝需要大量资源的治疗计划。后一种情况通常需要对于哪些患者具有需要某些特定资源的“高级”治疗的最大益处的全面分析。但是,根据本发明,将根据当前情况总是选择针对患者最合适的治疗计划。
根据一些实施例,所述至少两个可替换的放射疗法治疗计划中的一个或多个是自动确定的治疗计划,该自动确定的治疗计划是基于所述可替换的放射疗法治疗计划的另外的治疗计划的计划剂量所确定的。由此,可以使用最少的手动工作容易地确定多个可替换的治疗计划。
根据一些实施例,计划选择包括优化过程,其中,在根据所选的放射疗法治疗计划的治疗所需的资源不可超过资源可用性的约束之下,优化针对多个患者的多个可替换的放射疗法治疗计划的组合计划质量。由此,能够优化针对一组患者的总计划质量,并且同时选择针对所有患者的治疗计划。
根据一些实施例,所述至少两个可替换的放射疗法治疗计划中的至少一个或多个是组合计划,该组合计划基于两个不同的放射疗法治疗计划的组合,其中,所述组合计划的计划质量基于所述两个不同的放射疗法治疗计划的计划质量的组合。因此,可为患者确定在可用资源范围内最佳的不同的治疗技术和/或形式的组合。
根据一些实施例,计划选择至少部分地基于直至根据至少两个可替换的放射疗法治疗计划中的每个计划的治疗的实施的最短可能时间。由此,对应的所需资源指示可以在没有延迟的情况下开始治疗的治疗计划可能在计划选择过程中有利。这可能是有优势的,因为尽快开始治疗经常是有益的。
根据一些实施例,计划选择部分地基于反映患者的治疗的紧急性的患者优先级。由此,对应的所需资源指示可以在没有延迟的情况下开始治疗的治疗计划可主要对治疗被认为最紧急的患者优先。
根据一些实施例,调度对应于针对至少一个患者的所选的治疗计划的放射疗法治疗。
本发明的进一步的方面通过考虑具体实施方式和附图将变得显而易见。这些只是为了说明优选实施例的目的,并且不应被理解为限制本发明。
附图说明
图1是根据本发明的方法的流程图。
图2A图示出了根据本发明的实施例的针对六个不同患者的治疗计划选择以及调度的过程和结果。
图2B图示出了根据本发明的可替换的实施例的治疗计划选择和调度的结果。
图3是根据本发明的示例实施例的计算机系统的示意图。
具体实施方式
图1是示出了根据本发明的方法的不同步骤的流程图。
在步骤101中,检索至少两个可替换的候选治疗计划。至少根据某些方面,这些候选计划彼此不同。这些计划可以在治疗形式上不同,例如,使用光子(X射线)、质子、电子或者任何其他治疗形式。作为替换或附加,治疗计划可以基于不同形式的混合,使得例如使用光子进行治疗的一部分,而使用质子或者电子进行治疗的另一部分。作为另一个示例,计划可以在使用的治疗技术上不同。本技术领域中已知各种不同的治疗技术。这些不同技术不一定是机器特定的,而是能够常常使用同种类型的治疗机器来实施。
使用基于光子治疗的可适用的治疗技术的示例是三维适形放射疗法(3D-CRT),或者是各种类型的调强放射疗法(IMRT)。能够向患者发出来自不同方向的治疗射束,其中能够使用多叶片准直器(MLC)修改射束的横截面。在IMRT中,能够例如使用顺序实施的多个不同的MLC孔或者通过使用滑动窗口技术来调制特定射束的强度分布。另一个治疗技术是容积调制弧形疗法(VMAT),其在射束一直打开和MLC孔持续变化期间,沿着弧形采用恒定旋转。弧形疗法的另一个示例是螺旋断层放射疗法,其中使用扇形射束和用于调制该射束的二进制MLC准直器逐片实施放射。质子治疗技术的示例是主动扫描,其中质子笔形射束在靶体中多个的“点”上被扫描;和被动散射,其中散射被用于横向延伸剂量。本技术领域中众所周知这些和其他的治疗技术,并且在此无需任何深入解释。
在步骤102中,基于这些计划的质量和依据这些计划的治疗所需的资源,考虑所述资源的可用性,来选择计划。
可以通过许多不同的方法确定计划质量的度量。计划质量至少基于剂量学质量,例如涉及不同结构中的剂量水平、靶体剂量一致性和均匀性、实施到患者的总剂量,等等。根据所使用的治疗形式,也可以包括剂量的生物效应。由此,作为示例,当比较光子计划和质子计划时,当确定质子计划的计划质量时,将考虑质子增加的生物效应。其他参数也能够影响计划质量,这些将在下文更详细描述。然而,如下文更详细的描述,通常,治疗时间不包含在计划质量的计算中,因这个参数与资源使用更相关并且结合资源可用性考虑这个参数。但是,为了获得有意义的计划选择,优选是应当相对于治疗时间已经优化了所有候选计划(或者至少是为此做出了努力),以使得考虑所使用的治疗技术和所获得的计划质量,所有的候选计划尽可能时间高效。
作为一个示例,计划质量可基于治疗的临床目标的满足程度,其中例如由放射肿瘤医生定义临床目标。根据一个示例,只有满足重要临床目标的预定的集合的治疗计划才被看作候选计划。然后,对于治疗计划的计划质量的度量取决于进一步临床目标的实现。可以根据重要性对进一步的临床目标进行分类,并且根据该临床目标的重要性,满足特定临床目标可以导致提高计划质量得分。某些进一步的剂量学度量也可以影响计划质量,例如,用于区分满足相同数量的临床目标的治疗计划。例如,针对患者的平均剂量(其优选是应尽可能低)能够影响计划质量得分。
根据一些示例实施例,相对于“最佳”计划(例如,参考上文示例,满足最多临床目标的计划中具有最小平均剂量的计划),计划质量被规范化,使得例如针对患者的最佳计划将得到1分的计划质量分值,并且其他计划的计划质量得分将是相对于该患者的最佳可用计划的质量。这便于对不同患者的不同种类的治疗计划的比较。例如,当计划质量的不同度量被应用于不同的患者(例如,由于不同的临床目标),这将便于评估哪些患者将从较多资源需求的治疗中获益最多。
