CN113164757A - 用于优化至少一个治疗计划的方法、计算机程序和计算机系统 - Google Patents
用于优化至少一个治疗计划的方法、计算机程序和计算机系统 Download PDFInfo
- Publication number
- CN113164757A CN113164757A CN201980076266.5A CN201980076266A CN113164757A CN 113164757 A CN113164757 A CN 113164757A CN 201980076266 A CN201980076266 A CN 201980076266A CN 113164757 A CN113164757 A CN 113164757A
- Authority
- CN
- China
- Prior art keywords
- radiation
- optimization
- resources
- optimization problem
- plan
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000011282 treatment Methods 0.000 title claims abstract description 50
- 238000004590 computer program Methods 0.000 title claims description 9
- 230000005855 radiation Effects 0.000 claims abstract description 88
- 238000005457 optimization Methods 0.000 claims abstract description 82
- 238000001959 radiotherapy Methods 0.000 claims description 12
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 28
- 230000011218 segmentation Effects 0.000 description 18
- 238000000275 quality assurance Methods 0.000 description 13
- 238000005192 partition Methods 0.000 description 11
- 238000002560 therapeutic procedure Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 9
- 230000015654 memory Effects 0.000 description 8
- 150000002500 ions Chemical class 0.000 description 7
- 238000013442 quality metrics Methods 0.000 description 7
- -1 carbon ions Chemical class 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002661 proton therapy Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000002665 ion therapy Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002725 brachytherapy Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 2
- 238000011277 treatment modality Methods 0.000 description 2
- 238000002729 3-dimensional conformal radiation therapy Methods 0.000 description 1
- 238000011455 3D conformal radiation therapy Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000920 organ at risk Anatomy 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002105 relative biological effectiveness Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- A61N5/103—Treatment planning systems
-
- 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
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Urology & Nephrology (AREA)
- Radiation-Therapy Devices (AREA)
Abstract
一种在治疗计划中对资源的使用进行优化的方法，该方法涉及向一个或多个患者递送的多个辐射组，这些辐射组分别需要不同的资源，其中，使用包括与第一和第二资源组相关的优化函数的优化问题来执行优化。该方法可以用于为一个患者优化一个计划，或为不同患者优化多个计划，使得以最佳可能方式使用可用资源。
