CN117057209A - 用于降低由于偏离粒子加速系统的操作参数的计划值而中断辐照治疗疗程的风险的计算机实施的方法 - Google Patents
用于降低由于偏离粒子加速系统的操作参数的计划值而中断辐照治疗疗程的风险的计算机实施的方法 Download PDFInfo
- Publication number
- CN117057209A CN117057209A CN202310532746.6A CN202310532746A CN117057209A CN 117057209 A CN117057209 A CN 117057209A CN 202310532746 A CN202310532746 A CN 202310532746A CN 117057209 A CN117057209 A CN 117057209A
- Authority
- CN
- China
- Prior art keywords
- distribution
- calculated
- confidence level
- tentative
- clj
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 63
- 230000001133 acceleration Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001959 radiotherapy Methods 0.000 title description 6
- 238000009826 distribution Methods 0.000 claims abstract description 192
- 238000012544 monitoring process Methods 0.000 claims description 32
- 238000000151 deposition Methods 0.000 claims description 21
- 230000008021 deposition Effects 0.000 claims description 18
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 210000004881 tumor cell Anatomy 0.000 description 14
- 210000004027 cell Anatomy 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000004980 dosimetry Methods 0.000 description 2
- 238000010884 ion-beam technique Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000000044 Amnesia Diseases 0.000 description 1
- 206010025323 Lymphomas Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000000259 anti-tumor effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006984 memory degeneration Effects 0.000 description 1
- 208000023060 memory loss Diseases 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002661 proton therapy Methods 0.000 description 1
- 208000005069 pulmonary fibrosis Diseases 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000000813 small intestine Anatomy 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000005909 tumor killing Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
- A61N5/1042—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy with spatial modulation of the radiation beam within the treatment head
- A61N5/1043—Scanning the radiation beam, e.g. spot scanning or raster scanning
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- 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
-
- 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
-
- 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
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
- A61N5/1065—Beam adjustment
- A61N5/1067—Beam adjustment in real time, i.e. during treatment
-
- 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
- A61N5/1071—Monitoring, verifying, controlling systems and methods for verifying the dose delivered by the treatment plan
-
- 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
- A61N5/1075—Monitoring, verifying, controlling systems and methods for testing, calibrating, or quality assurance of the radiation treatment apparatus
Abstract
本发明涉及一种用于优化粒子加速系统的操作参数的公差值的计算机实施的方法,该粒子加速系统允许沿着辐照轴线(Z)加速的多个粒子细束根据治疗计划(=TP)通过笔形束扫描(=PBS)将剂量沉积到患者的感兴趣结构中。该方法计算在这些操作参数的预先选择的暂定统计分布中的定义的置信水平(CLj)内随机选择的具有统计代表性的数量N个值的剂量(速率)体积直方图(cD(R)VH),并且将如此获得的cD(R)VH与目标D(R)VH的可接受变化带(BV)进行比较。一旦暂定统计分布(Tj)产生全部落在可接受变化带(BV)内的N个计算的cD(R)VH,该暂定统计分布就被设置为最终统计分布(Tf),并且该粒子加速系统可以用最终统计分布(Tf)来编程。
Description
技术领域
本发明属于通过用加速粒子(如质子)进行辐照来治疗肿瘤细胞的一般领域。具体地,本发明涉及一种用于设置给定粒子加速系统的操作参数的方法,以确保该给定粒子加速系统可以在预定义置信水平内递送满足可接受变化带(BV)内包括的治疗计划(TP)的要求的加速粒子细束。该方法的优点在于,它将由于给定粒子加速系统未能递送满足可接受变化带内的TP的一个或多个细束而不得不突然中断患者辐照疗程的风险降低到预定义置信水平内。
背景技术