对本领域的技术人员显而易见,基于治疗计划的剂量测量数据能够通过许多其他方法定义计划质量的度量。一个可能有优势的替代是基于所实施的剂量的估计生物效果定义计划质量。例如,计划质量能够基于传统使用的生物模型,诸如正常组织并发症概率(NTCP)模型(反映了由于所实施的剂量正常组织并发症出现的概率)和/或肿瘤控制概率(TCP)模型(反映了治愈/控制肿瘤的概率)。例如,无并发症的肿瘤治愈的概率,有时记为P+,是计划质量度量可以以此为依据的相关量。这种无并发症的肿瘤治愈可以被定义为实现肿瘤控制而没有对正常组织造成严重伤害的概率,即P+=TCP*(1-NTCP)。
资源要考虑其所需使用和可用性,例如资源可涉及治疗机器、人员、房间、设备或者用于执行治疗所需的任何其他资源。作为示例,例如,如基于治疗计划的任何相关参数手动或者自动估计的用于治疗或者用于治疗计划的质量保证的所需时间,能够被用于定义所需资源的度量。例如,治疗机器将被占用的时段(如包含用于患者设置所需的时间等等),和应被用作所需资源的度量的真实度量可以取决于预定标准被自动估计,所述预定标准例如与所使用的治疗技术、射束数量、分段数量、监测单元(MU)数量等相关。对于某些治疗技术如VMAT,可以明确定义治疗时间(即用于实施辐射的时间,不包含患者设置),并且基于该治疗时间可以轻易的估计所需资源的度量。
一种用于针对多个患者中的每个患者选择治疗计划以提供优化的资源使用的方法,是建立优化问题,其中,在与资源的使用和可用性相关的约束下,优化总计划质量(即对于所有选定的治疗计划的组合计划质量)。下文参考表1描述了这种方法的示例实施例,表1示出了K个不同的患者的集合,每个患者具有J个可替换的治疗计划,连同与计划质量(Q)和所需资源(TPR、TPH)相关的计划属性。
表1
根据这个示例实施例,对每个患者的可替换的计划的集合可以包含一个或多个光子计划、质子计划和也可以是组合质子疗法和光子疗法的一个或多个混合计划。计划P1、P2…、PJ(对不同的患者可以存在不同数量的计划)中的每个计划具有相应的计划质量Q,和分别对应于用于质子机器使用的所需时间量和用于光子机器使用的所需时间量的资源使用参数TPR和TPH(参见表1)。如果没有使用关于资源可用性的约束,所有的患者将被安排具有最高计划质量的治疗计划定义的治疗。例如,如果针对每个患者,质子计划具有最高质量,将为每个人选择质子疗法。但是,如果这不可能,根据本发明的计划选择过程,识别那些患者,使得较之基于光子的放射疗法治疗,质子放射疗法的增加量对其产生最大益处,从而找到质子机器的最佳可能使用。如果考虑这种情况:在使用一个质子机器和一个用于基于光子治疗的传统直线性加速器的场所中,在特定时间段,有k个患者将被安排治疗,在该特定时间段期间的这些机器的可用性规定了可用于质子疗法的最大时间和可用于光子疗法的最大时间因此,在这个示例中,参数和定义了资源可用性。
针对不同患者的不同计划可以根据不同的分份(fractionation)模式被分份,例如使用不同的分份数量。在这个示例中,参数TPR和TPH定义了根据对应的治疗计划实施所有分份所需机器使用的总时间量,并且因此,参数和定义了其间针对患者的所有疗程被调度的时间段内的机器可用性。在可替换的实施例中,参数TPR和TPH可以与用于单一疗程的机器使用相关,并且参数和定义了较短时间段期间的机器可用性,例如,一天。
假设计划质量被定义为较小的数字指示较佳的计划,那么目标将是针对所有k个患者将计划质量之和(被加项取决于选择哪个计划)最小化。即:
在约束和之下,要求总质子机器使用和总光子机器使用不能超过他们相应的最大可用时间。这将产生混合整数问题,这可以使用在本技术领域中本身已知的各种不同的优化技术求解该问题。例如,可以使用分支定界、切面法、分支与切割、或者用于求解混合整数问题的任何其他算法来解决该问题。而且,可以采用启发式方法,诸如模拟退火或者禁忌搜索。这些只是示例,并且其他可替换的算法对于本技术领域的技术人员将是显而易见的。因此本发明不限于为解决该问题所使用的优化算法的种类。
而且,如同样对技术人员显而易见的,如果使用计划质量的另一定义,其中较大的数字指示较好的计划,该优化将涉及将总计划质量最大化。
当用多个离散“时隙”来定义资源使用需求和/或资源可用性时,也可使用上述的相应方法。时隙是预定长度的短时间间隔。单个时隙的长度优选地对应于用于预约、诊断、治疗等的调度系统中所采用的时间单位。例如,单个时隙的预定长度可以是5分钟或者任何其他合适的短时间间隔。使用用于表示资源可用性和/或所需资源使用的时隙的实现方式在很多情况下是有用的,例如便于根据所选的治疗计划调度治疗。因此,可用性可以被定义为相连的“空闲”时隙数量,并且所需资源使用可以按对应的方式被定义为相连时隙所需的最小数量。
在最简单的情况下,假设每个机器每天有固定数量的可用时隙,并且在机器使用期间没有中断。那么约束是,利用每个机器实施的治疗计划的所需时隙之和小于该机器的可用时隙的数量。
如果当天中在机器使用期间有中断,例如,需要机器维护或者特定时隙已被预定,则对于该机器的可用时隙将被分为相连时隙的若干部分。这样,对于相连时隙的每个部分将有一种约束。对相连时隙的每个部分的约束与简单情况下的约束相同,即在该相连时隙的部分期间实施的计划的时隙之和必须小于或者等于可用的相连时隙的数量。下文参考图2A和2B,进一步示出了对应于这样的实施例的计划选择过程。