Description
技术领域
本发明涉及用于涉及多个辐射组的剂量计划的系统和方法。
背景技术
在放射疗法治疗中，可以使用不同类型的辐射和不同的模态，其具有不同的性质并且涉及不同的成本。对于特定形式的治疗，某些模态可能比其他模态更有效，但同时可能更昂贵或需要使用有限的资源。
对于一个特定患者以及需要相同资源组的一组患者，以最佳可能的方式使用有限的资源一直是一个挑战。一个示例是如何将光子疗法与质子疗法相结合，使得以最具成本有效的方式使用资源，尤其是质子递送系统，从而获得最佳结果。
当今，放射疗法最常用的类型是光子疗法，其已被很好地建立，并且大多数设施都具有用于此目的的资源。通常利用质子或碳离子的离子疗法可以进行更精确的治疗，因此从质量角度来看通常更优选。同时，它需要目前昂贵得多的设备，因此更加稀缺。可以为一个患者使用不同类型的辐射的组合。放射疗法通常以多个分割递送给患者，例如每天一次。许多患者将从接收至少一些分割作为离子疗法而接收其余分割作为光子疗法中受益。由于可用性有限，应在可能产生最大积极效果的情况和程度下使用离子疗法。
欧洲专利申请EP2999517讨论了通过以下方式优化多个患者的治疗计划：首先可能使用不同的模态优化多个计划，然后选择计划的组合，其在资源受限的情况下提供最佳的计划质量。
Unkelbach等人的“Optimization of combined proton-photon treatments(质子-光子联合治疗的优化)”，Radiother Oncol 128(1)：133-138，2018年，讨论了双模态治疗的优化，该模态之间的权重被预定以比单模态治疗提高了计划质量。
发明内容
本发明的目的是能够利用最有效的资源使用来计划放射疗法。
本发明涉及一种用于至少使用第一和第二辐射组来优化至少第一治疗计划的治疗计划优化方法，其中，第一辐射组要被递送给第一患者，并且第二辐射组要被递送给第一患者或第二患者。第一和第二辐射组分别需要第一和第二资源组，并且优化使用包括与第一和第二资源组有关的优化函数的优化问题来执行。
结果可以是使用至少第一和第二辐射组的用于一个患者的一个治疗计划，每个都使用一个辐射组的第一和第二患者的第一和第二治疗计划，或第一和第二患者的第一和第二治疗计划，其中，每个治疗计划可以使用多个辐射组，或者针对任何数量的患者每个使用一个治疗计划，其中，每个治疗计划使用一个或多个辐射组。当为多个患者进行计划时，优化问题被设计来通过在优化问题的目标函数和/或约束中对于多个患者考虑组合的资源需求和计划质量来共同优化针对多个患者的计划。
辐射组由DICOM标准定义为辐射的集合(例如，外部束放射疗法中的束或近距离放射疗法中的导管)。辐射组定义了放射疗法治疗分割或放射疗法治疗分割的一部分，其将被应用一次或多次。通常，每个辐射组需要特定的资源组来递送治疗。用于不同辐射组的资源可能或多或少地昂贵并且或多或少地可用。通常将放射疗法治疗分为多个分割，并且可以对不同分割使用不同的辐射组，以例如在某些分割中包含比其他分割更大的束角。使用不同辐射组的另一个常见原因是组合了不同的治疗技术或模态。不同的辐射组可以是例如质子和光子辐射，或者是体积调制电弧疗法(VMAT)和强度调制辐射疗法(IMRT)。然后可以在相同治疗分割期间递送辐射组。将在详细描述中更详细地讨论这些和其他可能的组合。
可以一起使用的治疗技术或模态的示例包括VMAT、静态多叶准直IMRT(SMLC)、动态多叶准直IMRT(DMLC)、螺旋断层放疗、质子、氦离子、碳离子、其他离子的主动扫描、近距离放射疗法、被动散射和离子的均匀扫描。
根据本发明的方法可以用于在一组患者之间分配可用资源，以实现最佳的总体效果，通常是资源利用与计划质量之间的最佳平衡。这是通过在优化一个或多个治疗计划时已经考虑到资源需求来实现的。例如，该方法可以用于确定有限资源(例如质子放射疗法递送系统)的最佳可能使用。在这种情况下，该方法可用于优化对不同患者的资源分配。在优选的实施例中，根据本发明的总体优化可以用于瞄准在患者之间资源的分配，这将带来最大的益处。在进一步的步骤中，给定分配给该患者的资源，可以针对每个患者优化单独的治疗计划。
本发明的另一可能的应用是在递送给患者的不同分割使用不同的辐射组(例如具有较高数量的束的第一组和具有减少数量的束的第二组)时，以确定多少分割应该使用第一组，多少分割应该使用第二组，以便以成本有效的方式获得最佳效果。
在优选实施例中，优化问题还包括至少一个优化函数，其被设置为限制第一和第二资源组中的至少一个的使用。如本领域中常见的那样，每个优化函数都可以表示为约束，定义必须由所得计划实现的目标或目标函数中的项，应对其进行优化以使其尽可能地好，但这是相对于目标中的其他项的折中。优化问题可以包括与所有患者的所有计划、单个患者的完整计划、辐射组的子集、单个辐射组或辐射组内的单个束有关的优化函数。根据本发明，为两个或多个辐射组一起考虑资源。
优化问题优选地包括与辐射组之一要递送的目标剂量有关的优化函数。可以将目标剂量设置为最小、平均或中值目标剂量，或应递送至目标体积的指定分割的最小剂量。
在优选实施例中，优化问题还包括至少一个优化函数，其被设置为限制所有辐射组上的总递送时间。取决于诊所的资源，当优化中包括束组的递送时间或成本时，可以在优化中已经考虑到不同治疗机的可用时隙。
第一辐射组可以例如是光子辐射组，而第二辐射组可以是诸如质子或碳离子辐射组的离子辐射组。替代地，第一和第二辐射组可以是两种不同类型的离子辐射组，或者是任何期望的组合。
对于针对多个患者的计划的联合优化，优化问题优选地被设计为通过在目标函数和/或约束中对于多个患者考虑资源需求和计划质量来联合优化针对多个患者的计划。
根据前述权利要求中的任一项所述的方法，其中，所述优化问题包括被设置为有利于所述辐射组之一的至少一个优化函数。这适用于其中辐射组之一比其他辐射组更容易获得的情况，以避免使较少可用的辐射组过载。
优化问题可以包括可以有利于关于计划质量的不同模态的功能。此类功能可能通过下述方式与计划稳健性相关：或者显式地通过使用稳健的优化函数，或者隐含地通过计划稳健性的某种替代方案和/或目标外部的剂量(例如进入剂量、远侧脱落和半影)。
存在用于预测从一种计划切换到另一种计划的正面或负面效果的模型。这些模型可用于测量将特定种类的分割交换为另一种分割的效果，即，例如，与使用减少的束组相比，利用大量束，或者与使用光子辐射相比，利用质子辐射。这样的模型可以用于计算包括例如针对特定患者的质子辐射的额外分割的成本和收益。
根据本发明的成本可以基于许多不同的参数来确定，所述参数例如是以下的一个或多个：
·实际货币成本，
·设备的可用性，
·现有人员的工作量，或
·其他将不会接受治疗的患者的损失的益处。
本发明还涉及一种计算机程序产品，该计算机程序产品包括计算机可读代码装置，该计算机可读代码装置优选地存储在非暂时性存储介质上，当在处理器中运行时，该计算机可读代码装置将使处理器执行根据以上实施例中的任何一个的方法。
一种计算机系统，包括处理器、数据存储器和程序存储器，其中，所述程序存储器包括根据以上所述的计算机程序产品，所述计算机程序产品被设置为在所述处理器中运行以控制放射疗法治疗计划。
附图说明
以下将通过示例并参考附图更详细地描述本发明，在附图中，
图1是根据本发明可以使用的方法的第一实施例的流程图。
图2是根据本发明可以使用的方法的第二实施例的流程图。
图3是其中可以执行根据本发明的方法的计算机系统的概观。
具体实施方式
通常，治疗计划的优化涉及定义优化问题，该优化问题可以包括一个或多个目标函数和一个或多个约束。目标函数定义了应尽可能好地优化的变量。约束是不可超过的绝对限制，例如，对目标的最小剂量或对处于危险中的器官的最大剂量。
在下文中，将讨论一些示例，以针对单个患者使用多个辐射组进行优化，然后针对多个患者使用多个辐射组进行优化。目标函数将在示例中以“最小化”或“最大化”表示，约束将表示为“受限于”。在下面的所有示例中，优化问题还可能包括除了与列出的与传统优化目标有关的那些之外的其他目标项和/或约束。
可以以各种方式找到具有资源需求的多辐射组优化的解决方案：例如，可以离散化可能的资源分配，并且可以为每个备选方案计算解决方案。可以多次重复此过程以逐渐改善离散化的解析度。另一种方法是忽略优化期间的资源需求，然后将优化的解决方案四舍五入到可行的点，例如，通过四舍五入到分割的最接近的整数数量。然后可以在考虑资源需求的情况下继续优化。也有可能在优化中将资源表示为变量。
优化问题可以包括目标函数，该目标函数在对资源的可用性有约束的情况下，为患者优化结果，反之亦然，优化问题可以包括目标函数，该目标函数在对患者给定的最小可接受治疗质量有约束的情况下，对资源的使用进行优化。
为了针对单个患者使用具有不同治疗技术的多个辐射组来优化治疗，通常是一种治疗技术是优选的但又较少可获得的情况。
可以使用的一种约束类型是治疗的最大总时间tmax。对于使用VMAT和SMLC辐射组的计划，具有这种约束的可能的优化问题变为
最小化f(dSMLC,dVMAT) (1)
受限于tSMLC+tVMAT≤tmax,
其中，f(dSMLC，dVMAT)是与SMLC辐射组的剂量分布dSMLC和VMAT辐射组的剂量分布dVMAT有关的目标函数，其中，tSMLC和tVMAT分别是SMLC辐射组和VMAT辐射组的递送时间。目标函数可以例如对辐射组的各个剂量进行评分，或对辐射组的总剂量进行评分，或对其组合进行评分，即：
f(dSMLC,dVMAT)
＝f1(dSMLC)+f2(dVMAT)+f3(dSMLC+dVMAT) (2)
对于某些目标组成函数f1、f2和f3。
另外，可以对花费在SMLC辐射组上的最大时间tmax SMLC、花费在VMAT辐射组上或分别花费在每个辐射组上的最大时间tmax VMAT设置约束，即：
tSMLC≤tmax SMLC以及tVMAT≤tmax VMAT (3)
如果考虑质量保证(QA)，则可能会出现当首选一种治疗技术但又较少看使用其时的另一种情况。特定于患者的QA通常是有限的资源，因为它涉及在幻影几何体上的计划的治疗的递送以及所递送剂量的测量和分析。对于某些复杂的治疗技术(例如SMLC或VMAT)，QA通常被认为是必要的，并且通常需要特殊的资源。对于更简单的治疗技术，例如3D-CRT，可能不需要QA，或者如果执行了QA，则其成本会更低。复杂的技术还会涉及QA失败的更高风险，使得必须优化新计划。因此，就工作负荷和治疗机器的使用而言，必须相对于QA的成本权衡需要患者特定QA的治疗技术的优势。包含这种折衷的优化公式的示例是根据以下方法同时优化三维共形放射疗法(3DCRT)和SMLC辐射组
最小化f(dSMLC,d3DCRT)+g(xSMLC,x3DCRT) (4)
其中，x3DCRT和xSMLC分别是3DCRT和SMLC辐射组的优化变量，其中，在给定优化变量的当前配置的情况下，d3DCRT和dSMLC分别是3DCRT和SMLC辐射组的剂量分布，函数g是量化对3DCRT和SMLC辐射组的QA所需资源成本的函数。
在相关应用中，计划没有通过QA评估并因此要求进行重新计划的风险被包括在优化中。在此类应用中，可以根据以下部分制定同时优化3DCRT和SMLC辐射组，其中，将QA失败的风险限制在某个阈值水平b之内。
最小化f(dSMLC,d3DCRT) (5)
受限于p(xSMLC,x3DCRT)≤b.
其中，p是预测伽马分析通过率并计算组合的3DCRT和SMLC治疗如何可能无法通过QA评估的估计的函数。这样的优化函数可以基于通过将机器学习应用于历史治疗计划而构建的预测模型。
如果使用治疗技术的组合，则可以对应该使用一种模态或每种模态的分割的数量添加约束。这可能适用于以下情况：其中，存在有多少特定技术可以用于要考虑的患者类型的规定。例如，组合了光子和碳放射疗法的将要以总共nf个分割递送的治疗可能会受到以下约束：最多可以使用一定数量nc个碳分割，而光子分割的数量nph被约束为等于nf-nc，即nph+nc＝nf。在这种情况下，可以如下设置优化问题：
最小化f(dph,dc) (6)
受限于
nc＝(平均目标剂量碳)/(分割大小碳)
nc≤(碳分割的最大数量)
nph＝(平均目标剂量光子)/(分割大小光子)
nph+nc＝nf
碳分割nc和光子分割nph的数量分别是此优化问题中的变量，并且也可以用于目标函数中，以例如对于对取决于分割数量的辐射敏感的器官在剂量上施加惩罚。这种函数的一个示例是
其中，
是器官的最大允许分割光子剂量。也就是说，对于敏感器官体素的集合OAR中的每个体素i，如果总剂量大于最大允许的分割剂量乘以分割分量，则将存在二次惩罚。
等式(1)、(3)和(6)的组合可以用于优化问题，即，对每个分割的时间的约束和对分割的数量的约束两者。
如果将使用不同类型的离子的两种模态组合，则可以利用关于每种模态可以被使用多少的限制来优化每种类型的离子的使用。
如上所述，治疗模态的常见组合是光子疗法和质子疗法。质子疗法递送系统不如光子递送系统常见，因此是有限的资源。同时，在很多情况下，质子疗法优于和优选于光子疗法。一种解决方案是为患者提供许多质子分割，以及作为光子疗法的其余分割。质子分割的最佳数量是最后一个仍能提供一定程度改进的数量。
为了实现这一点，该优化可能受到以下约束：对于要给出的附加质子分割，该优化必须至少将某种质量量度提高至少一个最小量。在这种情况下适用的质量量度是正常组织并发症发生率(NTCP)。如以下将讨论的，这可以以不同的方式来实现。
例如，可以明确地解决光子分割和质子分割的不同划分，即分别解决光子分割和质子分割的数量的不同组合。在一般情况下，这涉及从要用于每个辐射组的分割的初始数量开始，分割的初始数量的总和是治疗中分割的总数。一起对所有辐射组执行辐射组优化，并评估质量量度。接下来，更改分割的初始数量，但总和仍为分割的总数，并执行新的优化并评估质量量度。对于每个辐射组的分割的数量的不同组合，将此重复多次，直到获得令人满意的质量量度。选择给出最满意结果的每个辐射组的分割数量的组合。
图1是在双辐射组中分别确定质子分割和光子分割的最佳数量的顺序方法的实施例的流程图。在步骤S11中，设置质子分割的第一数量npr，通常为0，并且设置光子分割的第一数量nph。npr和nph的总和应始终等于分割nf的总数。
在步骤S12中，一起对两个辐射组(即，在该示例中，质子和光子辐射组)执行优化。在步骤S13中，评估质量量度。
在步骤S14中，基于质量量度确定是否应当评估另一组分割数量。如果是，则继续步骤S15以形成新的循环，如果否，则过程结束。在步骤S15中，质子分割的数量npr递增整数，例如递增1。同样，光子分割的数量nph递减相同的整数。然后，过程返回到步骤S12。
通常，在步骤S14中，如果与先前的质量量度相比改进了最新的质量量度，则所述过程以新的循环继续。可以设置阈值，以便如果质量量度未改进超过某个特定值，则该过程将结束。可替代地，可以为质量量度设置目标值，并且当质量量度达到该目标值时，过程结束。
该方法基于以下见识：增加数量的质子分割通常将改善计划质量，而光子疗法更便宜且更容易获得。因此，通常，最有限的资源的分割数量应从0开始，或者在每次优化之间递增一定数量的低的数量，而更多的可用资源应从分割总数开始，或者递减相同的数量的高的数量。当进一步增加质子分割的数量不再导致质量量度的显著改善时，该过程应停止，并且在计划优化中应使用npr和nph的当前值，如步骤S16中所示。
图2示出了替代实施例，该替代实施例涉及利用分割的极端划分在步骤S21中开始的双辐射优化中分别确定质子分割和光子分割的最佳数量的二元搜索方法，例如npr＝0质子分割和nph＝nf光子分割。在步骤S21中，引入了两个附加变量L和R，其对应于二元搜索期间质子分割的数量的下限和上限。在步骤S22中，分别针对npr和nph以及npr+1和nph-1计算计划质量。在步骤S23中，确定在步骤S22中执行的两次计算之间的质量差，这通常将指示较高数量的质子分割涉及相对于较低数量的质子分割的改进。
在步骤S24中，确定是否应该执行另一个优化。如果否，则过程结束。如果是，则在步骤S25中，基于在步骤S23中确定的改进幅度，例如以下列方式确定新的分割数量的组：如果改进超出限制，则将L设置为npr的当前值，然后将npr增加到L和R之间的点，例如它们之间的中点，如果数字不是整数，则将其四舍五入。如果数字小于限制，则将R设置为npr的当前值，然后将npr减小到L和R之间的点，例如它们之间的中点；如果数字不是整数，则将其四舍五入。设置光子分割nph的数量，使npr+nph＝nf。如果否，则过程结束，并且如步骤S26所示，在计划优化中使用当前分割数量npr和nph。
在步骤S24中，确定步骤可以有利地基于间隔[L，R]的大小。当间隔的大小小于某个值时，该过程结束。
还可以通过根据分割的不同划分来缩放预定的光子计划和预定的质子计划，并基于所得的近似质量增加来选择数量，近似地解决该问题。当已经确定划分时，可以执行具有确定的资源限制的多束组优化，以进一步提高计划质量。
即使使用质量上更加相等的两种治疗模态使得一种通常不优于另一种，对于辐射组的组合进行优化以利用它们具有不同属性的事实仍然是可行的。例如，一种模态可能不太受不确定性(例如患者设置不确定性)的影响，而其他模态则提供了更清晰的剂量梯度，从而实现了更精确的治疗。
在下文中，将讨论如何使用多个辐射组为多个患者设置优化问题的一些示例。
可能为所有患者设置完整的优化问题作为具有与资源的整体使用相关的附加目标函数或约束的所有患者的优化问题的组合，并且在一个操作中解决整个优化问题。如上所述，可以以总资源的可用性、每个患者的具体情况的益处以及质量度量的形式考虑资源的整体使用。
可以例如，从下述意义上说使用更简单的总体优化问题来确定患者之间的资源最佳分配：一个患者可能比另一个患者更受益于额外的质子分割。在那种情况下，可以使用分配给该患者的模态的组合，其后计算出每个患者的实际治疗计划。约束可能是，对于一个特定的辐射组，在资源有限的情况下，在给定的时间段内只有一定数量的分割可用。应该设置优化问题，以使这些分割以最佳方式分布在将从该辐射组受益最大的患者之中。
如上所述，经常使用光子分割和质子分割的组合，质子分割通常更好，但也更昂贵且更稀缺。为了确定在两个或多个患者之间分配有限数量的质子分割的最佳方法，可以使用诸如以下部分的优化问题同时优化患者的计划，其中，n是患者的数量，对于患者i，fi是目标函数，
是质子剂量，
是光子剂量，npr，i是质子分割的数量，(平均目标质子剂量)i是平均目标质子剂量，并且(分割大小)i是分割大小：
最小化
受限于
npr，i＝(平均目标质子剂量)i/(分割大小)i对于i＝1,…,n
可以为代表有限资源的任何机器、模态、操作员等设置类似的问题。约束可以表示为分割的数量、分割的大小和/或机器可用的时间量。
即使在可用资源上没有界限，但是如果资源的最佳组合不重大，则优化分配资源的最佳方式可能仍然是有利的。例如，在同时优化质子和光子时，如果考虑到针对几何误差的鲁棒性，仅使用质子分割可能不是最佳的，因为质子通常受几何误差的影响更大。在那种情况下，可以使用类似于等式(6)的优化问题，但用“质子”代替“碳”，并且可以使用用户定义的质子分割数量上限。作为另一个示例，考虑相对生物学有效性和几何不确定性的离子种类的最佳组合绝非易事。
图3是可以在其中执行本发明方法的计算机系统的示意表示。计算机31包括处理器33、第一和第二数据存储器34、35以及程序存储器36。优选地，还存在一个或多个用户输入装置38、39，其形式为键盘、鼠标、操纵杆，语音识别装置或任何其他可用的用户输入装置。用户输入装置也可以被设置为从外部存储器单元接收数据。
第一数据存储器34包括用于执行该方法的必要数据，包括nf、npr、nph的值以及适用的阈值和极限。第二数据存储器35保存与要为其制定治疗计划的一个或多个当前患者有关的数据。第一程序存储器保存计算机程序，该计算机程序被设置为使计算机执行方法步骤，例如，如结合图1或图2所讨论的。
将理解，示意性示出并讨论了数据存储器34、35以及程序存储器36。可能有几个数据存储单元，每个数据存储单元都保存一种或多种不同类型的数据，或者可能有一个数据存储器，其以适当的结构化方式保存所有数据，并且对于程序存储器也一样。
Claims (13)
1.一种优化涉及至少第一辐射组和第二辐射组的至少一个治疗计划的方法，其中，所述第一辐射组要被递送给第一患者，并且所述第二辐射组要被递送给第一患者或第二患者，所述第一辐射组和所述第二辐射组分别需要第一资源组和第二资源组，其中，所述优化使用包括与所述第一资源组和所述第二资源组有关的优化函数的优化问题来执行。
2.根据权利要求1所述的方法，其中，所述优化问题还包括被设置为限制所述第一资源组和所述第二资源组中的至少一个的使用的至少一个优化函数。
3.根据前述权利要求中的任一项所述的方法，其中，所述优化问题包括与由所述辐射组之一将要递送的目标剂量有关的优化函数。
4.根据前述权利要求中的任一项所述的方法，其中，所述优化问题还包括被设置为限制所有辐射组上的总递送时间的至少一个优化函数。
5.根据前述权利要求中的任一项所述的方法，其中，所述第一辐射组是光子辐射组，并且所述第二辐射组是离子辐射组，例如质子或碳辐射组。
6.根据前述权利要求中的任一项所述的方法，其中，所述优化问题被设计为针对一个患者优化治疗计划。
7.根据权利要求1-5中任一项所述的方法，其中，所述优化问题被设计为优化至少两个患者之间的资源分配。
8.根据前述权利要求中的任一项所述的方法，其中，计划涉及将所述第一辐射组和所述第二辐射组作为多个分割来递送，并且所述优化问题被设计为确定在对于所述辐射组的每个的计划中要包括的分割的数量。
9.根据权利要求8所述的方法，包括以下步骤：使用诸如正常组织并发症机率(NTCP)的合适的质量量度，基于利用所述数量的分割实现的所得计划质量，确定要包括在所述计划中的所述第一辐射组的分割的数量。
10.根据前述权利要求中的任一项所述的方法，其中，所述优化问题被设计为通过在所述目标函数和/或约束中针对多个患者考虑资源需求和计划质量来共同优化针对多个患者的计划。
11.根据前述权利要求中的任一项所述的方法，其中，所述优化问题包括被设置为有利于所述辐射组之一的至少一个优化函数。
12.一种计算机程序产品，包括计算机可读代码装置，所述计算机可读代码装置优选地存储在非暂时性存储介质上，所述计算机可读代码装置在处理器中运行时将使所述处理器执行根据前述权利要求中任一项所述的方法。
13.一种计算机系统(31)，包括处理器(33)、至少一个数据存储器(34、35)和程序存储器(36)，其中，所述程序存储器包括根据权利要求12所述的计算机程序产品，所述计算机程序产品被设置为在所述处理器中运行以控制放射疗法治疗计划。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP18214611.8 | 2018-12-20 | ||
| EP18214611.8A EP3669939A1 (en) | 2018-12-20 | 2018-12-20 | A method, a computer program and a computer system for optimization of at least one treatment plan |
| PCT/EP2019/084811 WO2020126790A1 (en) | 2018-12-20 | 2019-12-12 | A method, a computer program and a computer system for optimization of at least one treatment plan |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113164757A true CN113164757A (zh) | 2021-07-23 |
Family
ID=64746445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980076266.5A Pending CN113164757A (zh) | 2018-12-20 | 2019-12-12 | 用于优化至少一个治疗计划的方法、计算机程序和计算机系统 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220072334A1 (zh) |
| EP (1) | EP3669939A1 (zh) |
| JP (1) | JP7474259B2 (zh) |
| CN (1) | CN113164757A (zh) |
| WO (1) | WO2020126790A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4340939A1 (de) * | 2021-05-03 | 2024-03-27 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Mco auswahl von behandlungstechnologien bei der radiotherapie (verfahren, technisch funktionale gui und verwendung) |
| WO2024185171A1 (ja) * | 2023-03-07 | 2024-09-12 | 株式会社日立ハイテク | パス率予測システム、パス率予測システムを有する粒子線治療システムおよびパス率予測方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070034812A1 (en) * | 2003-12-02 | 2007-02-15 | Chang-Ming Ma | Method of modulating laser-accelerated protons for radiation therapy |
| US20100228116A1 (en) * | 2009-03-03 | 2010-09-09 | Weiguo Lu | System and method of optimizing a heterogeneous radiation dose to be delivered to a patient |
| US20110091014A1 (en) * | 2009-10-20 | 2011-04-21 | Varian Medical Systems International Ag | Dose Calculation Method for Multiple Fields |
| US20120014507A1 (en) * | 2010-07-16 | 2012-01-19 | Duke University | Automatic Generation of Patient-Specific Radiation Therapy Planning Parameters |
| US20120123184A1 (en) * | 2006-07-27 | 2012-05-17 | British Columbia Cancer Agency Branch | Systems and methods for optimization of on-line adaptive radiation therapy |
| US20130090549A1 (en) * | 2010-06-11 | 2013-04-11 | Koninklijke Philips Electronics N.V. | Simultaneous multi-modality inverse optimization for radiotherapy treatment planning |
| US20160144198A1 (en) * | 2013-12-20 | 2016-05-26 | Raysearch Laboratories Ab | Selection of radiotherapy treatment plans |
| CN107545137A (zh) * | 2017-08-16 | 2018-01-05 | 强深智能医疗科技（昆山）有限公司 | 肿瘤放射治疗计划智能优化方法 |
| WO2018053648A1 (en) * | 2016-09-23 | 2018-03-29 | The Royal Institution For The Advancement Of Learning/Mcgill University | Treatment planning based on multiple modalities |
| CN108057177A (zh) * | 2017-12-11 | 2018-05-22 | 太原工业学院 | 一种基于模糊推理的混合准则放疗参数自动优化方法 |
| CN108339202A (zh) * | 2018-03-15 | 2018-07-31 | 上海市质子重离子医院有限公司 | 基于患者源性肿瘤组织异种移植模型的个体化相对生物学效应建立的碳离子放疗方法 |
| US10092774B1 (en) * | 2017-07-21 | 2018-10-09 | Varian Medical Systems International, AG | Dose aspects of radiation therapy planning and treatment |
Family Cites Families (3)
| 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 |
| 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 |
| EP3108932B1 (en) * | 2015-06-26 | 2018-01-31 | RaySearch Laboratories AB | Method, computer program and system for optimizing radiotherapy treatment |
-
2018
- 2018-12-20 EP EP18214611.8A patent/EP3669939A1/en active Pending
-
2019
- 2019-12-12 WO PCT/EP2019/084811 patent/WO2020126790A1/en active Application Filing
- 2019-12-12 CN CN201980076266.5A patent/CN113164757A/zh active Pending
- 2019-12-12 JP JP2021535086A patent/JP7474259B2/ja active Active
- 2019-12-12 US US17/415,768 patent/US20220072334A1/en active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070034812A1 (en) * | 2003-12-02 | 2007-02-15 | Chang-Ming Ma | Method of modulating laser-accelerated protons for radiation therapy |
| US20120123184A1 (en) * | 2006-07-27 | 2012-05-17 | British Columbia Cancer Agency Branch | Systems and methods for optimization of on-line adaptive radiation therapy |
| US20100228116A1 (en) * | 2009-03-03 | 2010-09-09 | Weiguo Lu | System and method of optimizing a heterogeneous radiation dose to be delivered to a patient |
| US20110091014A1 (en) * | 2009-10-20 | 2011-04-21 | Varian Medical Systems International Ag | Dose Calculation Method for Multiple Fields |
| US20130090549A1 (en) * | 2010-06-11 | 2013-04-11 | Koninklijke Philips Electronics N.V. | Simultaneous multi-modality inverse optimization for radiotherapy treatment planning |
| US20120014507A1 (en) * | 2010-07-16 | 2012-01-19 | Duke University | Automatic Generation of Patient-Specific Radiation Therapy Planning Parameters |
| US20160144198A1 (en) * | 2013-12-20 | 2016-05-26 | Raysearch Laboratories Ab | Selection of radiotherapy treatment plans |
| WO2018053648A1 (en) * | 2016-09-23 | 2018-03-29 | The Royal Institution For The Advancement Of Learning/Mcgill University | Treatment planning based on multiple modalities |
| US10092774B1 (en) * | 2017-07-21 | 2018-10-09 | Varian Medical Systems International, AG | Dose aspects of radiation therapy planning and treatment |
| CN107545137A (zh) * | 2017-08-16 | 2018-01-05 | 强深智能医疗科技（昆山）有限公司 | 肿瘤放射治疗计划智能优化方法 |
| CN108057177A (zh) * | 2017-12-11 | 2018-05-22 | 太原工业学院 | 一种基于模糊推理的混合准则放疗参数自动优化方法 |
| CN108339202A (zh) * | 2018-03-15 | 2018-07-31 | 上海市质子重离子医院有限公司 | 基于患者源性肿瘤组织异种移植模型的个体化相对生物学效应建立的碳离子放疗方法 |
Non-Patent Citations (1)
| Title |
|---|
| 田广伟;李楠;李光;: "质子射线与光子射线治疗肺癌的剂量学比较:meta分析", 中国肺癌杂志, no. 05 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3669939A1 (en) | 2020-06-24 |
| JP2022515388A (ja) | 2022-02-18 |
| JP7474259B2 (ja) | 2024-04-24 |
| WO2020126790A1 (en) | 2020-06-25 |
| US20220072334A1 (en) | 2022-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11389669B2 (en) | System and method for radiotherapy treatment planning and delivery | |
| CN102812465B (zh) | 包括高效剂量计算的剂量计算任务的安排 | |
| US11291856B2 (en) | Method, a computer program product and a computer system for radiotherapy | |
| US10173076B2 (en) | System and method for determining a radiation treatment plan and a radiation therapy machine | |
| US7266175B1 (en) | Planning method for radiation therapy | |
| CN113164757A (zh) | 用于优化至少一个治疗计划的方法、计算机程序和计算机系统 | |
| US9889317B2 (en) | System and method for automated radiation treatment planning using physical objectives | |
| Van Haveren et al. | Lexicographic extension of the reference point method applied in radiation therapy treatment planning | |
| US12076586B2 (en) | Method and system for robust radiotherapy treatment planning for biological uncertainties | |
| Dai et al. | Intensity‐modulation radiotherapy using independent collimators: An algorithm study | |
| EP2953680A1 (en) | Apparatus for determining a number of beams in imrt | |
| US11000704B2 (en) | Managing radiotherapy systems | |
| Tuncel et al. | Strong valid inequalities for fluence map optimization problem under dose-volume restrictions | |
| CN111375145A (zh) | 用于使用连续质量度量进行治疗计划的系统和方法 | |
| US7206377B2 (en) | Predictive organ dynamics database and code | |
| EP3843837A1 (en) | System and method for robust treatment planning in radiation therapy | |
| CN113226458B (zh) | 用于无源离子放射疗法治疗的计划的计算机程序产品和系统 | |
| Long | Optimization Problems in Radiation Therapy Treatment Planning. | |
| EP3574956A1 (en) | A method and a corresponding radiation treatment system for facilitating optimization of a multimodal radiation therapy plan | |
| Ramakrishnan | Dynamic optimization of fractionation schedules in radiation therapy | |
| Popple et al. | Beam geometry selection using sequential beam addition | |
| US11992704B2 (en) | Method, computer program product and computer system for particle-based radiotherapy treatment planning | |
| Potter et al. | Beam flatness modulation for a flattening filter free photon beam utilizing a novel direct leaf trajectory optimization model | |
| Böck et al. | Towards Robust Adaptive Radiation Therapy Strategies | |
| WO2023193977A1 (en) | Methods and system related to radiotherapy treatment planning |
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 |