用粒子或波(如质子束、电子束、重离子束、x射线、γ射线等)进行的辐射疗法已成为治疗肿瘤患者的必要工具。
笔形束扫描(PBS)是包括将带电粒子细束转向包括定义感兴趣结构的肿瘤细胞的靶的技术。PBS通过对被治疗的区域成形以反映感兴趣结构的肿瘤的几何形状,减少对周围非癌细胞的不必要的辐射暴露。笔形束扫描可以用由各个细束构成的单个束或用具有不同取向的多个束(分别由各个细束构成)来治疗肿瘤,有时称为强度调制型质子疗法(IMPT)。除了靶的几何形状外,PBS还允许根据靶内的位置对细束的参数进行局部调整。这些参数可以包括每个细束的位置和监测单位,以及细束的扫描序列,以及每个细束的起始时间和结束时间。
由于肿瘤细胞和健康细胞两者均被此类辐射损伤,因此癌症治疗中的重要挑战是定义确保有效破坏或杀死肿瘤细胞,同时尽可能保留健康细胞,特别是与这些肿瘤细胞相邻的那些健康细胞的治疗计划(TP)。治疗计划的第一步骤是通过CT扫描捕获肿瘤区域的图像。根据这些图像,肿瘤学家鉴定正确的靶并确定用于沉积以杀死肿瘤细胞的位置和剂量。此类计划必须满足多个通常是相互竞争的参数,因此非常复杂。出于这个原因,治疗计划通常是用计算机执行的。
治疗计划(TP)通常包括n个细束(bi)的阵列的定义,该定义包括计划参数的值,这些计划参数包括:
●每个细束的计划位置,该计划位置定义了每个细束瞄准的斑点的位置,该细束尤其取决于感兴趣结构内肿瘤细胞的位置、大小和几何形状,
●每个细束的计划监测单位(MUpi),该计划监测单位与通过粒子加速系统的喷嘴并且必须到达感兴趣结构中的给定斑点的粒子的数量有关。
●这些计划位置(Xpi)上的计划细束扫描序列;这一点很重要,因为细束将一定剂量沉积到对应的斑点中,但也可能将较低的剂量沉积到相邻的斑点中,这在计算沉积在每个斑点中的总剂量时不能被忽略;这对于下文更详细描述的快速治疗尤其如此。
治疗计划必须确保在治疗结束时已将大于或等于形成有效破坏/杀死肿瘤细胞的目标的最小目标剂量的总目标剂量递送至肿瘤细胞。这可以通过感兴趣结构的目标剂量体积直方图(=tDVH)来定义。tDVH的示例在图1(a)中用实线表示,该图示出了绘制感兴趣结构的体积(%)的图,该结构必须至少接收由图1(a)的曲线的横坐标定义的目标剂量。肿瘤学家还定义了可接受变化带(BV),DVH可以在该变化带内偏离目标tDVH,并且该变化带在图1(a)中用虚线表示。
从历史上看,通过辐射疗法的治疗计划包括以低于1Gy/s的常规剂量沉积速率(CDR)将辐射剂量递送至治疗细胞。除了极少数例外,目前的辐射疗法设备递送剂量速率为约0.1Gy/s,并且大多数临床方案涉及每天递送2至15Gy的若干个目标份量剂量,累积达到总目标剂量,该总目标剂量通常超过位于辐射场中的正常组织的耐受极限,因此使这些正常组织连同肿瘤细胞一起损伤。最近,已经观察到当以常规剂量沉积速率(CDR)或超高剂量沉积速率(HDR)沉积时,相同剂量对健康细胞有不同的影响,但对肿瘤细胞没有;HDR可以比通常应用的常规剂量沉积速率(CDR)大一个或多个数量级。超高剂量沉积速率(HDR)的电荷沉积也称为FLASH-放射疗法(=FLASH-RT)。动物和各种器官上已实验证明,与以CDR的相同剂量常规沉积相比以HDR的超高速率剂量沉积可以显著保留健康组织,同时,肿瘤细胞对HDR沉积的反应与CDR沉积相同甚至更好。例如,据报道FLASH-RT在小鼠中引起肺纤维化、脑辐照后记忆丧失和小肠坏死的发生率显著降低,同时保持抗肿瘤效率不变。此类特异性正常组织保留已在大型动物上证实并且一名皮肤淋巴瘤患者已经在用FLASH-RT治疗。
组织中的剂量速率分布可以通过感兴趣结构的目标剂量速率体积直方图(=tDRVH)来定义。tDRVH的示例在图1(b)中用实线表示,该图示出了绘制感兴趣结构的体积(%)的图,该结构必须接收由图1(b)的曲线的横坐标定义的tDRVH的目标剂量速率或更高剂量速率。肿瘤学家还定义了可接受变化带(BV),DRVH可以在该变化带内偏离目标tDRVH,并且该变化带在图1(b)中用虚线表示。
DVH和DRVH是累积直方图。然而,还存在表示剂量或剂量速率的分布的其他方式。例如,图1(c)示出了差分剂量速率直方图(DDRH),该差分剂量速率直方图指示感兴趣结构中以横坐标中指示的对应剂量速率接收剂量的体素的数量。可接受变化带(BV)用虚线表示,并且长虚线是在治疗疗程期间测量的实际值(=aDDRH)。其他表示是可能的。治疗计划必须实现的感兴趣结构中的期望剂量和剂量速率分布的所有类型的表示在本文中统称为“剂量分布直方图(DDH)”和“剂量速率分布直方图(DRDH)”。为了简洁起见,本文还使用了“剂量(速率)分布直方图(D(R)DH)”的表达,以包括DDH和DRDH两者。
实现计划细束扫描序列可能需要为每个细束定义计划起始时间和计划结束时间。这对于FLASH-RT来说尤其重要。
治疗计划系统(TPS)定义包括位置(Xj)、监测单位(MUj)和斑点序列的细束参数,以实现治疗计划(TP)。转化系统(=TS)在考虑粒子加速系统的限制的情况下,确定实施细束参数所需的给定粒子加速系统的操作参数。这在例如US20200298020、EP3932482和EP3932481A1中进行了描述。确定操作参数以确保由给定粒子加速系统递送的细束将在可接受变化带(BV)内根据目标剂量(速率)分布直方图(D(R)DH)将剂量沉积到感兴趣结构中。TP到机器操作参数的转换对于确保治疗疗程可以在治疗计划内完成并且不会中断是非常重要的,该中断是因为在某个时刻,一些操作参数的随机变化性导致粒子加速系统实际递送的细束产生落在可接受变化带(BV)之外的D(R)DH而产生的。
给定粒子加速系统可能无法精确地满足计划中定义的操作参数的标称值。而是,粒子加速系统将实际操作的操作参数值遵循如图2所展示的由平均值(μj)(其是治疗计划定义的标称值)和表示治疗机器的随机变化性的方差(σj2)表征的特定统计分布(Tj)。这意味着,即使TS将治疗计划(TP)正确地转换为操作参数以确保给定粒子加速系统递送由平均值(μj)表征的细束,在特定治疗疗程中操作参数的实际值也将分布在统计分布曲线(Tj)上的平均值(μj)周围(参考图2)。因此,很明显,在治疗疗程期间,操作参数将偏离遵循其分布的平均值(μi)。在一些情况下,细束的实际操作参数的值可能产生延伸超过(超出)对应的可接受变化带(BV)的D(R)DH,尽管TS进行了正确的TP转换,也必须中断治疗疗程。如果治疗疗程未按计划进行,则其可能会对患者造成危险。
一些粒子加速系统配备有监测设备,该监测设备在细束通过喷嘴递送时测量这些细束的实际操作参数。EP2116277、EP3375484、US10456598、EP3222322、WO 2020249565和EP2833970描述了用于原位监测和验证对由粒子加速系统递送的细束的操作参数的选择的设备的示例。假如如此监测的一个或多个细束的操作参数与计划值不同(这很可能发生),则存在对应的D(R)DH延伸超过可接受变化带(BV)的风险。如果出现这种情况,则必须停止治疗疗程。这对患者来说是非常不舒服的,患者可能不得不根据粒子加速系统的通常紧凑的时间表稍后返回以完成治疗疗程。因此,重要的是考虑操作参数的分布,以确保可以在预定义置信水平(CLj)内完成治疗疗程,其中所有细束都产生符合治疗计划的D(R)DH。
此外,操作参数的实际值与对应的计划值不同并不一定意味着对应的D(R)DH延伸超过可接受变化带。在迄今为止可用的处理器的计算能力的情况下,因为一个实际值与操作参数的计划值不同而为操作参数的实际值的每次测量计算对应的所计算的D(R)DH以决定是否中断治疗疗程是不可想象的。
EP3498336描述了一种用于治疗假人(人体模型)并且在对患者施加治疗之前通过剂量测定来评估DVH的系统和方法。这种技术明显降低了不得不中断治疗疗程的风险,但该技术也需要在进行测试所需的时间内阻断粒子加速系统,在此期间,该粒子加速系统无法用于治疗患者。此外,剂量测定公差可以转化为不同位置或具有不同MU的斑点的不同机器公差水平(例如,感兴趣结构边缘上的斑点可能比结构中心处的斑点对位置准确度具有更高的约束)。如何将剂量速率公差转化为斑点图中每个斑点的公差也不是显而易见的。在某些地方,检查辐照是否处于FLASH-RT模式比在其他地方更重要。剂量速率的公差在组织中的位置之间也可能不同。例如,在感兴趣结构的边缘处可能需要FLASH-RT,其中,肿瘤细胞的两侧是必须保留的健康细胞。
迄今为止,用于确保操作参数将产生期望的D(R)DH的大多数方法都是后验的,即,通过测量由粒子加速系统递送的细束的治疗性质,或者最多是基于在治疗患者之前对假人(人体模型)进行的剂量测定测试。本领域仍然需要一种用于通过计算(即,在不必使用宝贵的加速器时间和能量的情况下)确定要使用的粒子加速系统的一组操作参数从而在预定义置信水平内产生在可接受变化带(BV)内的期望的D(R)DH的方法。
本发明提出了一种用于优化粒子加速系统的操作参数的公差值的计算机实施的方法,该粒子加速系统允许由多个加速粒子细束形成的束根据治疗计划(=TP)通过笔形束扫描(=PBS)将剂量沉积到患者。该方法允许确定给定粒子加速系统根据一组操作参数递送的细束将满足TP的置信水平(CLj)。如果如此获得的置信水平太低,则需要评估替代的一组操作参数。继续呈现本发明的这些优点和其他优点。
发明内容
本发明在所附独立权利要求中被限定。优选实施例在从属权利要求中被限定。具体地,本发明涉及一种由计算机实施的用于优化粒子加速系统的操作参数的公差值的方法,该粒子加速系统允许由沿着辐照轴线(Z)加速的多个粒子细束形成的束根据治疗计划(=TP)通过笔形束扫描(=PBS)将剂量沉积到患者的感兴趣结构中,该计算机实施的方法包括,
(a)提供输入,该输入包括
○该治疗计划(=TP),该治疗计划包括由计划参数表征的细束(bi)阵列的定义,这些计划参数包括:
■每个细束(bi)在法向于该辐照轴线(Z)的平面(X,Y)上的计划位置(Xpi),
■每个细束的计划监测单位(MUpi),
■这些计划位置(Xpi)上的计划细束扫描序列,
○每个细束被递送的计划起始时间(t0pi)和结束时间(t1pi),
○该感兴趣结构的定义,其定义了许多细束(bi)所穿过的一个或多个组织,
○通过使用这些计划参数进行的治疗获得的感兴趣结构的一个或多个目标剂量(速率)分布直方图(=tD(R)DH)的值,该目标剂量(速率)分布直方图包括剂量分布直方图(=tDDH)和/或目标剂量速率分布直方图(=tDRDH),其中,该剂量分布直方图(DDH)优选地是剂量分布体积直方图(DDVH),并且该剂量速率分布直方图(DRDH)优选地是剂量速率分布体积直方图(DRDVH)或差分剂量速率直方图(DDRH)。
○允许一个或多个tD(R)DH在其中变化的可接受变化带(BV),
(b)提供该粒子加速系统的操作参数的以表示该粒子加速系统的性能的对应平均值(μj)为中心的暂定统计分布(Tj),并定义该暂定统计分布(Tj)的置信水平(CLj),其中,这些操作参数包括:
○每个细束的监测单位(MUj),
○每个细束的位置(Xj),以及
○递送每个细束的起始时间(t0j)和结束时间(t1j),
(c)从预定义置信水平(CLj)内的对应的暂定统计分布(Tj)中随机选择该监测单位的值(MUij)、该细束的位置的值(Xij)、以及该起始时间(t0ij)和该结束时间(t1ij)中的每一个的值(t0ij,t1ij),
(d)使用如此随机选择的值来计算一个或多个所计算的剂量(速率)分布直方图(=cD(R)DHj-运行x),
(e)将最后两个步骤(c)、(d)重复具有统计代表性的次数(N)以产生所计算分布(CDj),这些分布表征这些操作参数的如此随机选择的所有值的一个或多个如此计算的cD(R)DHj-运行x,
(f)将该一个或多个cD(R)DHj的所计算分布(CDj)与对应的可接受变化带(BV)进行比较,并确定该一个或多个cD(R)DHj的所计算分布(CDj)是否包括在该预定义置信水平(CLj)内的对应的可接受变化带中。
最终统计分布(Tf)可以由人工操作者或处理器以最终置信水平(CLf)如下设置为对应的操作参数,
●如果对于给定的治疗计划(TP),该一个或多个cD(R)DHj的所计算分布(CDj)全部包括在具有该预定义置信水平(CLj)的对应的可接受变化带(BV)内,则将该暂定统计分布(Tj)设置为该最终统计分布(即,Tf=Tj)并且将该置信水平(CLj)设置为对应的最终置信水平(CLf=CLj),以定义对应的操作参数,
●如果用这些操作参数的统计分布(Tj)的对应置信水平(CLj)内的一组随机选择的值计算的一个或多个cD(R)DHj中的任一个延伸超过对应的可接受变化带(BV),则按照以下条件来重复如上所定义的步骤(b)至(f),
○使用这些操作参数的新的暂定统计分布(T(j+k))和/或
○选择新的、要求不太高的置信水平(CL(j+k)),
直到该一个或多个cD(R)DH(j+k)的所计算分布(CD(j+k))全部包括在对应的可接受变化带(BV)内,并且将该暂定统计分布(T(j+k))设置为该最终统计分布(即,Tf=T(j+k))并且将对应置信水平(CL(j+k))设置为该最终置信水平(CLf=CL(j+k)),以定义对应的操作参数。
新的暂定统计分布(T(j+k))可以具有比以上定义的对应的暂定统计分布(Tj)更低的标准偏差(σj)。这些操作参数中的每一个的暂定统计分布(Tj)优选地是高斯分布,并且置信水平(CLj)的值可以包括在暂定统计分布的68%与99.7%之间,优选地在95.5%与99%之间。注意,68%的置信水平(CLj)对应于μj±σj,95%的置信水平(CLj)对应于μj±2σj,并且暂定统计分布的99.7%的置信水平对应于μj±3σj,其中,μj是平均值,并且σj是对应的暂定统计分布的标准偏差。每个操作参数的平均值(μj)和标准偏差(σj)对于每个细束(bi)可以是不同的。
该粒子加速系统可以配备有循环检查模块,该循环检查模块被配置成以不同的间隔或连续地测量这些操作参数的实际值,这些操作参数包括由该粒子加速系统发射的细束的监测单位(MUai)、位置(Xai)、以及起始时间和结束时间(t0ai,t1ai)。该粒子加速系统还可以配备有处理器,该处理器被配置成将这些操作参数的实际值与对应置信水平(CLj)进行比较,并且在操作参数的一个实际值落在对应置信水平(CLj)之外的情况下停止治疗疗程。
这些计划参数还包括计划细束大小(dj)和计划束电流(Ij),该计划细束大小和该计划束电流的相应值(dij,Iij)被用于计算该一个或多个所计算的剂量(速率)分布直方图(=cD(R)DH),是在该细束大小和该计划束电流(Ij)的对应的暂定统计分布(Tj)内随机选择的。
该一个或多个cD(R)DH的所计算分布(CDj)由包括在包络中的对应区域定义,该包络在一方面最小计算剂量(速率)分布直方图(=cD(R)DHj0)与另一方面最大计算剂量(速率)分布直方图(=cD(R)DHj1)之间定义。cD(R)DHj0由cD(R)DHj的最低值来定义,该最低值根据监测单位(Muij)、细束的位置(Xij)、以及起始时间和结束时间(t0ij,t1ij)中的N个随机选择的值用预定义置信水平(CLj)计算,并且cD(R)DHj1由cD(R)DHj的最高值来定义,该最高值根据该监测单位(Muij)、这些细束的位置(X0i)、以及起始时间和结束时间(t0ij,t1ij)中的N个随机选择的值用该预定义置信水平(CLj)计算。
该治疗计划可以包括以超高沉积速率(UHDR)将剂量沉积到感兴趣结构的至少一部分中,该超高沉积速率被定义为大于或等于1Gy/s的沉积速率。
本发明还涉及一种被配置成实施如上所定义的方法的误差预测模块,该误差预测模块包括,
●存储器,该存储器包括每个操作参数的以多个对应的平均值(μj)为中心的多个暂定统计分布(Tj),
●用户接口,该用户接口被配置成,
○输入包括一个或多个目标剂量(速率)分布直方图(=tD(R)DH)以及对应的可接受变化带(BV)的治疗计划(TP),该目标剂量(速率)分布直方图包括目标剂量分布直方图(=tDDH)和/或目标剂量速率分布直方图(=tDRDH),
○从该存储器中选择或输入每个细束被递送的计划起始时间(t0pi)和结束时间(t1pi),
○针对每个细束从该存储器中选择或输入每个操作参数的第一暂定统计分布(Tj),该操作参数包括监测单位(MUj)、细束的位置(Xj)、以及起始时间和结束时间(t0i,t1i),
○输入这些操作参数的置信水平(CLj),
●处理器,该处理器被配置成,
(i)随机选择包括在对应的暂定统计分布(Tj)的预定义置信水平(CLj)内的该监测单位的值(MUij)、该细束的位置的值(Xij)、该起始时间和该结束时间的值(t0ij,t1ij),
(ii)使用如此随机选择的值计算所计算的剂量分布直方图(=cDDHj)和所计算的剂量速率分布直方图(=cDRDHj)中的一个或多个,
(iii)将最后两个步骤重复具有统计代表性的次数(N),以便产生每个细束的如此计算的cDDHj和cDRDHj的所计算分布(CDj)。
该处理器可以进一步被配置成,在cDDHj和cDRDHj的一个或多个所计算分布(CDj)中的任一个不包括在具有预定义置信水平(CLj)的对应的可接受变化带内的情况下,使用这些操作参数的新的暂定统计分布(T(j+k))重复以上步骤(i)至(iii),直到cDDHj和cDRDHj中的一个或多个的所计算分布(CDj)都包括在具有预定义置信水平(CLj)的对应的可接受变化带内。
附图说明
为了更充分地理解本发明的本质,结合附图参考以下具体实施方式,在附图中:
图1(a)至图1(c):示出了tDVH、tDRVH和tDDRH曲线以及其对应的可接受变化带(BV)的示例。
图2:示出了给定粒子加速系统的操作参数的高斯分布。
图3(a)至图3(c):示出了具有积极结果的本发明方法的各个步骤。
图4(a)至图4(c):示出了具有消极结果的本发明方法的各个步骤。
图5(a)至图5(d):示出了N次计算运行,其产生如图3(b)和图3(c)所示的如此计算的cD(R)DHj的所计算分布(CDj)。
图6:示出了具有本发明方法的各个步骤的流程图。
具体实施方式
本发明涉及一种计算机实施的方法和误差预测模块,该误差预测模块显著降低了由于设备原因而执行不遵守对应治疗计划的治疗疗程的风险。
用于优化操作参数的公差值的方法
本发明涉及一种由计算机实施的用于优化粒子加速系统的操作参数的公差值的方法,该粒子加速系统允许由沿着辐照轴线(Z)加速的多个粒子细束形成的束根据治疗计划(=TP)通过笔形束扫描(=PBS)将剂量沉积到患者。粒子优选地是质子,但它们可以是电子、重离子束,也可以是由加速粒子与转换材料(如x射线(或γ射线))相互作用形成的波。如图6所展示的,计算机实施的方法需要输入许多计划参数的值。这些值可以通过包括以下计划参数的治疗计划(TP)来提供,
●每个细束(bi)在法向于该辐照轴线(Z)的平面(X,Y)上的计划位置(Xpi),
●每个细束的计划监测单位(MUpi),
●这些计划位置(Xpi)上的计划细束扫描序列,
该方法还需要每个细束被递送的计划起始时间(t0pi)和结束时间(t1pi)。这在FLASH-RT的情况下尤为重要。起始时间和结束时间可能是也可能不是TP的一部分。
必须定义感兴趣结构,从而表征被细束(bi)穿过或与之相互作用的一个或多个组织。感兴趣结构包括靶,该靶包括要杀死的肿瘤细胞,还包括被一个或多个细束穿过或以某种方式接触的健康组织。例如,这些健康组织包括沿着辐照轴线(Z)位于靶上游的组织,即,粒子加速系统的喷嘴与靶之间的组织,或者还包括与靶相邻并围绕靶的组织。
治疗的目的是在疗程结束时,在允许tD(R)VH变化的可接受变化带(BV)内产生感兴趣结构的目标剂量(速率)分布直方图(tD(R)DH)的给定值。如图1(a)至1(c)所示,tD(R)DH可以包括例如目标剂量体积直方图(=tDVH)(参考图1(a))、目标剂量速率体积直方图(=tDRVH)(参考图1(b))、或目标差分剂量速率直方图(tDDRH)(参考图1(c))。注意,其他直方图表示是可能的,并且包括在术语tD(R)DH中,以显示关于剂量和剂量速率分布的信息。图1(a)至图1(c)示出了由实线表示的tDVH、tDRVH和tDRDH的示例,以及由虚线之间所包括的区域表示的对应的可接受变化带(BV)的示例。可以为任何类型的替代性D(R)DH直方图表示定义类似的可接受变化带。如图3(b)和图3(c)所示,如果由粒子加速系统递送的细束实现了包括在可接受变化带内的DVH和DRVH,则疗程成功。如图4(b)和图4(c)所示,如果DVH或DRVH落在可接受变化带(BV)之外,则必须中断治疗疗程,这会使患者非常不舒服,该患者必须等待粒子加速器系统时间表中的空闲时隙才能恢复治疗疗程。
图1(c)包括在治疗疗程期间测量细束参数时获得的剂量速率分布直方图(aDDRH)的实际值(参考长虚线)。可以看出,图1(c)中的曲线aDDRH完全封闭在可接受变化带(BV)内。因此,治疗疗程取得了成功。然而,如果曲线aDDRH延伸超过可接受变化带(BV),则治疗疗程将不得不中断。为了降低由于实际D(R)DH落在可接受变化带之外而不得不中断治疗疗程的风险,本发明提出用计算机实施以下举措。
首先,如图3(a)和图4(a)所示,选择粒子加速系统的操作参数(MUj,Xj,t0j,t1j)的以表示粒子加速系统性能的对应的平均值(μj)为中心的暂定统计分布(Tj)。定义了这些操作参数中的每一个的暂定统计分布(Tj)的置信水平(CLj)。这些操作参数包括:
○每个细束的监测单位(MUj),
○每个细束的位置(Xj),以及
○递送每个细束的起始时间(t0j)和结束时间(t1j)。
暂定统计分布(Tj)的选择基于粒子加速系统的性能,并且期望生成递送细束扫描序列并生成包括在可接受变化带(BV)内的感兴趣结构中的所计算的剂量体积直方图(=cDVHj)和所计算的剂量速率体积直方图(=cDRVHj)的束。例如,治疗计划系统(TPS)可以确定粒子加速系统可实现的平均值(μi),该平均值将产生期望的cDVH和cDRVH。然而,治疗机器在特定一天的实际操作参数并不局限于对应的平均值(μi),而是通常分布在高斯曲线上,每天或在一整天期间都在变化(参考图2)。因此,所得cD(R)DH直方图将根据治疗特定时间的操作参数的实际值而变化,并且因此必须在考虑分布的情况下进行计算。考虑由对应的分布曲线定义的每个操作参数的所有可能值是不切实际的。可以定义置信水平(CLj),从而将分布限制在被认为是可接受边界。例如,置信水平可以相对于标准偏差(σj)来定义,例如,μj±nσj,其中,n=1至3。
从对应置信水平(CLj)内的对应的暂定统计分布(Tj)中随机选择监测单位的值(MUij)、细束的位置的值(Xij)、以及起始时间(t0ij)和结束时间(t1ij)的值(t0ij,t1ij);如图3(a)和图4(a)的高斯分布曲线(Tj)中的黑圈所示。这些值是在先前定义的置信水平(CLj)内选择的。
如图5(a)所示,在第一次运行(=运行1)中,使用如此随机选择的值计算所计算的剂量(速率)分布直方图(=cD(R)DHj)。如果所计算的cD(R)DHj包含在对应的可接受变化带内,则从暂定统计分布(Tj)中随机选择新的操作参数值,并在如图5(b)所展示的第二次运行(=运行2)中计算对应的cD(R)DHj。只要所计算的cD(R)DH-运行x包含在可接受变化带(BV)内,这些操作就会重复如图5(c)所展示的统计次数(N),即“运行N”。N次运行后,x=1至N的N条曲线“cD(R)DH-运行x”组合定义了如3(b)和图3(c)、图4(b)和图4(c)以及图5(d)中由虚线界定的阴影区域表示的所计算分布(CDj)。
另一方面,如果如此计算的cD(R)DHj-运行x中的任一个延伸超过可接受变化带(BV),则可以得出结论,将存在比预定义置信水平(CLj)更高的风险,即不得不根据暂定统计分布(Tj)中断使用粒子加速系统的操作参数的治疗运行。然后,选择操作参数的新的暂定统计分布(T(j+1)),并且cD(R)DH(j+1)是在新的一系列N次运行中用在每个连续的运行中随机选择的新的暂定统计分布(T(j+1))的值计算的。使用新的暂定统计分布(T(j+k))重复该操作,直到对应的所计算分布(CD(j+k))完全包括在可接受变化带(BV)内。
除了计划位置(Xpi)、计划监测单位(MUpi)、计划位置(Xpi)上的计划细束扫描序列、以及计划起始时间(t0pi)和结束时间(t1pi)),计划参数还可以包括计划细束大小(dj)和束电流(Ij),该计划细束大小和束电流的值(dij,Iij))被用于计算所计算的剂量(速率)分布直方图(=cD(R)DHj)的,是在细束大小(dj)和束电流(Ij)的对应的暂定统计分布(Tj)内随机选择的。
cD(R)DHj的所计算分布(CDj)可以由包括在以下两者之间的对应区域来定义:
●一方面,最小计算剂量(速率)分布直方图(=cD(R)DHj0),以及另一方面,
●最大计算剂量(速率)分布直方图(=cD(R)DHj1),
其中,
●cD(R)DHj0由cD(R)DHj的最低值来定义,该最低值根据该监测单位(Muij)、这些细束的位置(Xij)、以及起始时间和结束时间(t0ij,t1ij)中的N个随机选择的值用该预定义置信水平(CLj)计算,并且其中,
●cD(R)DHj1由cD(R)DHj的最高值来定义,该最高值根据该监测单位(Muij)、这些细束的位置(X0i)、以及起始时间和结束时间(t0ij,t1ij)中的N个随机选择的值用该预定义置信水平(CLj)计算。
通过将cD(R)DHj的所计算分布(CDj)与可接受变化带(BV)进行比较,可以确定对于预定义置信水平(CLj),cD(R)DHjj的所计算分布(CDj)是否包括在对应的可接受变化带中。图3(b)和图3(c)示出了具有相关置信水平(CLj)的暂定统计分布(Tj)的示例,该相关置信水平产生包括在对应的可接受变化带(BV)内的cD(R)DHj的所计算分布(CDj)。相比之下,图4(b)和图4(c)示出了具有相关置信水平(CLj)的暂定统计分布(Tj)的示例,该相关置信水平产生延伸超过如阴影区域和黑色箭头所指示的对应的可接受变化带(BV)的cD(R)DHj的所计算分布(CDj)。例如,在图4(b)中可以看出,cD(R)DHj-运行1已经延伸超过可接受变化带(BV)。可以停止使用对应的暂定统计分布进行计算,并且可以选择新的暂定统计分布(T(j+1))以利用从新的暂定统计分布(T(j+1))中随机选择的操作参数的值来重复N次运行。
本发明的方法可以通过将最终统计分布(Tf)设置为具有最终置信水平(CLf)的对应操作参数来得出结论。对于给定的治疗计划(TP),如果cD(R)DHj的所计算分布(CDj)的N次运行包括在具有预定义置信水平(CLj)的对应的可接受变化带(BV)内,则可以将该暂定统计分布(Tj)设置为具有最终置信水平(CLf=CLj)的最终统计分布(即,Tf=Tj),以定义对应的操作参数。可以得出结论,通过实施操作参数的最终统计分布(Tf),粒子加速系统具有等于递送满足治疗计划(TP)的细束的最终置信水平(CLf)的概率,其中,对应的实际剂量(速率)分布直方图(aD(R)DH)包括在可接受变化带(BV)内,例如,如图1(c)所示。
另一方面,如果cD(R)DHj的N次运行中的任一次运行延伸超过具有预定义置信水平(CLj)的对应的可接受变化带(BV)的边界(例如,如图4(b)所示),则可以为操作参数中的一个或多个定义新的暂定统计分布(T(j+1))和/或新的置信水平(CL(j+1)),并且可以利用操作参数中的每一个的N个随机选择的值将cD(R)DHj计算N次。这些操作可以根据需要使用操作参数的新的暂定统计分布(T(j+k))和/或可替代性置信水平(CL(j+k))来重复,直到cD(R)DHj(j+k)的所计算分布(CD(j+k))被包括在预定义置信水平(CLj)或(CL(j+k))的对应的可接受变化带(BV)内。因此,最终统计分布(Tf)可以被设置为暂定统计分布(T(j+k))(即,Tf=T(j+k)),并且对应置信水平(CL(j+k))可以被设置为最终置信水平(CLf=CL(j+k)),以定义对应的操作参数。
在先前暂定统计分布j+(k-1)没有产生包括在围绕预定义置信水平(CLj)的tD(R)DH的变化带(BV)内的所计算分布的情况下定义的新的暂定统计分布(T(j+k))可以被选择为具有比对应的先前暂定统计分布(Tj+(k-1))更低的标准偏差(σj)(或方差(σj2))的分布。
为对应的操作参数设置最终统计分布(Tf)可以由人工操作者执行或者由处理器自动执行。
操作参数中的每一个的暂定统计分布(Tj)优选地是高斯分布。置信水平(CL)的值优选地包括在暂定统计分布的68%与99.7%之间,优选地在95.5%与99%之间。如图2所示,68%的置信水平(CLj)对应于μj±σj,95%的置信水平(CLj)对应于μj±2σj,并且暂定统计分布的99.7%的置信水平对应于μj±3σj,其中,σj是对应的暂定统计分布的标准偏差。例如,就绝对偏差而言,斑点的位置(Xj)可能与Xj的平均值μj相差±1mm。监测单位(MUj)可以例如在MUj的平均值(μj)附近变化约0.5%。注意,每个操作参数的平均值(μj)和标准偏差(σj)对于每个细束(bi)可以是不同的。
粒子加速系统可以配备有循环检查模块,该循环检查模块被配置成以不同的间隔或连续地测量由该粒子加速系统发射的细束的监测单位(MUai)、位置(Xai)、以及起始时间和结束时间(t0ai,t1ai)的实际值。处理器可以被配置成确定是否有任何实际操作参数落在对应的最终置信水平(CLf)之外(参考图3(a)和图4(a),这些图示出了仅跨越统计分布(Tj)的一部分的置信水平(CLj))。在这种情况下,可以触发警报,从而将该事件通知操作者。作为安全措施,处理器还可以被配置成一旦检测到操作参数落在置信水平(CLj)之外就停止治疗。
实际操作参数的一个或多个值落在对应置信水平(CLj)之外的事实并不意味着所得aD(R)DH必然落在可接受变化带(BV)之外。因此,仅仅因为任何操作参数的一个实际值落在对应置信水平(CLj)之外就中断治疗疗程可能是过度的,因为它可以完美地产生包括在可接受变化带(BV)内的D(R)DH。处理器可以被配置成一旦操作参数的测得的实际值落在对应置信水平(CLj)之外就计算cD(R)DH,以确定它们是否包括在对应的可接受变化带(BV)内。cD(R)DH可以基于在已经递送的细束上测量的包括落在置信水平(CLj)之外的参数的操作参数的实际值来计算,并且根据仍要递送以结束治疗疗程的细束的最终统计分布(Tf)的操作参数的平均值(μj)来计算。如果如此计算的cD(R)DH落在可接受变化带(BV)之外,则停止治疗疗程。另一方面,如果所计算的cD(R)VH在可接受变化带(BV)内,则治疗疗程可以进一步进行。停止治疗疗程的风险随着处理器的这种功能性进一步降低。
该功能不需要过多的计算能力,因为它只涉及操作参数的实际值的100%-CLj%。对于95%的置信水平(CLj),即,μj±2σj,操作参数的值应该落在将不得不计算D(R)DH的置信水平(CLj)之外的概率仅为5%。对于暂定统计分布的99.7%的置信水平,即,μj±3σj,在需要进行此类计算的情况下,其涉及的概率仅为0.3%。
在优选的实施例中,治疗计划包括FLASH-RT,因为剂量将以超高沉积速率(UHDR)沉积到感兴趣结构的至少一部分中,该超高沉积速率被定义为大于或等于1Gy/s的沉积速率。在该实施例中,计划参数还包括束电流(I),该束电流的值(Ij)被用于计算所计算的剂量分布直方图(=cDDHj)并且具体地用于计算所计算的剂量速率分布直方图(=cDRDHj),是在束电流的对应的暂定统计分布(Tj)内随机选择的。
误差预测模块
本发明还涉及一种被配置成实施如上所述的方法的误差预测模块。该误差预测模块包括存储器,该存储器包括每个操作参数的以多个对应的平均值(μj)为中心的多个暂定统计分布(Tj)。该误差预测模块还包括用户接口,该用户接口被配置成输入,
●计划操作者,该计划操作者包括治疗计划(TP),该治疗计划包括计划位置(Xpi)、计划监测单位(MUpi)和计划细束扫描序列、计划起始时间(t0pi)和结束时间(t1pi),
●目标剂量(速率)分布直方图(=tD(R)DH)和对应的可接受变化带(BV),
●对于每个细束,从每个操作参数的多个暂定统计分布中的一个或多个中选择的或通过输入其平均值(μj)和标准偏差(σj)的值定义的第一暂定统计分布(Tj),该每个操作参数至少包括监测单位(MUj)、细束的位置(Xj)、以及起始时间和结束时间(t0i,t1i),
误差预测模块包括处理器,该处理器被配置成,
●随机选择包括在对应的暂定统计分布(Tj)的预定义置信水平(CLj)内的该监测单位的值(MUij)、该细束的位置的值(Xij)、该起始时间和该结束时间的值(t0ij,t1ij),
●使用如此随机选择的值计算所计算的剂量(速率)分布直方图(=cD(R)Dj),
●将最后两个步骤重复具有统计代表性的次数(N)以产生每个细束的如此计算的cD(R)Dj的所计算分布(CDj)。
该处理器可以进一步被配置成,在cD(R)Dj的所计算分布(CDj)不包括在具有预定义置信水平(CLj)的对应的可接受变化带内的情况下,使用这些操作参数的新的暂定统计分布(T(j+k))重复前述三个步骤,直到cD(R)Dj的所计算分布(CDj)包括在具有预定义置信水平(CLj)的对应的可接受变化带内。
流程图(图6)
图6示出了展示本发明方法的各个步骤的流程图。将治疗计划(TP)的要求(参考图6(1))转化为所有细束的计划参数(参考图6(2))。定义了一个或多个理论剂量(速率)分布直方图(tD(R)DH)(参考图6(3))以及其对应的可接受变化带(BV)(参考图6(4))。如上所定义的,剂量(速率)分布直方图(D(R)DH)可以非详尽地包括剂量体积直方图(DVDH)、剂量速率体积直方图(DRVH)或差分剂量速率分布直方图(DDRH)等。
通过定义第一暂定统计分布(Tj)和对应置信水平(CLj)(参考图6(6)和图6(7))对粒子加速系统进行模拟(参考图6(5))。在暂定统计分布(Tj)的置信水平(CLj)内随机选择每个操作参数的值(参考图6(8)),并计算所得cD(R)DHj-运行(x=1)(参考图6(9))。如果所计算的CD(R)DH-运行(x=1)不在可接受变化带(BV)内,则选择具有对应置信水平(CL(j+1))的新的暂定统计分布(T(j+1))(参考图6,步骤(10)和(11)),并重复步骤(7)至(10)。另一方面,如果所计算的CD(R)DH-运行(x=1)在可接受变化带(BV)内,则在暂定统计分布(Tj)的置信水平(CLj)内将每个操作参数的新的值随机选择具有统计代表性的次数(N)(参考图6(11)、(12)和(8)),并重复步骤(8)至(10)。当产生所计算的CD(R)DH-运行(x=1至N)的所有N次运行x在可接受变化带(BV)内时,可以将对应的暂定统计分布(Tj)设置为最终统计分布(Tf)(参考图6(13))。粒子加速系统可以根据对应的最终统计分布(Tf)用操作参数编程。通过此类编程,粒子加速系统在不中断治疗疗程的情况下递送满足治疗计划的细束的概率为CLj%。
本发明的方法可以用单个所计算的剂量(速率)直方图(cD(R)DH)或用若干直方图来实施,这些直方图必须都在对应的可接受变化带(BV)内以设置最终统计分布(Tf)。如果第一暂定统计分布(Tj)产生了一个包含在对应的可接受变化带(BV)内的直方图(例如,cDVH),但产生了另一个延伸超过可接受变化带(BV)之外的直方图(如,cDRVH),则必须选择新的暂定统计分布(T(j+1)),并再次执行该方法,直到找到将所有所需直方图拟合到对应的可接受变化带(BV)中的暂定统计分布(T(j+k))。剂量速率相关直方图(例如,DRVH、DDRH)对于治疗计划尤其重要,这些治疗计划包括要以FLASH模式发射以便以超高沉积速率将剂量沉积到感兴趣结构的选定斑点中的细束。
/>
/>
Claims (15)
1.一种由计算机实施的用于优化粒子加速系统的操作参数的公差值的方法,该粒子加速系统允许由沿着辐照轴线(Z)加速的多个粒子细束形成的束根据治疗计划(=TP)通过笔形束扫描(=PBS)将剂量沉积到患者的感兴趣结构中,该计算机实施的方法包括,
(a)提供输入,该输入包括
○该治疗计划(=TP),该治疗计划包括由计划参数表征的细束(bi)阵列的定义,这些计划参数包括:
■每个细束(bi)在法向于该辐照轴线(Z)的平面(X,Y)上的计划位置(Xpi),
■每个细束的计划监测单位(MUpi),
■这些计划位置(Xpi)上的计划细束扫描序列,
○每个细束被递送的计划起始时间(t0pi)和结束时间(t1pi),
○该感兴趣结构的定义,其定义了许多细束(bi)所穿过的一个或多个组织,
○通过使用这些计划参数进行的治疗获得的针对该感兴趣结构的一个或多个目标剂量(速率)分布直方图(=tD(R)DH)的值,
○允许该一个或多个tD(R)DH在其中变化的可接受变化带(BV),
(b)提供该粒子加速系统的操作参数的以表示该粒子加速系统的性能的对应平均值(μj)为中心的暂定统计分布(Tj),并定义该暂定统计分布(Tj)的置信水平(CLj),其中,这些操作参数包括:
○每个细束的监测单位(MUj),
○每个细束的位置(Xj),以及
○递送每个细束的起始时间(t0j)和结束时间(t1j),
(c)从预定义置信水平(CLj)内的对应的暂定统计分布(Tj)中随机选择该监测单位的值(MUij)、该细束的位置的值(Xij)、以及该起始时间(t0ij)和该结束时间(t1ij)中的每一个的值(t0ij,t1ij),
(d)使用如此随机选择的值来计算一个或多个所计算的剂量(速率)分布直方图(=cD(R)DHj-运行x),
(e)将最后两个步骤(c)、(d)重复具有统计代表性的次数(N)以产生所计算分布(CDj),这些分布表征这些操作参数的如此随机选择的所有值的一个或多个如此计算的cD(R)DHj-运行x,
(f)将该一个或多个cD(R)DHj的所计算分布(CDj)与对应的可接受变化带(BV)进行比较,并确定该一个或多个cD(R)DHj的所计算分布(CDj)是否包括在该预定义置信水平(CLj)内的对应的可接受变化带中。
2.根据权利要求1所述的方法,包括将具有最终置信水平(CLf)的最终统计分布(Tf)如下设置为对应的操作参数,
·如果对于给定的治疗计划(TP),该一个或多个cD(R)DHj的所计算分布(CDj)全部包括在具有该预定义置信水平(CLj)的对应的可接受变化带(BV)内,则将该暂定统计分布(Tj)设置为该最终统计分布(即,Tf=Tj)并且将该置信水平(CLj)设置为对应的最终置信水平(CLf=CLj),以定义对应的操作参数,
·如果用这些操作参数的统计分布(Tj)的对应置信水平(CLj)内的一组随机选择的值计算的一个或多个cD(R)DHj中的任一个延伸超过对应的可接受变化带(BV),则按照以下条件来重复权利要求1的步骤(b)至(f),
○使用这些操作参数的新的暂定统计分布(T(j+k))和/或
○选择新的、要求不太高的置信水平(CL(j+k)),
直到该一个或多个cD(R)DH(j+k)的所计算分布(CD(j+k))全部包括在对应的可接受变化带(BV)内,并且将该暂定统计分布(T(j+k))设置为该最终统计分布(即,Tf=T(j+k))并且将对应置信水平(CL(j+k))设置为该最终置信水平(CLf=CL(j+k)),以定义对应的操作参数。
3.根据权利要求2所述的方法,其中,将该最终统计分布(Tf)设置为对应的操作参数是由人工操作者或处理器执行的。
4.根据权利要求2或3所述的方法,其中,在该一个或多个cD(R)DHj中的任一个延伸超过具有该预定义置信水平(CLj)的对应的可接受变化带的情况下,在权利要求2中定义的该新的暂定统计分布(T(j+k))具有比在权利要求1的步骤(b)中定义的对应的暂定统计分布(Tj)更低的标准偏差(σj)。
5.根据前述权利要求中任一项所述的方法,其中,这些操作参数中的每一个的暂定统计分布(Tj)是高斯分布,并且其中,该置信水平(CLj)的值包括在该暂定统计分布的68%与99.7%之间,优选地在95.5%与99%之间,其中,68%的置信水平(CLj)对应于μj±σj,95%的置信水平(CLj)对应于μj±2σj,并且该暂定统计分布的99.7%的置信水平对应于μj±3σj,其中,μj是平均值,并且σj是对应的暂定统计分布的标准偏差。
6.根据权利要求5所述的方法,其中,每个操作参数的平均值(μj)和标准偏差(σj)对于每个细束(bi)可以是不同的。
7.根据前述权利要求中任一项所述的方法,其中,该粒子加速系统配备有循环检查模块,该循环检查模块被配置成以不同的间隔或连续地测量这些操作参数的实际值,这些操作参数包括由该粒子加速系统发射的细束的监测单位(MUai)、位置(Xai)、以及起始时间和结束时间(t0ai,t1ai)。
8.根据前述权利要求7所述的方法,其中,该粒子加速系统配备有处理器,该处理器被配置成将这些操作参数的实际值与对应置信水平(CLj)进行比较,并且在操作参数的一个实际值落在对应的最终置信水平(CLf)之外的情况下停止治疗疗程。
9.根据前述权利要求中任一项所述的方法,其中,这些计划参数还包括计划细束大小(dj),该计划细束大小的值(dij)被用于计算该一个或多个所计算的剂量(速率)分布直方图(=cD(R)DH),是在该细束大小(dj)的对应的暂定统计分布(Tj)内随机选择的。
10.根据前述权利要求中任一项所述的方法,其中,该一个或多个cD(R)DH的所计算分布(CDj)由包括在一方面最小计算剂量(速率)分布直方图(=cD(R)DHj0)与另一方面最大计算剂量(速率)分布直方图(=cD(R)DHj1)之间的对应区域来定义,其中,
·cD(R)DHj0由cD(R)DHj的最低值来定义,该最低值根据该监测单位(Muij)、这些细束的位置(Xij)、以及起始时间和结束时间(t0ij,t1ij)中的N个随机选择的值用该预定义置信水平(CLj)计算,并且其中,
·cD(R)DHj1由cD(R)DHj的最高值来定义,该最高值根据该监测单位(Muij)、这些细束的位置(X0i)、以及起始时间和结束时间(t0ij,t1ij)中的N个随机选择的值用该预定义置信水平(CLj)计算。
11.根据前述权利要求中任一项所述的方法,其中,该治疗计划包括以超高沉积速率(UHDR)将剂量沉积到该感兴趣结构的至少一部分中,该超高沉积速率被定义为大于或等于1Gy/s的沉积速率。
12.根据前述权利要求中任一项所述的方法,其中,这些计划参数还包括计划束电流(Ij),该计划束电流的值(Iij)被用于计算所计算的剂量(速率)分布直方图(=cD(R)DHj),是在该束电流的对应的暂定统计分布(Tj)内随机选择的。
13.根据前述权利要求中任一项所述的方法,其中,该剂量分布直方图(DDH)是剂量体积直方图(DVH),并且其中,剂量速率分布直方图(DRDH)是剂量速率体积直方图(DRVH)或差分剂量速率直方图(DDRH)。
14.一种被配置成实施根据前述权利要求中任一项所述的方法的误差预测模块,该误差预测模块包括,
·存储器,该存储器包括每个操作参数的以多个对应的平均值(μj)为中心的多个暂定统计分布(Tj),
·用户接口,该用户接口被配置成,
○输入治疗计划(TP),该治疗计划包括一个或多个目标剂量(速率)分布直方图(=tD(R)DH)以及对应的可接受变化带(BV),
○从该存储器中选择或输入每个细束被递送的计划起始时间(t0pi)和结束时间(t1pi),
○针对每个细束从该存储器中选择或输入每个操作参数的第一暂定统计分布(Tj),该操作参数包括监测单位(MUj)、细束的位置(Xj)、以及起始时间和结束时间(t0i,t1i),
○输入这些操作参数的置信水平(CLj),
·处理器,该处理器被配置成,
(i)随机选择包括在对应的暂定统计分布(Tj)的预定义置信水平(CLj)内的该监测单位的值(MUij)、该细束的位置的值(Xij)、该起始时间和该结束时间的值(t0ij,t1ij),
(ii)使用如此随机选择的值计算所计算的一个或多个剂量分布直方图(=cDDHj)和所计算的剂量速率分布直方图(=cDRDHj),
(iii)将最后两个步骤重复具有统计代表性的次数(N),以便产生每个细束的如此计算的cDDHj和cDRDHj的所计算分布(CDj)。
15.根据前述权利要求14所述的误差预测模块,其中,该处理器进一步被配置成,在对应的cD(R)DHj的一个或多个所计算分布(CDj)中的任一个不包括在具有该预定义置信水平(CLj)的对应的可接受变化带内的情况下,使用这些操作参数的新的暂定统计分布(T(j+k))重复权利要求14的步骤(i)至(iii),直到cD(R)DHj中的一个或多个的所计算分布(CDj)全部包括在具有该预定义置信水平(CLj)的对应的可接受变化带内。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP22172682.1 | 2022-05-11 | ||
EP22172682.1A EP4275741A1 (en) | 2022-05-11 | 2022-05-11 | Computer implemented method for reducing the risk of interrupting an irradiation treatment session due to a deviation from a planned value of an operating parameter of a particle accelerating system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117057209A true CN117057209A (zh) | 2023-11-14 |
Family
ID=81603477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310532746.6A Pending CN117057209A (zh) | 2022-05-11 | 2023-05-11 | 用于降低由于偏离粒子加速系统的操作参数的计划值而中断辐照治疗疗程的风险的计算机实施的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230364446A1 (zh) |
EP (1) | EP4275741A1 (zh) |
JP (1) | JP2023168277A (zh) |
CN (1) | CN117057209A (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2116277A1 (en) | 2008-05-06 | 2009-11-11 | Ion Beam Applications S.A. | Device and method for particle therapy monitoring and verification |
JP5521225B2 (ja) * | 2010-06-23 | 2014-06-11 | 独立行政法人放射線医学総合研究所 | 照射計画作成装置および照射計画作成プログラム |
EP2647407A1 (en) | 2012-04-03 | 2013-10-09 | Paul Scherrer Institut | A system for the delivery of proton therapy by pencil beam scanning of a predeterminable volume within a patient |
US10363436B2 (en) | 2012-12-14 | 2019-07-30 | Elekta Ag (Publ) | Radiotherapy apparatus using inertial characteristics for delivery planning |
US9731149B2 (en) | 2013-09-22 | 2017-08-15 | Pyramid Technical Consultants Inc. | Method and apparatus for measuring, verifying, and displaying progress of dose delivery in scanned beam particle therapy |
WO2017081826A1 (ja) | 2015-11-13 | 2017-05-18 | 株式会社日立製作所 | 粒子線治療システム |
WO2017174189A1 (en) | 2016-04-05 | 2017-10-12 | Varian Medical System Particle Therapy Gmbh | Time optimized radiation treatment |
ES2625761B1 (es) | 2016-08-10 | 2018-04-10 | María Del Carmen OVEJERO MAYORAL | Método para la automatización en la calibración dosimétrica, reconstrucción y verificación de tratamientos complejos de radioterapia integrada en un entorno y sistema para la puesta en práctica del mismo |
US11559703B2 (en) * | 2017-11-10 | 2023-01-24 | Unm Rainforest Innovations | Technologies for energy-modulated radiation therapy |
US10918886B2 (en) | 2019-06-10 | 2021-02-16 | Varian Medical Systems, Inc. | Flash therapy treatment planning and oncology information system having dose rate prescription and dose rate mapping |
EP3932481B1 (en) | 2020-06-30 | 2023-12-27 | Ion Beam Applications | Multimodal proton therapy treatment planning system |
-
2022
- 2022-05-11 EP EP22172682.1A patent/EP4275741A1/en active Pending
-
2023
- 2023-05-08 US US18/313,712 patent/US20230364446A1/en active Pending
- 2023-05-10 JP JP2023077662A patent/JP2023168277A/ja active Pending
- 2023-05-11 CN CN202310532746.6A patent/CN117057209A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230364446A1 (en) | 2023-11-16 |
EP4275741A1 (en) | 2023-11-15 |
JP2023168277A (ja) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11673003B2 (en) | Dose aspects of radiation therapy planning and treatment | |
Spirou et al. | A gradient inverse planning algorithm with dose‐volume constraints | |
US9827445B2 (en) | Automatic creation and selection of dose prediction models for treatment plans | |
US6411675B1 (en) | Stochastic method for optimization of radiation therapy planning | |
US7162008B2 (en) | Method for the planning and delivery of radiation therapy | |
US8483357B2 (en) | Dose calculation method for multiple fields | |
US20060256915A1 (en) | Method and apparatus for planning and delivering radiation treatment | |
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 | |
Rajasekaran et al. | A study on the correlation between plan complexity and gamma index analysis in patient specific quality assurance of volumetric modulated arc therapy | |
EP3524321B1 (en) | Methods to optimize coverage for multiple targets simultaneously for radiation treatments | |
US20230115222A1 (en) | Method, computer program product and computer system for radiotherapy planning, and radiotherapy delivery system | |
CN113677396A (zh) | 评估放射疗法治疗计划的方法和系统 | |
Park et al. | Analysis of dose distribution according to the initial electron beam of the linear accelerator: a Monte Carlo study | |
US20220072335A1 (en) | Spectrum modeling systems, methods, and devices for particle therapy treatment planning | |
CN117057209A (zh) | 用于降低由于偏离粒子加速系统的操作参数的计划值而中断辐照治疗疗程的风险的计算机实施的方法 | |
JP7422110B2 (ja) | 高線量蓄積率のために最適化されたpbsビームレットシーケンスを有する荷電粒子線治療計画システム | |
CN116920285A (zh) | 辐射治疗计划中的监测单元优化约束 | |
WO2020047044A1 (en) | System and method for robust treatment planning in radiation therapy | |
CN112823820B (zh) | 获得聚焦离子束的能谱技术领域 | |
Schwarz et al. | Importance of accurate dose calculations outside segment edges in intensity modulated radiotherapy treatment planning | |
CN114974609A (zh) | 放射诱发毒性与机器学习 | |
WO2024082293A1 (en) | Multicriterial treatment plan optimization using let cost functions | |
US20230032956A1 (en) | Checking quality of a treatment plan | |
WO2016029917A1 (en) | Method for real-time dose reconstruction during radiotherapy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |