WO2014170489A1 - Optimisation de la planification en radiothérapie adaptative - Google Patents

Optimisation de la planification en radiothérapie adaptative Download PDF

Info

Publication number
WO2014170489A1
WO2014170489A1 PCT/EP2014/058023 EP2014058023W WO2014170489A1 WO 2014170489 A1 WO2014170489 A1 WO 2014170489A1 EP 2014058023 W EP2014058023 W EP 2014058023W WO 2014170489 A1 WO2014170489 A1 WO 2014170489A1
Authority
WO
WIPO (PCT)
Prior art keywords
dose
treatment
cumulative
session
cumulative dose
Prior art date
Application number
PCT/EP2014/058023
Other languages
English (en)
Inventor
Renaud DE CREVOISIER
Antoine Simon
Pascal Haigron
Romain Viard
Jean Rousseau
David Gibon
Original Assignee
Universite De Rennes I
Aquilab
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Universite De Rennes I, Aquilab filed Critical Universite De Rennes I
Publication of WO2014170489A1 publication Critical patent/WO2014170489A1/fr

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
    • A61N5/1038—Treatment planning systems taking into account previously administered plans applied to the same patient, i.e. adaptive radiotherapy
    • 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
    • A61N2005/1041—Treatment planning systems using a library of previously administered radiation treatment applied to other patients

Definitions

  • the invention relates to the processing of medical imaging data.
  • the invention relates more particularly to a medical data processing method for optimizing planning in adaptive radiotherapy using cumulative dose drift and prediction of the final dose delivered.
  • radiotherapy is a treatment method that uses radiation to destroy cancer cells.
  • the purpose of irradiation is to destroy tumor cells while sparing healthy peripheral tissue.
  • a linear electron accelerator is used which produces an irradiation beam.
  • the proposed technique does not have these disadvantages of the prior art. More particularly, the proposed technique relates to a method of optimizing an adaptive radiotherapy treatment planning of at least one tumor structure to be treated, a method implemented by an optimization device, said method comprising, during of a current treatment session, at least one acquisition of a tracking image comprising a representation of said at least one less a tumor structure to be treated.
  • a method comprises:
  • an estimation phase for said current session, of a cumulative dose during treatment, for said at least one less a tumor structure to be treated;
  • a cumulative dose evaluation phase between a first treatment session and said current treatment session, delivering a data representative of a cumulated dose drift; a generation phase of at least one new treatment constraint when said data representative of a cumulated dose drift exceeds a determined ceiling.
  • the invention relates to a device for optimizing a treatment planning in adaptive radiotherapy of at least one tumor structure to be treated, said device comprising, acquisition means of a tracking image comprising a representation of the at least one minus one tumor structure to be treated.
  • estimation means for said current session, of a cumulative dose during the treatment, for said at least one less a tumor structure to be treated;
  • the various steps of the methods according to the invention are implemented by one or more software or computer programs, comprising software instructions intended to be executed by a data processor of a relay module according to the invention. invention and being designed to control the execution of the various process steps.
  • the invention is also directed to a program that can be executed by a computer or a data processor, which program includes instructions for controlling the execution of the steps of a method as mentioned above.
  • This program can use any programming language, and be in the form of source code, object code, or intermediate code between source code and object code, such as in a partially compiled form, or in any other form desirable shape.
  • the invention also provides a data carrier readable by a data processor, and including instructions of a program as mentioned above.
  • the information carrier may be any entity or device capable of storing the program.
  • the medium may comprise storage means, such as a ROM, for example a CD ROM or a microelectronic circuit ROM, or a magnetic recording medium, for example a floppy disk or a disk. hard.
  • the information medium may be a transmissible medium such as an electrical or optical signal, which may be conveyed via an electrical or optical cable, by radio or by other means.
  • the program according to the invention can be downloaded in particular on an Internet type network.
  • the information carrier may be an integrated circuit in which the program is incorporated, the circuit being adapted to execute or to be used in the execution of the method in question.
  • the invention is implemented by means of software and / or hardware components.
  • module may correspond in this document as well to a software component, a hardware component or a set of hardware and software components.
  • a software component corresponds to one or more computer programs, one or more subroutines of a program, or more generally to any element of a program or software capable of implementing a function or a program. set of functions, as described below for the module concerned.
  • Such a software component is executed by a data processor of a physical entity (terminal, server, gateway, router, etc.) and is capable of accessing the hardware resources of this physical entity (memories, recording media, bus communication cards, input / output electronic cards, user interfaces, etc.).
  • a hardware component corresponds to any element of a hardware set (or hardware) able to implement a function or a set of functions, as described below for the module concerned. It may be a hardware component that is programmable or has an integrated processor for executing software, for example an integrated circuit, a smart card, a memory card, an electronic card for executing a firmware ( firmware), etc.
  • FIG. 2 illustrates an example of calculation of the cumulative dose
  • FIG. 3 illustrates the evaluation of a dose distribution on an information retrieval device
  • Figure 4 illustrates a side-by-side 3D evaluation of two dose distributions on an information retrieval device
  • FIG. 5 illustrates a superimposed 2D evaluation of two dose distributions (solid line for the planned dose and dotted line for the predicted dose) on an information retrieval device;
  • FIG. 6 illustrates a superposition of the HDVs calculated during each treatment session
  • Figure 7 illustrates a 3D evaluation of two subtracted dose distributions (subtraction of the predicted dose matrix to the planned dose matrix) on an information retrieval device
  • Figure 8 describes a device for implementing the proposed technique
  • Figure 9 depicts a system for implementing the invention.
  • the proposed technique is to optimize IGRT in routine practice to improve cancer healing.
  • cancer of the prostate was chosen as a model because of its frequency, the major role of radiotherapy for these cancers and the mobility of the prostatic target posing a therapeutic problem.
  • the proposed technique is applicable to any other type of cancer for which radiotherapy treatment is possible.
  • the proposed technique can be implemented in the form of a decision support tool that takes into account the deformable nature of the organs.
  • the proposed technique is based on an original and operational approach for "adaptive radiotherapy" defining decision support indices for intraoperative re-planning of treatment.
  • the tool allows a routine replanning according to the tumor evolution, which makes it possible to adapt the treatment initially recommended in a simple and adapted to the patient.
  • a system for example a system consisting of hardware devices and software modules, which implements the proposed technique aims to optimize dose planning in adaptive radiotherapy during treatment.
  • Its initial input parameters are the patient's own data and the dosimetric planning parameters: target volumes, organs at risk, margins, dose per fraction ...
  • the system calculates the cumulative dose during previous sessions and, by geometric and statistical algorithms, evaluates the predicted dose at the end of treatment and drift compared to the planned dose.
  • the system checks the risks of non-compliance with the radiotherapy quality criteria at the end of the treatment and deduces new optimization constraints for the adaptive planning of the following treatment sessions.
  • the general principle implemented is as follows: At each session, the system calculates the cumulative dose during the previous sessions and, using geometric and statistical algorithms, evaluates the predicted dose at the end of the treatment and the deviation from the planned dose. The system checks the risks of non-compliance with the radiotherapy quality criteria at the end of the treatment and deduces new optimization constraints for the adaptive planning of the following treatment sessions.
  • the planning image (usually a CT image (CT or CT image (Computed Tomography)), acquired prior to the treatment to define the radiation ballistics that will be used during the different treatment sessions (for example 5 treatment sessions per week for 8 weeks).
  • CT computed Tomography
  • the expert has delineated the structures of interest (the different target volumes and the organs at risk).
  • the treatment planning system optimizes the ballistics according to dosimetric criteria.
  • a treatment ballistics is thus obtained, as well as the corresponding three-dimensional dose matrix, a follow-up image (generally CT or conical beam CT (or CBCT image (Beam Computed Tomography)) corresponding to the i th treatment session. This is acquired on a regular basis (daily, weekly, ...) during treatment so as to visualize the patient's anatomy and / or to reposition the tumor before an irradiation session.
  • the proposed technique is divided into three main phases:
  • the dose received by the tissues is estimated and reported on the planning image. It can then be accumulated locally to have a monitoring of the cumulative dose during treatment, following information collected during treatment (anatomical and dosimetric), as well as possibly data from other patients, the dose received at the end of treatment is predicted. This prediction is updated during processing.
  • an evaluation of the cumulative doses (cumulative dose from the 1st to the 1st session and the predicted dose at the end of the treatment) is carried out. This evaluation makes it possible in particular to evaluate a possible drift of the cumulative dose compared to the planned dose. In case of significant drift, new ballistic optimization constraints are proposed to allow a rescheduling of the ballistics of treatment.
  • the general principle is to use, for these calculations, dose matrices.
  • These matrices are represented in the form of three-dimensional data structures, comprising, for a given voxel or set of voxels, one or more received doses.
  • One of the difficulties is to ensure that the dose matrices are all placed in the same three-dimensional repository.
  • This difficulty was solved by the use of a registration method, which makes it possible to reference the tracking images in the same way as the initial referencing obtained in the planning image. Thus, each tracking image is recalibrated with respect to the planning image. Therefore, all the tracking images are in the same three-dimensional space.
  • This registration is calculated routinely and is the result of one or more geometric transformations that are applied to the tracking image so that the content of this image is located in the same three-dimensional space as that of the planning image. These geometric transformations are preserved.
  • the described method is not limited to an implementation from a planning image. Indeed, it is quite conceivable to have an artificial or theoretical frame of reference on which the tracking and planning images would be recalibrated. Such an implementation depends in fact on the one hand from the tumor structure to be treated and secondly organ-related anatomical variabilities.
  • the theoretical or artificial reference frame may take the form of an atlas, said atlas being a statistical representation created according to anatomical or clinical criteria.
  • the calculation of the cumulative dose includes a step of resetting images between the tracking image and the planning image.
  • An example of a cumulative dose process is shown in Figure 2.
  • the first step is the calculation of the daily dose matrix, that is to say the dose received by the tissues during the i th treatment session calculated on the corresponding tracking image. This calculation takes into account the repositioning of the patient used during the treatment sessions.
  • the dose matrix can be calculated by the treatment planning system according to the treatment ballistics used.
  • the planned dose matrix can be directly transposed on the follow-up image (that is to say displaced according to the repositioning of the patient and possibly interpolated).
  • a process of resetting images between the planning image and the image tracking is used. It provides a field of deformations that reflects the deformations of the organs between the two images. The deformation field obtained is then used to deform the contours associated with the planning image so that they correspond to the anatomical configuration of the image for tracking, correcting / validating the contours.
  • the contours obtained are not always satisfactory, a step of manual correction by an expert may be necessary.
  • Contour registration Deformations between the tracking image and the planning image are estimated from the contour information. First, three-dimensional distance maps are generated for both sets of contours. These maps represent, for each voxel of the 3D image, the distance to the nearest organ. These distance maps are then recalibrated, providing a new field of movement.
  • the strain field obtained is then used to propagate the daily dose, corresponding to the tracking image, to the planning image.
  • This step is performed by deforming the daily dose matrix according to the deformation field obtained and by applying a trilinear interpolation.
  • the system During a treatment in n sessions, from the different cumulative doses obtained during the first i sessions, the system allows to predict the dose "really" delivered at the end of treatment.
  • the system therefore models the cumulative doses from i to n, in order to sum them to cumulative doses of 1 to i (obtained by the cumulative dose calculation step).
  • several scenarios of very variable complexity can be used: use of the planned dose (before the start of treatment) to complete the missing sessions.
  • the system also offers the possibility of other scenarios such as the most optimistic (assuming the most favorable dose distribution) or the most pessimistic (taking the worst dose distribution).
  • the system then summarizes these n dose distributions (3D matrices) defined in the same coordinate system (reference of the planning image, or of the last acquired tracking image) to obtain a single distribution.
  • the system can correct the dose received by each voxel at each fraction by a corrective factor calculated using known biological model (LQ: Linear Quadratic, LQL: Linear Quadratic Linear, LQC: linear quadratic cubic ...) or user defined.
  • the clinician can thus observe in space the dose distribution studied and thus identify by a color system (LUT) hot spots (over-dosage) and cold spots (under-dosage);
  • LUT color system
  • hot spots over-dosage
  • cold spots under-dosage
  • organ a dimension like geometric, dosimetric and biological indicators. For example statistics on inter-organ distances (eg rectum-PTV), organ volume, maximum / minimum / average doses received by each organ or received by so many percent (or cubic centimeter) of the volume of the organ. organ ... are useful to the user in order to quantify the quality of the treatment.
  • inter-organ distances eg rectum-PTV
  • organ volume maximum / minimum / average doses received by each organ or received by so many percent (or cubic centimeter) of the volume of the organ. organ ... are useful to the user in order to quantify the quality of the treatment.
  • Dosimetric drift is estimated in two ways:
  • the matrices of doses obtained are studied according to the modes described above (average, maximum values ... of differences in dose).
  • the system will produce this new volume ( It is a fictitious volume resulting from the isodose 30 Gy, useful for the new optimization.) And will recommend there a stress of 15 Gy. Similar mathematical operations can be applied to other indexes (ex: average dose ... ) to generate new dosimetric constraints to correct the dose drift observed on the sessions performed on the remaining sessions.
  • the method described is preferably implemented by means of a dedicated computing device described in relation with FIG. 5.
  • a dedicated computing device described in relation with FIG. 5.
  • Such equipment comprises a memory 41, a processing unit 42 equipped for example with a microprocessor, and driven by the computer program 43, implementing at least a part of the method as described.
  • the invention is implemented in the form of an application installed on a planning device.
  • a device comprises:
  • estimation means for said current session, of a cumulative dose during the treatment, for said at least one less a tumor structure to be treated;
  • These means are implemented through dedicated software and / or hardware modules. These modules are able to implement the reception and data transmission interfaces present on said device (input interface I and transmission interface T).
  • the technique described can be implemented via a communication network to which a device is connected. In at least one embodiment, the technique described is implemented within a radiotherapy treatment planning console.
  • the invention can also be implemented via a decision support system for optimizing dose planning in adaptive radiotherapy.
  • a decision support system for optimizing dose planning in adaptive radiotherapy.
  • Such a system described with reference to FIG. 9, comprises:
  • patient-specific data includes any relevant data (eg, age, weight, gender) that allows the patient to be associated with the metadata of a population.
  • the various input modules (901, 902, 903) receive data automatically or manually from the diagnostic and therapeutic tools during the various treatment sessions or from data from the scientific and medical literature. These data are poured into a data structure (STruct) adapted to their use by the other modules.
  • Diagnostic tools include:
  • medical imaging devices external to the treatment for example, radiography, computed tomography, ultrasound, scintigraphy, positron emission tomography
  • imaging devices internal to the treatment for example, CBCT, ultrasound tracking, video tracking;
  • Therapeutic tools include:
  • treatment devices eg cobalt therapy, linear accelerators, tomotherapy, radiotherapy
  • the data input module of the radiotherapy treatment (902) receives:
  • the data entry module of the radiotherapy treatment (902) initially receives the prescription (dose per session, etc.)
  • the data input module of the radiotherapy treatment (902) receives at each session the individual and inter-individual geometric modifications of the target volumes to be treated and the organs at risk of the patient.
  • the radiotherapy treatment data input module (902) receives the data relating to the patient's overall movement in the treatment apparatus during the various previous treatment sessions.
  • the radiotherapy treatment data input module (902) receives the data relating to the repositioning of the patient in the treatment apparatus during the various previous treatment sessions.
  • the data input module of the dose delivered during the previous treatment sessions (903) receives the result of a calculation of the cumulative dose obtained from the data previously described.
  • the calculation of the cumulative dose is obtained from algorithms of rigid or non-rigid registration of organ contours and targets defined on the different imaging modalities.
  • the calculation of the cumulative dose is obtained from dose propagation algorithms on the contours of contouring of the contours of organs and targets.
  • the cumulative dose evaluation module at the current session receives the result of the cumulative dose previously calculated.
  • the accumulated dose evaluation module at the current session (904) receives the patient-specific data.
  • the predicted dose evaluation module at the end of treatment provides predictable dosimetric indicators at the end of treatment (eg, dose-volume, mean dose, mean dose, minimum dose histograms) for each organ or target considered.
  • the evaluation module of the dose predicted at the end of the treatment (905) provides predictable radiobiological indicators at the end of the treatment (for example BED, EUD, TCP, NTCP ...) ... for each of the organs or targets considered.
  • the module for predicting the cumulative dose at the end of treatment (905) receives cumulative dose indicators at the current session.
  • the module for predicting the cumulative dose at the end of treatment receives cumulative dose indicators individually during the previous treatment sessions.
  • the module for predicting the cumulative dose at the end of the treatment (905) receives the 3D dose matrix and the 3D mapping of the organs and targets considered during the current session.
  • the cumulative dose prediction module at the end of treatment receives the 3D dose matrix and 3D mapping of organs and targets during previous treatment sessions.
  • the cumulative dose prediction module at the end of the treatment (905) performs probabilistic calculations on the cumulative dose indexes for the following treatment sessions.
  • the cumulative dose prediction module at the end of treatment (905) performs probabilistic calculations on the 3D matrices of dose and mapping of organs and targets for subsequent treatment sessions.
  • the module for predicting the cumulative dose at the end of the treatment (905) performs the said probabilistic calculations according to different predictive models (for example, trend analysis).
  • the cumulative dose prediction module at the end of treatment receives data from the medical literature regarding national or international recommendations for specifying the prescribed dose (eg TOG, GETUG, consensus conferences).
  • the module for predicting the cumulative dose at the end of the treatment defines, on the basis of the previously defined information, an estimate of the risk of non-compliance with the quality indices.
  • the module for defining new optimization constraints receives the estimate of the risk of non-compliance with the quality indexes.
  • the new optimization constraints definition module (907) receives the dose accumulation quality indexes for the following treatment sessions.
  • the module for defining new optimization constraints receives the same information as that defined for the patient-specific data entry modules and the radiotherapy treatment.
  • the module defining new optimization constraints (907) defines new optimization constraints for the definition of a modified processing plan. 5.3. Description of the data used
  • the data entry module of the radiotherapy treatment (902) initially receives the prescription (dose per session, etc.)
  • the data input module of the radiotherapy treatment (902) receives at each session the individual and inter-individual geometric modifications of the target volumes to be treated and the organs at risk of the patient.
  • the radiotherapy treatment data input module (902) receives the data relating to the patient's overall movement in the treatment apparatus during the various previous treatment sessions.
  • the radiotherapy treatment data input module (902) receives the data relating to the repositioning of the patient in the treatment apparatus during the various previous treatment sessions.
  • the data input module of the dose delivered during the previous treatment sessions (903) receives the result of a calculation of the cumulative dose obtained from the data previously described.
  • the calculation of the cumulative dose is obtained from algorithms of rigid or non-rigid registration of organ contours and targets defined on the different imaging modalities.
  • the calculation of the cumulative dose is obtained from dose propagation algorithms on the contours of contouring of the contours of organs and targets.
  • the cumulative dose evaluation module at the current session receives the result of the cumulative dose previously calculated.
  • the accumulated dose evaluation module at the current session (904) receives the patient-specific data.
  • the predicted dose evaluation module at the end of treatment provides predictable dosimetric indicators at the end of treatment (eg, dose-volume, mean dose, mean dose, minimum dose histograms) for each organ or target considered.
  • the evaluation module of the dose predicted at the end of the treatment provides predictable radiobiological indicators at the end of the treatment (for example BED, EUD, TCP, NTCP ...) ... for each of the organs or targets considered.
  • the module for predicting the cumulative dose at the end of treatment (905) receives cumulative dose indicators at the current session.
  • the module for predicting the cumulative dose at the end of treatment (905) receives cumulative dose indicators individually during the previous treatment sessions.
  • the module for predicting the cumulative dose at the end of the treatment (905) receives the 3D dose matrix and the 3D mapping of the organs and targets considered during the current session.
  • the cumulative dose prediction module at the end of treatment receives the 3D dose matrix and 3D mapping of organs and targets during previous treatment sessions.
  • the cumulative dose prediction module at the end of the treatment (905) performs probabilistic calculations on the cumulative dose indexes for the following treatment sessions.
  • the cumulative dose prediction module at the end of treatment (905) performs probabilistic calculations on the 3D matrices of dose and mapping of organs and targets for subsequent treatment sessions.
  • the module for predicting the cumulative dose at the end of the treatment (905) performs the said probabilistic calculations according to different predictive models (for example, trend analysis).
  • the cumulative dose prediction module at the end of treatment receives data from the medical literature regarding national or international recommendations for specifying the prescribed dose (eg TOG, GETUG, consensus conferences).
  • the module for predicting the cumulative dose at the end of the treatment defines, on the basis of the previously defined information, an estimate of the risk of non-compliance with the quality indices.
  • the module for defining new optimization constraints receives the estimate of the risk of non-compliance with the quality indexes.
  • the new optimization constraints definition module (907) receives the dose accumulation quality indexes for the following treatment sessions.
  • the module for defining new optimization constraints (907) receives the same information as that defined for the patient-specific data entry modules and the radiotherapy treatment.
  • the module defining new optimization constraints (907) defines new optimization constraints for the definition of a modified processing plan.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

L'invention se rapporte à un procédé d'optimisation d'une planification de traitement en radiothérapie adaptative d'au moins une structure tumorale à traiter, procédé mis en œuvre par un dispositif d'optimisation, ledit procédé comprenant, au cours d'une séance de traitement courante, au moins une acquisition d'une image de suivi comprenant une représentation de ladite au moins une moins une structure tumorale à traiter. Selon l'invention, le procédé comprend: une phase d'estimation, pour ladite séance courante, d'une dose cumulée au cours du traitement, pour ladite au moins une moins une structure tumorale à traiter; une phase de prédiction d'une dose reçue en fin de traitement en fonction d'au moins une donnée recueillie en cours de traitement; une phase d'évaluation des doses cumulées entre une première séance de traitement et ladite séance de traitement courante, délivrant une donnée représentative d'une dérive de dose cumulée; une phase de génération d'au moins une nouvelle contrainte de traitement lorsque ladite donnée représentative d'une dérive de dose cumulée excède un plafond déterminé.

Description

Optimisation de la planification en radiothérapie adaptative.
1. Domaine de l'invention
L'invention se rapporte au traitement de données d'imagerie médicale. L'invention se rapporte plus particulièrement à une méthode de traitement de données médicales permettant une optimisation de la planification en radiothérapie adaptative utilisant la dérive de la dose cumulative et la prédiction de la dose finale délivrée.
On rappelle que la radiothérapie est une méthode de traitement qui utilise des radiations pour détruire les cellules cancéreuses. L'irradiation a pour but de détruire des cellules tumorales tout en épargnant des tissus sains périphériques. Pour permettre une irradiation, un accélérateur linéaire d'électrons est utilisé, lequel produit un faisceau d'irradiation.
2. Art antérieur
L'histoire de la radiothérapie est relativement récente. La radiothérapie gagne en efficacité en fonction de l'évolution des progrès techniques. Ainsi, grâce à la mise en œuvre d'un scanner, la planification des traitements de radiothérapie en trois- dimensions devint possible, ce qui représentait une avancée majeure par rapport aux traitements en deux dimensions. Les traitements basés sur l'utilisation du scanner permettent aux radiooncologues de déterminer plus précisément la distribution de la dose de radiation en utilisant des images tomodensitométriques de l'anatomie du patient. Des techniques d'imagerie ont permis l'apparition de la radiothérapie guidée par l'image (IG T) qui permet de mieux contrôler la position de la zone à traiter au fur et à mesure du traitement. Des innovations au niveau des appareils de traitement comme l'apparition des collimateurs multi-lames ont permis l'apparition de la radiothérapie conformationnelle avec modulation d'intensité (RCMI) qui permet d'adapter plus précisément l'irradiation à la forme des organes à traiter. Il a été ainsi possible de visualiser et de traiter plus efficacement les tumeurs, ce qui s'est traduit par un meilleur pronostic pour les patients, une meilleure préservation des organes sains et moins d'effets secondaires.
Les optimisations développées depuis quelques années sont cependant malheureusement limitées dans leur efficacité clinique par le fait que, alors que toute la planification est basée sur une seule image de planification (également appelée image TDM), des déplacements et déformations anatomiques, non détectables classiquement par les appareils de traitement, peuvent survenir durant les séances d'irradiation délivrées durant les semaines de traitement. La dose administrée peut ne plus correspondre à la dose planifiée, exposant alors le patient à un risque de sous-dosage tumoral (et donc de récidive) et de surdosage dans les tissus sains (et donc de toxicité). Pour prendre en compte ces incertitudes géométriques, la radiothérapie guidée par l'image (IG T) permet de localiser la cible tumorale sous l'appareil de traitement au moment de la séance d'irradiation. En raison principalement de sa complexité, l'utilisation de l'IGRT est cependant encore limitée. Par ailleurs, les modifications de position, de volume et d'interrelation des cibles et des organes à risque sont mal prises en compte, notamment par le fait que les index de qualité dosimétriques (ou critères d'optimisation pour une nouvelle planification) en cours de traitement sont inexistants, mal définis ou sans interaction avec la suite des séances d'irradiation.
3. Résumé de l'invention
La technique proposée ne présente pas ces inconvénients de l'art antérieur. Plus particulièrement, la technique proposée se rapporte à un procédé d'optimisation d'une planification de traitement en radiothérapie adaptative d'au moins une structure tumorale à traiter, procédé mis en œuvre par un dispositif d'optimisation, ledit procédé comprenant, au cours d'une séance de traitement courante, au moins une acquisition d'une image de suivi comprenant une représentation de ladite au moins une moins une structure tumorale à traiter. Un tel procédé comprend :
une phase d'estimation, pour ladite séance courante, d'une dose cumulée au cours du traitement, pour ladite au moins une moins une structure tumorale à traiter ;
une phase de prédiction d'une dose reçue en fin de traitement en fonction d'au moins une donnée recueillie en cours de traitement ;
une phase d'évaluation des doses cumulées entre une première séance de traitement et ladite séance de traitement courante, délivrant une donnée représentative d'une dérive de dose cumulée ; une phase de génération d'au moins une nouvelle contrainte de traitement lorsque ladite donnée représentative d'une dérive de dose cumulée excède un plafond déterminé.
Dans au moins un autre mode de réalisation, l'invention se rapporte à un dispositif d'optimisation d'une planification de traitement en radiothérapie adaptative d'au moins une structure tumorale à traiter, ledit dispositif comprenant, des moyens d'acquisition d'une image de suivi comprenant une représentation de ladite au moins une moins une structure tumorale à traiter.
Un tel dispositif caractérisé en ce qu'il comprend :
des moyens d'estimation, pour ladite séance courante, d'une dose cumulée au cours du traitement, pour ladite au moins une moins une structure tumorale à traiter ;
des moyens de prédiction d'une dose reçue en fin de traitement en fonction d'au moins une donnée recueillie en cours de traitement ;
des moyens d'évaluation des doses cumulées entre une première séance de traitement et ladite séance de traitement courante, délivrant une donnée représentative d'une dérive de dose cumulée ;
des moyens de génération d'au moins une nouvelle contrainte de traitement lorsque ladite donnée représentative d'une dérive de dose cumulée excède un plafond déterminé.
Selon une implémentation préférée, les différentes étapes des procédés selon l'invention sont mises en œuvre par un ou plusieurs logiciels ou programmes d'ordinateur, comprenant des instructions logicielles destinées à être exécutées par un processeur de données d'un module relais selon l'invention et étant conçu pour commander l'exécution des différentes étapes des procédés.
En conséquence, l'invention vise aussi un programme, susceptible d'être exécuté par un ordinateur ou par un processeur de données, ce programme comportant des instructions pour commander l'exécution des étapes d'un procédé tel que mentionné ci-dessus. Ce programme peut utiliser n'importe quel langage de programmation, et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet, tel que dans une forme partiellement compilée, ou dans n'importe quelle autre forme souhaitable.
L'invention vise aussi un support d'informations lisible par un processeur de données, et comportant des instructions d'un programme tel que mentionné ci-dessus.
Le support d'informations peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une disquette (floppy dise) ou un disque dur.
D'autre part, le support d'informations peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Le programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet.
Alternativement, le support d'informations peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.
Selon un mode de réalisation, l'invention est mise en œuvre au moyen de composants logiciels et/ou matériels. Dans cette optique, le terme "module" peut correspondre dans ce document aussi bien à un composant logiciel, qu'à un composant matériel ou à un ensemble de composants matériels et logiciels.
Un composant logiciel correspond à un ou plusieurs programmes d'ordinateur, un ou plusieurs sous-programmes d'un programme, ou de manière plus générale à tout élément d'un programme ou d'un logiciel apte à mettre en œuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci-dessous pour le module concerné. Un tel composant logiciel est exécuté par un processeur de données d'une entité physique (terminal, serveur, passerelle, routeur, etc.) et est susceptible d'accéder aux ressources matérielles de cette entité physique (mémoires, supports d'enregistrement, bus de communication, cartes électroniques d'entrées/sorties, interfaces utilisateur, etc.). De la même manière, un composant matériel correspond à tout élément d'un ensemble matériel (ou hardware) apte à mettre en œuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci-dessous pour le module concerné. Il peut s'agir d'un composant matériel programmable ou avec processeur intégré pour l'exécution de logiciel, par exemple un circuit intégré, une carte à puce, une carte à mémoire, une carte électronique pour l'exécution d'un micrologiciel (firmware), etc.
Chaque composante du système précédemment décrit met bien entendu en œuvre ses propres modules logiciels.
Les différents modes de réalisation mentionnés ci-dessus sont combinables entre eux pour la mise en œuvre de l'invention.
4. Figures
D'autres caractéristiques et avantages de l'invention apparaîtront plus clairement à la lecture de la description suivante d'un mode de réalisation préférentiel, donné à titre de simple exemple illustratif et non limitatif, et des dessins annexés, parmi lesquels :
la figure 1 présente un synoptique de la technique proposée ;
la figure 2 illustre un exemple de calcul de la dose cumulée ;
la figure 3 illustre l'évaluation d'une distribution de dose sur un dispositif de restitution d'information ;
la figure 4 illustre une évaluation 3D côte à côte de deux distributions de dose sur un dispositif de restitution d'information ;
la figure 5 illustre une évaluation en 2D superposée de deux distributions de dose (trait plein pour la dose planifiée et en pointillés pour la dose prédite) sur un dispositif de restitution d'information ;
la figure 6 illustre une superposition des HDVs calculés lors de chaque séance de traitement ;
la figure 7 illustre une évaluation en 3D de deux distributions de dose soustraites (Soustraction de la matrice de dose prédite à la matrice de dose planifiée) sur un dispositif de restitution d'information ;
la figure 8 décrit un dispositif pour la mise en œuvre de la technique proposée ; la figure 9 décrit un système pour la mise en œuvre d el'invention.
5. Description d'un mode de réalisation
5.1. Rappel du principe de la technique
La technique proposée consiste à optimiser l'IGRT dans une pratique de routine en vue d'améliorer la guérison du cancer. Dans le mode de réalisation présenté postérieurement, le cancer de la prostate a été choisi comme modèle du fait de sa fréquence, de la place majeure de la radiothérapie pour ces cancers et de la mobilité de la cible prostatique posant un problème thérapeutique. Bien entendu, la technique proposée est applicable à toute autre type de cancer pour lequel un traitement par radiothérapie est envisageable.
La technique proposée peut être mise en œuvre sous la forme d'un outil d'aide à la prise de décision qui prend en compte la nature déformable des organes. La technique proposée repose sur une approche originale et opérationnelle pour une « radiothérapie adaptative » définissant des index d'aide à la décision pour une replanification peropératoire du traitement. En d'autres termes, l'outil permet une replanification de routine en fonction de l'évolution tumorale, ce qui permet d'adapter le traitement initialement préconisé en façon simple et adaptée au patient.
Un système, par exemple un système composé de dispositifs matériels et de modules logiciels, qui met en œuvre la technique proposée a pour but d'optimiser la planification de dose en radiothérapie adaptative en cours de traitement. Il a pour paramètres initiaux d'entrée les données propres du patient et les paramètres de la planification dosimétrique : volumes cibles, organes à risque, marges, dose par fraction... Â chaque séance, un tel système calcule la dose cumulée au cours des séances précédentes et, par des algorithmes géométriques et statistiques, évalue la dose prédite à la fin du traitement et la dérive par rapport à la dose planifiée. Le système contrôle les risques de non-respect des critères de qualité radio-thérapeutique à la fin du traitement et en déduit de nouvelles contraintes d'optimisation pour la planification adaptative des séances de traitement suivantes.
Le principe général mis en œuvre est le suivant : A chaque séance, le système calcule la dose cumulée au cours des séances précédentes et, par des algorithmes géométriques et statistiques, évalue la dose prédite à la fin du traitement et la dérive par rapport à la dose planifiée. Le système contrôle les risques de non-respect des critères de qualité radio-thérapeutique à la fin du traitement et en déduit de nouvelles contraintes d'optimisation pour la planification adaptative des séances de traitement suivantes.
Si l'on se considère à la i'eme séance de traitement, les solutions sont présentées globalement dans la figure 1.
l'image de planification (généralement une image tomodensitométrique (TDM, ou image scanner ou image CT (Computed Tomography))), acquise préalablement au traitement pour définir la balistique d'irradiation qui sera utilisée lors des différentes séances de traitement (par exemple 5 séances de traitement par semaine pendant 8 semaines). Sur cette image, l'expert a délinéé les structures d'intérêt (les différents volumes cibles et les organes à risques). À partir de ces contours, le système de planification de traitement (TPS) optimise la balistique suivant des critères dosimétriques. Une balistique de traitement est donc obtenue, ainsi que la matrice tridimensionnelle de dose correspondante, une image de suivi (généralement TDM ou TDM à faisceau conique (ou image CBCT [Cône Beam Computed Tomography)) correspondant à la i'eme séance de traitement. Celle-ci est acquise de façon régulière (journalière, hebdomadaire, ...) au cours du traitement de façon à visualiser l'anatomie du patient et/ou à repositionner la tumeur avant une séance d'irradiation.
La technique proposée se décompose en trois grandes phases :
l'estimation de la dose cumulée au cours du traitement : pour chaque séance de traitement, suivant l'image de suivi acquise, la dose reçue par les tissus est estimée et reportée sur l'image de planification. Elle peut alors être accumulée localement pour disposer d'un suivi de la dose cumulée en cours de traitement, suivant des informations recueillies en cours de traitement (anatomiques et dosimétriques), ainsi qu'éventuellement des données issues d'autres patients, la dose reçue en fin de traitement est prédite. Cette prédiction est mise à jour au cours du traitement.
une évaluation des doses cumulées (dose cumulée de la lere à la i'eme séance et dose prédite à la fin du traitement) est réalisée. Cette évaluation permet notamment d'évaluer une éventuelle dérive de la dose cumulée par rapport à la dose planifiée. En cas de dérive significative, de nouvelles contraintes d'optimisation de la balistique sont proposées pour permettre une replanification de la balistique de traitement.
Le principe général est d'utiliser, pour réaliser ces calculs, des matrices de doses. Ces matrices sont représentées sous la forme de structures de données tridimensionnelles, comprenant, pour un voxel ou un ensemble de voxels donnés, une ou plusieurs doses reçues. L'une des difficultés est de s'assurer que les matrices de doses se placent toutes dans un même référentiel tridimensionnel. Cette difficulté a été levée par l'utilisation de méthode de recalage, permettant de référencer les images de suivi de la même manière que le référencement initial obtenu dans l'image de planification. Ainsi, chaque image de suivi est recalée par rapport à l'image de planification. Dès lors, toutes les images de suivi sont dans un même espace tridimensionnel. Ce recalage est calculé en routine et est la résultante d'une ou plusieurs transformations géométriques qui sont appliquées sur l'image de suivi pour que le contenu de cette image soit situé dans le même espace tridimensionnel que celui de l'image de planification. Ces transformations géométriques sont conservées.
Puis, lorsque la distribution de dose de la séance « i » a été calculée (sur la base de l'image de suivi de la séance « i »), les transformations précédentes sont utilisées pour que cette distribution de dose soit adaptée au référentiel de l'image de planification. Ainsi, il est possible de réaliser des calculs spécifiques tout en étant sur de se trouver dans un référentiel identique.
On peut également noter que la méthode décrite n'est pas limitée à une mise en œuvre à partir d'une image de planification. En effet, il est tout à fait envisageable de disposer d'un référentiel artificiel ou théorique sur lequel les images de suivi et de planification seraient recalées. Une telle implémentation dépend en fait d'une part de la structure tumorale à traiter et d'autre part des variabilités anatomiques liées aux organes.
Dans un autre mode de réalisation, le référentiel théorique ou artificiel peut prendre la forme d'un atlas, ledit atlas étant une représentation statistique créée en fonction de critères anatomiques ou cliniques.
5.1.1. Calcul de la dose cumulée
Le calcul de la dose cumulée comprend une étape de recalage d'images entre l'image de suivi et l'image de planification. Un exemple de processus de cumul de dose est illustré par la Figure 2.
La première étape est le calcul de la matrice de dose journalière, c'est-à-dire de la dose reçue par les tissus lors de la i'eme séance de traitement calculée sur l'image de suivi correspondante. Ce calcul prend en compte le repositionnent du patient utilisé lors des séances de traitement.
Deux méthodes différentes sont utilisées, suivant la localisation considérée (pelvis, O L...) et la modalité utilisée pour les images de suivi :
recalcul de la dose suivant la balistique de traitement : si le contour externe du patient est modifié de façon importante (par exemple dans le cas d'une fonte tumorale en ORL) et si l'image de suivi le permet (image TDM, voire TDM à faisceau conique (l'utilisation de cette dernière étant plus complexe)), la matrice de dose peut être calculée par le système de planification de traitement suivant la balistique de traitement utilisée.
transposition directe de la matrice de dose planifiée : si le contour externe du patient est peu modifié (cas du pelvis), la matrice de dose planifiée peut être directement transposée sur l'image de suivi (c'est-à-dire déplacée suivant le repositionnement du patient et éventuellement interpolée).
L'estimation des déformations des organes entre l'image de planification et l'image de suivi est ensuite réalisée. Dans l'approche développée, cette estimation est réalisée en 3 étapes principales :
propagation des contours de l'image de planification à l'image de suivi. Pour ce faire, un processus de recalage d'images entre l'image de planification et l'image de suivi est utilisé. Il fournit un champ de déformations qui traduit les déformations des organes entre les deux images. Le champ de déformations obtenu sert ensuite à déformer les contours associés à l'image de planification pour qu'ils correspondent à la configuration anatomique de l'image de suivi, correction/validation des contours. Les contours obtenus n'étant pas toujours satisfaisants, une étape de correction manuelle par un expert peut être nécessaire.
recalage des contours : les déformations entre l'image de suivi et l'image de planification sont estimées à partir des informations de contours. Tout d'abord, des cartes de distance tridimensionnelles sont générées pour les deux ensembles de contours. Ces cartes représentent, pour chaque voxel de l'image 3D, la distance à l'organe le plus proche. Ces cartes de distances sont ensuite recalées, fournissant un nouveau champ de déplacements.
Le champ de déformation obtenu est ensuite utilisé pour propager la dose journalière, correspondant à l'image de suivi, vers l'image de planification. Cette étape est réalisée en déformant la matrice de dose journalière suivant le champ de déformations obtenu et en appliquant une interpolation trilinéaire.
Ainsi, si ce processus est appliqué pour l'ensemble des images de suivi, sont obtenues autant de doses propagées sur l'image de planification. Ces différentes matrices de dose étant toutes associées à un même référentiel anatomique, elles peuvent être additionnées (elles sont cumulables). Finalement, une dose cumulée, correspondant à la dose reçue des séances 1 à i, est donc obtenue.
5.1.2. Projection de la dose en fin de traitement
Lors d'un traitement en n séances, à partir des différentes doses cumulables obtenues lors des i premières séances, le système permet de prévoir la dose "réellement" délivrée en fin de traitement. Le système modélise donc les doses cumulables de i à n, afin de les sommer aux doses cumulables de 1 à i (obtenues par l'étape de calcul de dose cumulée). Afin d'extrapoler les (n-i) dernières séances restant à réaliser, plusieurs scénarios de complexité très variables peuvent être utilisés : utilisation de la dose planifiée (avant le début du traitement) pour compléter les séances manquantes.
report de la dernière séance effectuée (ie. dernière dose cumulable obtenue) sur les séances restantes.
- moyenne des séances déjà effectués.
utilisation d'un modèle probabiliste soit basé sur les séances précédentes, soit basé sur les données issues de l'étude d'une population de patients (ex : fréquence et magnitude des déplacements par organe).
utilisation d'un modèle mécanique établi à l'aide de la cinétique des volumes soit observée sur les séances précédentes (à partir des images de suivi), soit basée sur l'étude d'une population de patients (ex : cinétique des volumes lors d'un traitement de radiothérapie...)
utilisation de modèles plus complexes issus des domaines de la biologie, de la finance (ex : méthode d'analyse prédictive)... intégrant les données propres aux patients (âge, poids, pathologie, localisation du volume tumorale, et toutes autres données diagnostiques...).
utilisation de modèles hybrides (probabiliste, mécanique etc..)
Le système offre également la possibilité d'autres scénarios comme le plus optimiste (reprenant la distribution de dose la plus favorable) ou le plus pessimiste (reprenant la distribution de dose la plus défavorable). Le système somme ensuite ces n distributions de dose (matrices 3D) définies dans le même système de coordonnées (référence de l'image de planification, ou de la dernière image de suivi acquise) afin d'obtenir une unique distribution. Lors de cette sommation, en fonction de la dose à chaque fraction, le système peut corriger la dose reçue par chaque voxel à chaque fraction par un facteur correctif calculé à l'aide de modèle biologique connu (LQ : Linéaire Quadratique, LQL : Linéaire Quadratique Linéaire, LQC : linéaire quadratique cubique...) ou défini par l'utilisateur.
5.1.3. Évaluation des doses cumulées (à la fraction et en fin de traitement)
Différents outils sont utilisés afin d'évaluer les différentes distributions de doses obtenues dans les étapes précédentes (dose planifiée, dose déformée c'est-à-dire à la fraction, dose cumulée et dose prédite). Ces outils sont de natures différentes, ils peuvent être en :
trois dimensions, le clinicien peut ainsi observer dans l'espace la distribution de dose étudiée et identifier ainsi par un système de couleur (LUT) les points chauds (sur-dosage) et les points froids (sous-dosage) ;
deux dimensions, tels les histogrammes dose-volume ;
une dimension comme des indicateurs géométriques, dosimétriques et biologiques. Par exemple des statistiques sur les distances inter-organes (ex : rectum-PTV), le volume des organes, les doses maximum/minimum/moyenne reçues par chaque organe ou reçues par tant de pourcentage (ou centimètre cube) du volume de l'organe... sont utiles à l'utilisateur afin de quantifier la qualité du traitement.
Des tolérances enregistrées par les utilisateurs ou à partir de la bibliographie permettent au système de déclencher différents niveaux d'alertes. Ces tolérances sont soit absolues (ex : « la dose maximum par fraction pour la moelle doit être inférieur à lGy », ou « la dose maximum pour l'ensemble du traitement pour la moelle doit être inférieur à 45 Gy »...) soit relatives (ex : « la dose maximum pour l'ensemble du traitement pour la moelle doit rester inférieure à 110% de la dose maximum tolérée lors de la planification »).
5.1.4. Évaluation de la dérive
La dérive dosimétrique est estimée de deux façons :
Dérive observée : soustraction entre la dose cumulée à la séance « i » et la dose planifiée correspondante à la séance « i » (c'est-à-dire rapportée aux nombres de séances effectuées) ;
- Dérive prédite : soustraction entre la dose prédite en fin de traitement et la dose planifiée.
Les matrices de doses obtenues sont étudiées suivant les modes décrits ci- dessus (valeurs moyenne, maximale... des différences de dose).
5.1.5. Adaptation du plan de traitement Si la dérive entre la distribution de dose planifiée et la distribution de dose prédite devient trop importante, il faut établir un nouveau plan de traitement. Pour cela de nouvelles contraintes dosimétriques sont établies, basées sur les contraintes initiales, mais prenant en compte la dose déjà reçue par le patient. Le principe de base est de soustraire la dose déjà reçue aux contraintes initiales. La définition de nouveaux volumes peut alors s'imposer.
Par exemple, si à la planification la dose maximale à la moelle devait être inférieure à 45 Gy, et que, lors des séances précédant la séance courante, une partie de la moelle a déjà reçue 30 Gy, alors le système produira ce nouveau volume (C'est un volume fictif issu de l'isodose 30 Gy, utile pour la nouvelle optimisation.) et y recommandera une contrainte de 15 Gy. Des opérations mathématiques similaires pourront être appliquées à d'autres indexes (ex : dose moyenne...) afin de générer de nouvelles contraintes dosimétriques permettant de corriger sur les séances restantes la dérive de dose observée sur les séances réalisées.
5.2. Dispositif de mise en œuyre.
La méthode décrite est de préférence mise en œuvre par l'intermédiaire d'un équipement de calcul dédié décrit en relation avec la figure 5. Un tel équipement comprend une mémoire 41, une unité de traitement 42 équipée par exemple d'un microprocesseur, et pilotée par le programme d'ordinateur 43, mettant en œuvre au moins une partie du procédé tel que décrit. Dans au moins un mode de réalisation, l'invention est mise en œuvre sous la forme d'une application installée sur un dispositif de planification. Un tel dispositif comprend :
des moyens d'estimation, pour ladite séance courante, d'une dose cumulée au cours du traitement, pour ladite au moins une moins une structure tumorale à traiter ;
des moyens de prédiction d'une dose reçue en fin de traitement en fonction d'au moins une donnée recueillie en cours de traitement ; des moyens d'évaluation des doses cumulées entre une première séance de traitement et ladite séance de traitement courante, délivrant une donnée représentative d'une dérive de dose cumulée ;
des moyens de génération d'au moins une nouvelle contrainte de traitement lorsque ladite donnée représentative d'une dérive de dose cumulée excède un plafond déterminé.
Ces moyens sont mis en œuvre par l'intermédiaire de modules logiciels et/ou matériels dédiés. Ces modules sont aptes à mettre en œuvre les interfaces de réception et de transmission de données présentes sur ledit dispositif (interface d'entrée I et interface de transmission T).
Dans au moins un mode de réalisation, la technique décrite peut être mis en œuvre par l'intermédiaire d'un réseau de communication auquel un dispositif est connecté. Dans au moins un mode de réalisation, la technique décrite est mise en œuvre au sein d'une console de planification de traitement de radiothérapie.
L'invention peut également être mise en œuvre par l'intermédiaire d'un système d'aide à la décision pour l'optimisation de la planification de dose en radiothérapie adaptative. Un tel système, décrit en relation avec la figure 9, comprend :
un module d'entrée des données spécifiques au patient (901) ;
un module d'entrée des données du traitement de radiothérapie (902) de ; - un module d'entrée des données de la dose délivrée au cours des séances précédentes de traitement (903) ;
un module d'évaluation de la dose cumulée à la séance en cours (904) ;
un module d'évaluation de la dose prédite à la fin du traitement (905) ;
un module d'évaluation des risques de non-respect des critères de qualité radio- thérapeutique à la fin du traitement (906) ;
un module de définition de nouvelles contraintes d'optimisation pour la planification adaptative des séances de traitement suivantes (907).
Au sein de ce système, les données spécifiques au patient comprennent toutes données pertinentes (par exemple âge, poids, sexe) qui permettent une association du patient avec les métadonnées d'une population. Les différents modules d'entrée (901, 902, 903) reçoivent des données automatiquement ou manuellement à partir des outils diagnostiques et thérapeutiques au cours des différentes séances de traitement ou à partir de données issues de la littérature scientifique et médicale. Ces données sont déversées dans une structure de données (STruct) adaptée à leurs utilisation par les autres modules.
Les outils diagnostiques comprennent :
des appareils d'imagerie médicale externes au traitement (par exemple radiographie, tomodensitométrie, échographie, scintigraphie, tomographie par émission de positons) ;
des appareils d'imagerie internes au traitement (par exemple CBCT, repérage échographique, repérage vidéo) ;
des dosages biologiques ;
des outils diagnostiques manuels (par exemple palpation, interrogatoires, examens cliniques).
Les outils thérapeutiques comprennent :
les caractéristiques physiques des appareils de traitement (par exemple cobalt- thérapie, accélérateurs linéaires, tomo-thérapie, radio-chirurgie) ;
les caractéristiques géométriques des dits appareils de traitement ;
Par ailleurs, le module d'entrée des données du traitement de radiothérapie (902) reçoit :
les contours bi, tri ou quadri dimensionnels (3D + temps) des volumes cibles à traiter ;
les contours bi ou tri ou quadri dimensionnels des organes à risque ;
les paramètres de planification dosimétrique du traitement en cours.
Le module d'entrée des données du traitement de radiothérapie (902) reçoit initialement la prescription (dose à la séance, etc. )
Le module d'entrée des données du traitement de radiothérapie (902) reçoit à chaque séance les modifications géométriques individuelles et inter-individuelles des volumes cibles à traiter et des organes à risques du patient. Le module d'entrée des données du traitement de radiothérapie (902) reçoit les données concernant le bouger global du patient dans l'appareil de traitement au cours des différentes séances précédentes de traitement.
Le module d'entrée des données du traitement de radiothérapie (902) reçoit les données concernant le repositionnement du patient dans l'appareil de traitement au cours des différentes séances précédentes de traitement.
Le module d'entrée des données de la dose délivrée au cours des séances précédentes de traitement (903) reçoit le résultat d'un calcul du cumul de dose obtenu à partir des données décrites précédemment.
Le calcul du cumul de dose est obtenu à partir d'algorithmes de recalage rigide ou non-rigide de contours d'organes et de cibles définis sur les différentes modalités d'imagerie.
Le calcul du cumul de dose est obtenu à partir d'algorithmes de propagation de la dose sur les contours de recalage de contours d'organes et de cibles.
Le module d'évaluation de la dose cumulée à la séance en cours (904) reçoit le résultat du cumul de dose préalablement calculé.
Le module d'évaluation de la dose cumulée à la séance en cours (904) reçoit les données spécifiques du patient.
Le module d'évaluation de la dose prédite à la fin du traitement (905) fournit des indicateurs dosimétriques prévisibles à la fin du traitement (par exemple histogrammes dose-volume, dose moyenne, dose moyenne, dose minimum) pour chacun des organes ou cibles considérées.
Le module d'évaluation de la dose prédite à la fin du traitement (905) fournit des indicateurs radio-biologiques prévisibles à la fin du traitement (par exemple BED, EUD, TCP, NTCP...)... pour chacun des organes ou cibles considérés.
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit les indicateurs de dose cumulée à la séance en cours.
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit les indicateurs de dose cumulée individuellement lors des séances de traitement précédentes. Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit la matrice de dose 3D et la cartographie 3D des organes et cibles considérées lors de la séance en cours.
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit la matrice de dose 3D et la cartographie 3D des organes et cibles lors des séances de traitement précédentes.
Le module de prédiction de la dose cumulée à la fin du traitement (905) effectue des calculs probabilistes sur les index de cumul de dose pour les séances de traitement suivantes.
Le module de prédiction de la dose cumulée à la fin du traitement (905) effectue des calculs probabilistes sur les matrices 3D de dose et de cartographie des organes et cibles pour les séances de traitement suivantes.
Le module de prédiction de la dose cumulée à la fin du traitement (905) effectue les dits calculs probabilistes selon différents modèles prédictifs (par exemple analyse de tendance).
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit les données de la littérature médicale concernant les recommandations nationales ou internationales de spécification de la dose prescrite (par exemple TOG, GETUG, conférences de consensus).
Le module de prédiction de la dose cumulée à la fin du traitement (905) définit, à partir des informations définies préalablement, une estimation du risque de non- respect des index de qualité.
Le module de définition de nouvelles contraintes d'optimisation reçoit l'estimation du risque de non-respect des index de qualité.
Le module de définition de nouvelles contraintes d'optimisation (907) reçoit les index de qualité de cumul de dose pour les séances de traitement suivantes.
Le module de définition de nouvelles contraintes d'optimisation (907) reçoit les mêmes informations que celles définies pour les modules d'entrée des données spécifiques au patient et du traitement de radiothérapie. Le module de définition de nouvelles contraintes d'optimisation (907), définit de nouvelles contraintes d'optimisation pour la définition d'un plan de traitement modifié. 5.3. Description des données mises en œuvre
Le module d'entrée des données du traitement de radiothérapie (902) reçoit initialement la prescription (dose à la séance, etc. )
Le module d'entrée des données du traitement de radiothérapie (902) reçoit à chaque séance les modifications géométriques individuelles et inter-individuelles des volumes cibles à traiter et des organes à risques du patient.
Le module d'entrée des données du traitement de radiothérapie (902) reçoit les données concernant le bouger global du patient dans l'appareil de traitement au cours des différentes séances précédentes de traitement.
Le module d'entrée des données du traitement de radiothérapie (902) reçoit les données concernant le repositionnement du patient dans l'appareil de traitement au cours des différentes séances précédentes de traitement.
Le module d'entrée des données de la dose délivrée au cours des séances précédentes de traitement (903) reçoit le résultat d'un calcul du cumul de dose obtenu à partir des données décrites précédemment.
Le calcul du cumul de dose est obtenu à partir d'algorithmes de recalage rigide ou non-rigide de contours d'organes et de cibles définis sur les différentes modalités d'imagerie.
Le calcul du cumul de dose est obtenu à partir d'algorithmes de propagation de la dose sur les contours de recalage de contours d'organes et de cibles.
Le module d'évaluation de la dose cumulée à la séance en cours (904) reçoit le résultat du cumul de dose préalablement calculé.
Le module d'évaluation de la dose cumulée à la séance en cours (904) reçoit les données spécifiques du patient.
Le module d'évaluation de la dose prédite à la fin du traitement (905) fournit des indicateurs dosimétriques prévisibles à la fin du traitement (par exemple histogrammes dose-volume, dose moyenne, dose moyenne, dose minimum) pour chacun des organes ou cibles considérées. Le module d'évaluation de la dose prédite à la fin du traitement (905) fournit des indicateurs radio-biologiques prévisibles à la fin du traitement (par exemple BED, EUD, TCP, NTCP...)... pour chacun des organes ou cibles considérés.
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit les indicateurs de dose cumulée à la séance en cours.
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit les indicateurs de dose cumulée individuellement lors des séances de traitement précédentes.
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit la matrice de dose 3D et la cartographie 3D des organes et cibles considérées lors de la séance en cours.
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit la matrice de dose 3D et la cartographie 3D des organes et cibles lors des séances de traitement précédentes.
Le module de prédiction de la dose cumulée à la fin du traitement (905) effectue des calculs probabilistes sur les index de cumul de dose pour les séances de traitement suivantes.
Le module de prédiction de la dose cumulée à la fin du traitement (905) effectue des calculs probabilistes sur les matrices 3D de dose et de cartographie des organes et cibles pour les séances de traitement suivantes.
Le module de prédiction de la dose cumulée à la fin du traitement (905) effectue les dits calculs probabilistes selon différents modèles prédictifs (par exemple analyse de tendance).
Le module de prédiction de la dose cumulée à la fin du traitement (905) reçoit les données de la littérature médicale concernant les recommandations nationales ou internationales de spécification de la dose prescrite (par exemple TOG, GETUG, conférences de consensus).
Le module de prédiction de la dose cumulée à la fin du traitement (905) définit, à partir des informations définies préalablement, une estimation du risque de non- respect des index de qualité. Le module de définition de nouvelles contraintes d'optimisation reçoit l'estimation du risque de non-respect des index de qualité.
Le module de définition de nouvelles contraintes d'optimisation (907) reçoit les index de qualité de cumul de dose pour les séances de traitement suivantes.
Le module de définition de nouvelles contraintes d'optimisation (907) reçoit les mêmes informations que celles définies pour les modules d'entrée des données spécifiques au patient et du traitement de radiothérapie.
Le module de définition de nouvelles contraintes d'optimisation (907), définit de nouvelles contraintes d'optimisation pour la définition d'un plan de traitement modifié.

Claims

REVENDICATIONS
Procédé d'optimisation d'une planification de traitement en radiothérapie adaptative d'au moins une structure tumorale à traiter, procédé mis en œuvre par un dispositif d'optimisation, ledit procédé comprenant, au cours d'une séance de traitement courante, au moins une acquisition d'une image de suivi comprenant une représentation de ladite au moins une moins une structure tumorale à traiter, procédé caractérisé en ce qu'il comprend :
une phase d'estimation, pour ladite séance courante, d'une dose cumulée au cours du traitement, pour ladite au moins une moins une structure tumorale à traiter ;
une phase de prédiction d'une dose reçue en fin de traitement en fonction d'au moins une donnée recueillie en cours de traitement ;
une phase d'évaluation des doses cumulées entre une première séance de traitement et ladite séance de traitement courante, délivrant une donnée représentative d'une dérive de dose cumulée ;
une phase de génération d'au moins une nouvelle contrainte de traitement lorsque ladite donnée représentative d'une dérive de dose cumulée excède un plafond déterminé.
Procédé d'optimisation selon la revendication 1, caractérisé en ce que ladite phase d'estimation comprend :
une étape de calcul d'une matrice de dose journalière correspondant à une dose reçue lors de ladite séance courante ;
une étape d'estimation d'au moins une déformation d'organe entre une image de planification de traitement et une image de suivi de traitement, ladite image de suivi de traitement correspondant à ladite séance courante ;
une étape de propagation de ladite matrice de dose journalière, correspondant à l'image de suivi, vers l'image de planification, en fonction de ladite au moins une déformation d'organe, délivrant une dose propagée ; une étape d'ajout de ladite dose propagée à une matrice de cumul de dose, délivrant ladite dose cumulée.
Procédé d'optimisation selon la revendication 1, caractérisé en ce que ladite phase de prédiction comprend :
une étape d'obtention d'un nombre de séances planifiées pour ledit traitement de ladite structure tumorale ;
une étape d'obtention d'un indice de ladite séance courante ;
une étape de modélisation, en fonction dudit indice, dudit nombre de séances planifiées et de ladite dose cumulée, d'au moins une dose cumulable ;
une étape d'ajout de ladite dose cumulable à une matrice de cumul de dose, délivrant une donnée représentative de ladite dose reçue en fin de traitement.
Procédé d'optimisation selon la revendication 1, caractérisé en ce que ladite phase d'évaluation comprend :
une étape d'obtention d'un nombre de séances planifiées pour ledit traitement de ladite structure tumorale ;
une étape d'obtention d'un indice de ladite séance courante ;
une étape de modélisation, en fonction dudit indice, dudit nombre de séances planifiées, d'au moins une dose théorique ;
une étape de calcul d'au moins une donnée représentative d'une différence entre ladite dose cumulée et une somme de ladite au moins une dose théorique, dite dérive de dose cumulée.
Procédé d'optimisation selon la revendication 1, caractérisé en ce que ladite phase de génération d'au moins une nouvelle contrainte comprend :
une étape de calcul d'une différence entre ladite dérive de dose cumulée et ladite donnée représentative de ladite dose reçue en fin de traitement ; et lorsque ladite différence préalablement calculée excède une valeur prédéterminée : une étape de soustraction de ladite dose cumulée à une dose initialement planifiée, délivrant une donnée représentative d'une dose restante ;
une étape de calcul, en fonction de ladite donnée représentative d'une dose restante et de ladite dose initialement planifiée, d'au moins une contrainte dosimétrique.
Dispositif d'optimisation d'une planification de traitement en radiothérapie adaptative d'au moins une structure tumorale à traiter, ledit dispositif comprenant, des moyens d'acquisition d'une image de suivi comprenant une représentation de ladite au moins une moins une structure tumorale à traiter, dispositif caractérisé en ce qu'il comprend :
des moyens d'estimation, pour ladite séance courante, d'une dose cumulée au cours du traitement, pour ladite au moins une moins une structure tumorale à traiter ;
des moyens de prédiction d'une dose reçue en fin de traitement en fonction d'au moins une donnée recueillie en cours de traitement ;
des moyens d'évaluation des doses cumulées entre une première séance de traitement et ladite séance de traitement courante, délivrant une donnée représentative d'une dérive de dose cumulée ;
des moyens de génération d'au moins une nouvelle contrainte de traitement lorsque ladite donnée représentative d'une dérive de dose cumulée excède un plafond déterminé.
Produit programme d'ordinateur téléchargeable depuis un réseau de communication et/ou stocké sur un support lisible par ordinateur et/ou exécutable par un microprocesseur, caractérisé en ce qu'il comprend des instructions de code de programme pour l'exécution d'un procédé selon aest la revendication 1, lorsqu'il est exécuté sur un ordinateur.
PCT/EP2014/058023 2013-04-18 2014-04-18 Optimisation de la planification en radiothérapie adaptative WO2014170489A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1353555A FR3004654B1 (fr) 2013-04-18 2013-04-18 Optimisation de la planification en radiotherapie adaptative
FR1353555 2013-04-18

Publications (1)

Publication Number Publication Date
WO2014170489A1 true WO2014170489A1 (fr) 2014-10-23

Family

ID=49209469

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2014/058023 WO2014170489A1 (fr) 2013-04-18 2014-04-18 Optimisation de la planification en radiothérapie adaptative

Country Status (2)

Country Link
FR (1) FR3004654B1 (fr)
WO (1) WO2014170489A1 (fr)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3027715A1 (fr) * 2014-10-28 2016-04-29 Univ Bretagne Occidentale Procede d'obtention d'une structure de donnees representative de quantites de radiations ionisantes recues, dispositif et programme d'ordinateur correspondant
CN111388879A (zh) * 2020-03-19 2020-07-10 上海联影医疗科技有限公司 一种放射剂量确定系统、装置及存储介质
CN112466432A (zh) * 2020-12-09 2021-03-09 北京易康医疗科技有限公司 一种基于人工智能技术的肿瘤放疗线束种类筛选方法
CN116130056A (zh) * 2023-04-17 2023-05-16 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的确定装置和电子设备
WO2024064953A1 (fr) * 2022-09-23 2024-03-28 H. Lee Moffitt Cancer Center And Research Institute, Inc. Outil d'aide à la décision clinique de radiothérapie adaptative et procédés associés

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020215311A1 (fr) * 2019-04-26 2020-10-29 Shanghai United Imaging Healthcare Co., Ltd. Systèmes et procédés de planification de traitement par rayonnement robuste

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080002811A1 (en) * 2006-06-29 2008-01-03 Allison John W Treatment delivery optimization
WO2009055775A2 (fr) * 2007-10-25 2009-04-30 Tomotherapy Incorporated Procédé d'adaptation de fractionnement de dose thérapeutique de rayonnement
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080002811A1 (en) * 2006-06-29 2008-01-03 Allison John W Treatment delivery optimization
WO2009055775A2 (fr) * 2007-10-25 2009-04-30 Tomotherapy Incorporated Procédé d'adaptation de fractionnement de dose thérapeutique de rayonnement
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

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3027715A1 (fr) * 2014-10-28 2016-04-29 Univ Bretagne Occidentale Procede d'obtention d'une structure de donnees representative de quantites de radiations ionisantes recues, dispositif et programme d'ordinateur correspondant
WO2016066590A1 (fr) * 2014-10-28 2016-05-06 Universite De Bretagne Occidentale Procédé d'obtention d'une structure de données représentative de quantités de radiations ionisantes reçues, dispositif et programme d'ordinateur correspondant
CN111388879A (zh) * 2020-03-19 2020-07-10 上海联影医疗科技有限公司 一种放射剂量确定系统、装置及存储介质
CN112466432A (zh) * 2020-12-09 2021-03-09 北京易康医疗科技有限公司 一种基于人工智能技术的肿瘤放疗线束种类筛选方法
WO2024064953A1 (fr) * 2022-09-23 2024-03-28 H. Lee Moffitt Cancer Center And Research Institute, Inc. Outil d'aide à la décision clinique de radiothérapie adaptative et procédés associés
CN116130056A (zh) * 2023-04-17 2023-05-16 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的确定装置和电子设备
CN116130056B (zh) * 2023-04-17 2023-08-22 福建自贸试验区厦门片区Manteia数据科技有限公司 放疗计划的确定装置和电子设备

Also Published As

Publication number Publication date
FR3004654A1 (fr) 2014-10-24
FR3004654B1 (fr) 2015-05-15

Similar Documents

Publication Publication Date Title
JP6620116B2 (ja) 自動治療計画のためのシステム及び方法
JP6688536B2 (ja) 放射線療法治療計画のモデルを学習して放射線療法の線量分布を予測するためのシステムおよび方法
CN109069858B (zh) 一种放射治疗系统及计算机可读存储装置
WO2014170489A1 (fr) Optimisation de la planification en radiothérapie adaptative
CN107206251B (zh) 用于构建四维图像信息的方法和成像系统
US7450687B2 (en) Method for verification of intensity modulated radiation therapy
US20230173303A1 (en) Knowledge based multi-criteria optimization for radiotherapy treatment planning
CA2676646A1 (fr) Systeme d'ameliorer d'une radiotherapie a intensite modulee, produit de programme et procedes apparentes
WO2008016795A1 (fr) Planification thérapeutique adaptable guidée par la biologie
FR2839894A1 (fr) Procedes, appareils de cyclotherapie image-guidee et mode d'obtention d'images scanographiques diagnostiques instantanees pour la planification et la dosimetrie en ligne
EP2900323B1 (fr) Procédé d'évaluation d'une méthode de détermination de la dose cumulée reçue au cours d'un traitement de radiothérapie
US9919163B2 (en) Methods, systems and computer readable storage media for determining optimal respiratory phase for treatment
US11504548B2 (en) Systems and methods for quality control in image-guided radiotherapy
US20220362582A1 (en) Adaptive dose accumulation algorithm
EP3124076B1 (fr) Procédé de calcul de dose, dispositif de calcul de dose, et support d'informations lisible par ordinateur
Park et al. A pilot study of a novel method to visualize three-dimensional dose distribution on skin surface images to evaluate radiation dermatitis
CN116096461A (zh) 基于深度学习的自动束建模
Skouboe et al. Six degrees of freedom dynamic motion‐including dose reconstruction in a commercial treatment planning system
FR3004653A1 (fr) Procede de controle de qualite de positionnement radiotherapique
Portik et al. Knowledge-based versus deep learning based treatment planning for breast radiotherapy
CH709787B1 (fr) Systeme de planification inverse de traitement thérapeutique.
EP3213299A1 (fr) Procédé d'obtention d'une structure de données représentative de quantités de radiations ionisantes reçues, dispositif et programme d'ordinateur correspondant
Graves et al. TARGET: A GPU-Based patient-specific quality assurance system for radiation therapy
Mohan et al. General Radiation Therapy
Balter et al. Off line Plan Adaptation Strategies

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14718440

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14718440

Country of ref document: EP

Kind code of ref document: A1