上述方法不会导致治疗被实际调度,但是可以用于确定可在指定时间段期间被调度的治疗计划的最有益的集合。因此,参考图1,在步骤103中,根据选定的治疗计划,治疗被调度。如虚线所示,这一步骤是可选的。可以以传统方式手动地调度所选的治疗或者根据本技术领域内已知的任何调度技术自动地调度所选的治疗。当调度治疗时,可能考虑许多额外的参数,以下将进一步探讨。
图2A图示出了针对六个患者的治疗计划选择过程和疗程的调度。使用通过优化总计划质量选择治疗计划的上述对应的方法。在这个示例中,采用两个类似的治疗机器(线性加速器)A和B实施放射。图中以一天中治疗机器的相应的调度示出了所述治疗机器,在这天六名患者的疗程被调度。每个调度被分成时隙201。在调度中由黑色指示不可用时隙202。因此,治疗机器A具有相连可用时隙的三个不同部分:203、204、205(一个部分203有三个时隙,一个部分204有两个时隙,并且一个部分205有一个时隙),并且治疗机器B也有相连可用时隙的三个不同部分:206、207、208(一个部分206有四个时隙,一个部分207有三个时隙,并且一个部分208有两个时隙)。
已经为每个患者确定了采用不同治疗技术的多个可替换的治疗计划(对第三患者、第五患者和第六患者中的每个患者有两个计划,对第一患者和第二患者中的每个患者有三个计划,并且对第四患者有四个计划)。在这个示例实施例中,计划质量被定义为较大的数字指示较佳的计划。作为示例参考患者4,计划P41可以是具有11个射束的IMRT计划,P42可以是具有双弧形的VMAT计划,计划P43是具有7个射束的IMRT计划,并且P44是单弧形VMAT计划。虽然所有计划相应的质量(Q)和实施所需时间段(T)不同,但是这些计划被认为是临床可接受的。不要求为所有患者定义相同种类的计划。如图中所指示的,针对患者的可替换的计划要求一个、两个或者三个时隙来用于治疗机器使用。使用上述优化算法,其中,在下述约束下优化总计划质量:对于相连可用时隙部分203-208的每个部分,在相连时隙的相应部分期间所选的计划的所需时隙之和必须小于或者等于可用相连时隙的数量。
这种优化的结果将是,分别为患者1、患者2、患者3、患者4、患者5、和患者6选择计划P12、P22、P32、P41、P51和P61。鉴于由可用时隙的数量和组成定义的资源可用性,该治疗计划的集合产生了可能的最高总计划质量(ΣQ=29)。图2A指示了一种在两个机器A和B上调度所选的计划的可能方法。
在可替换的实施例中,假设不可用时隙202代表了可重新调度的已安排治疗,改善的资源可用性可以允许选择更高的质量计划。利用对于资源可用性的修改的约束的优化,将导致优化的总计划质量(ΣQ=30)。图2B图示出了根据这种实施例的计划的调度选择的示例。如图中所示,不可用时隙202已经被重新调度。
为了便于理解本发明,参考图2A和2B上述的示例是说明性的和被简化的。因此,鉴于这个示例中优化解决方案容易被识别,可以理解将需要如上所述的计算机实现的优化过程,以获得根据本发明的治疗计划的优化选择。
当优化总计划质量时,可以施加关于最小计划质量的约束。例如,只有满足对治疗定义的相关临床目标的最小数量目标的计划才是可选择的。作为另一个示例,可以对所选计划与具有最佳计划质量的计划之间计划质量最大允许差施加约束,即|Q最佳-Q所选|<ε,其中ε是最佳质量计划和所选计划之间预定的质量最大允许差。这种约束可以被用于确保每个患者接收到可接受地接近于最佳治疗的治疗。这也将有助于如下结果:计划质量上必要的所有权衡在患者中被公平分布。
在上述的示例中,在优化中考虑的资源与治疗机器相关。但是,如上文也提到过,可以考虑其他种类的资源。因此,如果其他种类的资源诸如特定人员、财务等等的可用性限制了治疗计划选择,在计划质量优化期间可以施加对应的约束,例如与人员或者与财务手段(例如,规定用于治疗的最大允许的总费用)的可用性相关的约束。
能够影响治疗计划选择的所需资源使用的另一个示例,与质量保证(QA)有关。一个复杂的治疗计划,诸如使用大量射束和分段的IMRT计划,要求实质的QA流程,该QA流程需要治疗机器以及称职人员的可用性。因此,在许多情况下,QA需要的资源可以是限制因素。因此,根据上述示例实施例,通过使用资源可用性作为约束,当优化总计划质量时,可以以对应的方式考虑QA所需的资源。
计划的QA复杂性可以被用于影响用于优化计划选择的对应的计划质量。利用这种方法,需要详尽并且耗时的QA流程的复杂计划在优化期间可能不利。因此,即便资源可用性约束允许选择涉及复杂QA流程的治疗计划,具有对应的剂量学质量的较简单计划也更有利,因为这种计划与更复杂的计划相比较通常而言是“更佳”的计划。这是因为对于复杂的治疗计划,例如包含大量分段的计划,泄露和各种不确定性(例如,与靶体的位置和移动相关,等等)可能会对所实施的剂量具有相对更大的负面效果。
在优化中可考虑的用于刻画计划质量另一个参数是治疗的监测单元(MU)的数量。通常,减少数量的MU是有利的。
根据本发明任何其他相关参数可以被结合到选择治疗计划的过程中。作为示例,假设尽早治疗患者是有利的,治疗的延迟可以被用来影响计划选择。因此,较之无法在近期安排的计划,可无延迟安排的计划更有利。以下,描述了涉及这种优化计划选择和调度的示例。假设针对患者两个可替换的治疗计划均是可用的。第一计划具有较好的计划质量Q1,但是需要30分钟的治疗时隙,而第二计划具有较差的计划质量Q2,但是只需要20分钟的治疗时隙。在这个示例中,计划质量被定义为较低的数字指示较好的计划(即Q1<Q2)。资源可用性指示在两天后有20分钟的时隙可用,并且在六天后有30分钟的时隙可用。根据这个示例实施例,取决于治疗被延迟的天数d的延迟加权因子W(d),被并入治疗计划选择过程,以使得依据用于实施治疗的延迟使治疗计划不利。因此,作为示例,如果(W(2)×Q2)<(W(6)×Q1),第二计划Q2将被选择,尽管其具有较差的计划质量。
作为进一步示例,可以对特定患者使用反映治疗紧急性的指定的患者优先级,有利于选择那些不延迟急需治疗的患者的情况下可安排的治疗计划的选择。因此,作为一个示例,延迟加权因子W(d,P)可以是治疗延迟d和患者优先级P的函数。
在涉及多个患者的调度的可替换的实施例中,这些患者具有反映治疗紧急性的不同的患者优先级P,根据前面的实施例,执行总计划质量的优化,但是其中,如前所述,通过取决于计划的治疗延迟d的延迟因子W(d)来加权计划质量。只要资源可用性信息包含关于该资源在将要执行调度的时间间隔期间(并且不只是可用的总时间)何时可用的信息,可以由资源可用性直接推导出延迟因子。优化后,具有最高优先级P的患者被自动安排在第一个可用的空缺,以根据所选的治疗计划治疗。由于延迟因子影响了计划选择,所选的治疗计划有可能定义无延迟或小延迟地实施治疗。作为调度患者的结果,资源可用性被修改,而且某些计划的延迟因子将变化。相应地,针对其余的患者,使用对受影响的计划的更新的资源可用性约束以及相应的修改的延迟因子,重复用于选择计划的优化过程。优化后,按照优先级顺序的下一个患者被安排治疗。重复这个交替优化和调度的过程,直至所有的患者都被安排。针对早期治疗不关键的患者的治疗计划(例如,具有低优先级的患者),可以不使用延迟因子,以确保计划选择主要受剂量学质量影响,而不是受可以多快开始治疗影响。
显然,这只是根据变化的治疗紧急性可以如何调度患者的一个示例。也可以设想如何在治疗的计划选择过程和/或调度中并入这样的参数的可替换的方法。
确定候选治疗计划
治疗计划制订者可以使用治疗计划系统确定用于患者的每个可替换的治疗计划,例如采用本技术领域内众所周知的逆向治疗计划。或者,可以使用自动治疗计划方法确定一些或者全部治疗计划。作为示例,针对每个患者,计划制订者能够“手动”确定一个治疗计划。随后,基于第一个治疗计划的结果,能够自动确定使用不同治疗形式和/或不同治疗技术的可替换的治疗计划。例如,这可以通过使用对应于第一个治疗计划的剂量分布和/或一个或多个剂量容积直方图(DVH)曲线来完成,作为治疗目标。这样的优化在本文中被称为“剂量模拟”,其指示优化的目标是找到治疗参数的集合,该治疗参数的集合产生尽可能接近的匹配或者“模拟”特定剂量分布的剂量分布。例如,首先,能够手动确定使用九个等距射束的IMRT计划。然后,使用IMRT计划产生的剂量分布作为输入,治疗计划系统自动计算可替换的VMAT计划。使用这种方法,在旨在获得与IMRT计划所获的剂量分布相同的剂量分布的优化过程中,自动确定VMAT计划。因此,能够使用最小的手动工作,轻易的确定多个可替换的计划。
剂量模拟可以基于空间剂量分布,即使用优化算法,其中针对每个体素和对应于参考治疗计划的剂量分布,所使用的参考剂量目标是不同的且是特异的。可替换地或另外地,剂量模拟可以基于剂量容积直方图(DVH),即在优化中根据参考治疗计划使用DVH曲线作为计划目标。DVH曲线不包含任何空间信息,只是特定结构中剂量分布的简单的2D表示。因此,当使用基于DVH的剂量模拟时,优化将更多关注剂量容积统计,而较少关注剂量分布的空间特性。作为自动模拟剂量分布的进一步替代,参考剂量衰落(fall-off)功能能够由根据参考治疗计划的剂量分布被确定,并且可以被用作计划目标。参考剂量衰落模拟用作复制靶体容积外的特征剂量衰落,即参考剂量如何取决于距靶体的距离。
利用不同计划质量的混合计划
在上面的示例中,当分析涉及不同治疗技术和/或治疗形式的组合的混合计划时,计划和对应的计划质量被描述成针对每个计划特别确定的。即,分析基于不同组合的有限数量的可替换的计划。在可替换的实施例中,混合计划以及它们对应的计划质量(和所需资源),基于用于患者的涉及不同治疗技术和/或形式并且具有不同计划质量的至少两个治疗计划的组合。这将理论上导致无限数量计划被用作计划选择过程的基础。例如,当混合计划在计划质量和所需资源使用方面的属性可以被定义为原始计划的属性的线性组合时,这种方法是有优势的。如前所述,随后,使用任何前面举例的优化方法,能够轻易的实现如先前所述的优化总计划质量的过程。作为一个简单示例,假设IMRT计划与可替换的VMAT计划相比,具有较高的计划质量。这两个计划在对应数量的分份(fraction)中,实施处方剂量。如果VMAT计划更具有时效性,并且如果对于治疗机器使用的可用时间被限制,可以定义下述妥协,其中使用IMRT计划实施一些分份,并且使用VMAT计划实施一些分份。作为说明性示例,假设在6星期期间实施30个分份(每个工作日一分份),在这段时期期间,用于实施治疗可用的总时间是Tmax,一个IMRT分份需要X分钟,并且一个VMAT分份需要Y分钟,如果实施IMRT的个分份并且利用VMAT实施其余分份,那么将实现最大的计划质量。
约束计划质量
根据上述示例实施例,在与资源可用性相关的约束下优化总计划质量。作为替代,约束可施加在最小可接受的计划质量以及替代的优化的一些其他参数如资源利用。使用这种方法,在仍然为所有患者确保充分的治疗质量的同时,治疗效率被最大化。因此,这将导致最大量的资源总是可用。作为一个示例,在仍然提供充分高的治疗质量的同时,诊所的所有放射疗法治疗的总经济花费能够被最小化。
图3示意性的图示出了根据本发明的计算机系统301的示例。该系统包含耦合到存储器303的处理器302。而且,该系统可以包含显示设备304(例如,用于显示图形用户界面,涉及针对多个患者的不同治疗计划和/或治疗计划的调度的信息,等等),数据输入设备305(例如,键盘、鼠标,或者用于数据输入的任何其他适当设备),和数据读/写设备306(例如,光驱、USB接口,或者用于读/写数据的任何其他适当设备)。处理器302可以是任何种类,诸如一个或多个中央处理单元(CPU)或者任何种类的并行处理器系统,例如基于一个或多个图形处理单元(GPU)。存储器303可以是适用于存储和检索信息的任何类型的易失性或非易失性存储器,诸如,例如,硬盘驱动。存储器303具有存储于其上的计算机程序307。计算机程序307包含用于执行至少一个治疗计划的选择的计算机可读指令,其中该计算机可读指令可以被转移至处理器302,并被处理器302执行。所述计算机可读指令当被处理器302执行时,将执行图1中示出的方法,以检索针对至少一个患者的可替换的治疗计划,并且基于计划质量、所需资源和资源可用性选择针对该至少一个患者的治疗计划。所选的治疗计划和/或任何其他相关信息,诸如与治疗计划相关的任何调度信息,可以被存储在存储器303中。计算机程序307也可以被存储在非暂时性计算机可读介质308上,例如USB设备,诸如CD-ROM的光学数据载体,或者任何其他适当的便携式信息存储设备,以使得计算机程序307可以被加载至存储器303和/或被转移至不同的计算系统。参考图3描述的系统只是一个示例,根据本发明的计算机系统不必要包含所有示出的组件,并且/或者可以包含未示出的其他组件。
已经参考多个示例实施例描述了本发明。应理解,这些实施例只是本发明的思想和应用的说明。因此应理解可以对说明性实施例进行许多修改,并且可以在不脱离如权利要求所定义的本发明的思想和范围的情况下,构想其他布置。此外,应理解一个实施例中的特征,可以与本发明的其他实施例中的特征相结合。
Claims (8)
1.一种集合中针对多个患者中的每一个的放射疗法治疗计划的自动选择的方法,所述集合包括针对所述多个患者的多个可替换的放射疗法治疗计划,其中所述自动选择在处理器中被执行,并且包括:
优化过程,其中,优化针对所述多个患者的多个可替换的放射疗法治疗计划的组合计划质量;
在根据选定的放射疗法治疗计划的治疗所需的资源不可超过资源可用性的约束之下来执行所述优化。
2.根据权利要求1所述的方法,其特征在于,所述可替换的放射疗法治疗计划中的一个或多个是自动确定的治疗计划,该自动确定的治疗计划是基于所述可替换的放射疗法治疗计划的另外的治疗计划的计划剂量确定的。
3.根据权利要求1或2所述的方法,其特征在于,所述可替换的放射疗法治疗计划中的至少一个或多个是组合计划,该组合计划基于针对患者的两个不同的放射疗法治疗计划的组合,其中,所述组合计划的计划质量基于所述两个不同的放射疗法治疗计划的计划质量的组合。
4.根据权利要求1所述的方法,其特征在于,所述放射疗法治疗计划的自动选择至少部分地基于直至根据所述可替换的放射疗法治疗计划中的每个计划的治疗的实施的最短可能时间。
5.根据权利要求4的方法,其特征在于,所述放射疗法治疗计划的自动选择部分地基于反映患者的治疗的紧急性的患者优先级执行。
6.一种调度至少一个患者的放射疗法治疗的方法,其特征在于,针对所述至少一个患者中的每个患者,使用根据权利要求1至5中的任何一项所述的方法选择放射疗法治疗计划。
7.一种包括计算机可读指令的非暂时性计算机可读介质,所述计算机可读指令当在计算机上被执行时,使得所述计算机执行根据权利要求1至6中的任何一项所述的方法。
8.一种包括处理器的计算机系统,该处理器耦合到至少一个存储器,所述存储器具有存储在其上的计算机程序,所述计算机程序包括计算机可读指令,所述处理器被配置为,通过执行所述计算机可读指令,执行根据权利要求1至6中的任何一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2013/077729 WO2015090457A1 (en) | 2013-12-20 | 2013-12-20 | Selection of radiotherapy treatment plans |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105473180A CN105473180A (zh) | 2016-04-06 |
CN105473180B true CN105473180B (zh) | 2018-06-08 |
Family
ID=49998202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380078937.4A Active CN105473180B (zh) | 2013-12-20 | 2013-12-20 | 放射疗法治疗计划的选择 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11167150B2 (zh) |
EP (1) | EP2999517B1 (zh) |
JP (1) | JP6182678B2 (zh) |
CN (1) | CN105473180B (zh) |
WO (1) | WO2015090457A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3228356B1 (en) * | 2016-04-07 | 2018-03-14 | RaySearch Laboratories AB | Method, computer program and system for optimizing a radiotherapy treatment plan |
CN110060765B (zh) * | 2018-01-19 | 2022-06-17 | 北京连心医疗科技有限公司 | 一种标准化云放疗计划系统和存储介质 |
EP3621085A1 (en) | 2018-09-04 | 2020-03-11 | Koninklijke Philips N.V. | Resource scheduling in adaptive radiation therapy planning |
US10912949B2 (en) * | 2018-09-28 | 2021-02-09 | Varian Medical Systems, Inc. | Multi-criteria optimization tools including time-based criteria for radiation therapy |
WO2020074555A1 (en) * | 2018-10-11 | 2020-04-16 | Koninklijke Philips N.V. | Population-level care plan recommender tool |
EP3669939A1 (en) | 2018-12-20 | 2020-06-24 | RaySearch Laboratories AB | A method, a computer program and a computer system for optimization of at least one treatment plan |
EP3741430B1 (en) * | 2019-05-20 | 2022-08-03 | RaySearch Laboratories AB | System, computer program product and method for radiation therapy treatment planning |
CN110368605B (zh) * | 2019-08-19 | 2020-12-01 | 中北大学 | 一种生物效应引导的自适应放射治疗系统 |
GB201916823D0 (en) * | 2019-11-19 | 2020-01-01 | Tpp | Event data modelling |
US11654299B2 (en) * | 2020-07-02 | 2023-05-23 | Siemens Healthineers International Ag | Methods and apparatus pertaining to radiation treatment plans |
US11844962B2 (en) | 2020-12-30 | 2023-12-19 | Varian Medical Systems, Inc. | Radiotherapy methods, systems, and workflow-oriented graphical user interfaces |
US11660473B2 (en) | 2020-12-30 | 2023-05-30 | Varian Medical Systems, Inc. | Radiotherapy methods, systems, and workflow-oriented graphical user interfaces |
US11654303B2 (en) | 2020-12-30 | 2023-05-23 | Varian Medical Systems, Inc. | Radiotherapy methods, systems, and workflow-oriented graphical user interfaces |
US11759656B2 (en) | 2020-12-30 | 2023-09-19 | Varian Medical Systems, Inc. | Radiotherapy methods, systems, and workflow-oriented graphical user interfaces |
US11786756B2 (en) * | 2020-12-30 | 2023-10-17 | Varian Medical Systems, Inc. | Radiotherapy methods, systems, and workflow-oriented graphical user interfaces |
US11786757B2 (en) | 2020-12-30 | 2023-10-17 | Varian Medical Systems, Inc. | Radiotherapy methods, systems, and workflow-oriented graphical user interfaces |
US11817210B2 (en) | 2020-12-30 | 2023-11-14 | Varian Medical Systems, Inc. | Radiotherapy methods, systems, and workflow-oriented graphical user interfaces |
US20230310891A1 (en) * | 2022-03-29 | 2023-10-05 | Siemens Healthineers International Ag | Method and apparatus for radiation treatment planning |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010094777A1 (en) * | 2009-02-19 | 2010-08-26 | Varian Medical Systems International Ag | Method and apparatus to facilitate generating a treatment plan for irradiating a patient's treatment volume |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222507A (ja) * | 1999-02-01 | 2000-08-11 | Mitsubishi Electric Corp | 放射線治療スケジューリングシステム |
US20070129967A1 (en) * | 2005-12-05 | 2007-06-07 | Thompson Stephen C | Automated method for medical care management |
US20090112618A1 (en) * | 2007-10-01 | 2009-04-30 | Johnson Christopher D | Systems and methods for viewing biometrical information and dynamically adapting schedule and process interdependencies with clinical process decisioning |
US8175892B2 (en) * | 2009-05-26 | 2012-05-08 | Agile Planet Inc. | System and method for radiation therapy imaging and treatment workflow scheduling and optimization |
US8655682B2 (en) * | 2010-07-16 | 2014-02-18 | Gitika Srivastava | Treatment decision engine with applicability measure |
US10762167B2 (en) * | 2013-09-27 | 2020-09-01 | Varian Medical Systems International Ag | Decision support tool for choosing treatment plans |
-
2013
- 2013-12-20 EP EP13821819.3A patent/EP2999517B1/en active Active
- 2013-12-20 WO PCT/EP2013/077729 patent/WO2015090457A1/en active Application Filing
- 2013-12-20 JP JP2016544729A patent/JP6182678B2/ja active Active
- 2013-12-20 CN CN201380078937.4A patent/CN105473180B/zh active Active
- 2013-12-20 US US14/903,192 patent/US11167150B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010094777A1 (en) * | 2009-02-19 | 2010-08-26 | Varian Medical Systems International Ag | Method and apparatus to facilitate generating a treatment plan for irradiating a patient's treatment volume |
Also Published As
Publication number | Publication date |
---|---|
JP6182678B2 (ja) | 2017-08-16 |
EP2999517A1 (en) | 2016-03-30 |
WO2015090457A1 (en) | 2015-06-25 |
EP2999517B1 (en) | 2017-04-26 |
JP2016532530A (ja) | 2016-10-20 |
US20160144198A1 (en) | 2016-05-26 |
US11167150B2 (en) | 2021-11-09 |
CN105473180A (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105473180B (zh) | 放射疗法治疗计划的选择 | |
Bodensteiner | RayStation: External beam treatment planning system | |
Hazell et al. | Automatic planning of head and neck treatment plans | |
CN106029170B (zh) | 增量治疗计划编制 | |
Lee et al. | Integer programming applied to intensity-modulated radiation therapy treatment planning | |
CN105930636B (zh) | 一种自动确定目标函数权重的放射治疗方案优化系统 | |
CN105473182B (zh) | 治疗规划的自动化 | |
CN105377368B (zh) | 用于控制imrt递送复杂度的交互式基于剂量梯度的优化技术 | |
Yock et al. | Initial analysis of the dosimetric benefit and clinical resource cost of CBCT‐based online adaptive radiotherapy for patients with cancers of the cervix or rectum | |
CN105142725B (zh) | 等剂量优化 | |
Long et al. | Sensitivity analysis for lexicographic ordering in radiation therapy treatment planning | |
Yuan et al. | Lung IMRT planning with automatic determination of beam angle configurations | |
Wang et al. | Goal-driven beam setting optimization for whole-breast radiation therapy | |
Podesta et al. | Dose rate mapping of VMAT treatments | |
Cevik et al. | Simultaneous optimization of isocenter locations and sector duration in radiosurgery | |
Ghimire et al. | Forecasting patient-specific dosimetric benefit from daily online adaptive radiotherapy for cervical cancer | |
Petersson et al. | Treatment plan comparison using grading analysis based on clinical judgment | |
Jin et al. | A new plan quality index for nasopharyngeal cancer SIB IMRT | |
US11992703B2 (en) | Correlation of dose and dose rate information to volume for radiation treatment planning | |
Babadagli et al. | A mixed-integer linear programming optimization model framework for capturing expert planning style in low dose rate prostate brachytherapy | |
Eliasson | Automation of robust Pareto front-based radiotherapy treatment planning for prostate cancer patients | |
Dunbar et al. | Optimising lung imaging for cancer radiation therapy | |
Luca et al. | Evaluating the plan quality of a general head-and-neck knowledge-based planning model versus separate unilateral/bilateral models | |
Purdie | Automated breast planning in RayStation | |
Folkerts | Topics in Cancer Radiotherapy: Automated Treatment Planning and Quality Assurance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |