Biologische Optimierung von Dosisverteilungen mit der direkten Monte Carlo Optimierungsmethode (DMCO) und deren Verifikation

摘要

Erkenntnisse über die biologischen Eigenschaften von Tumoren und Geweben gewinnen zunehmend an Bedeutung in der Bestrahlungsplanung. Strahlenbiologische Modelle wie die von Niemierko entwickelte gEUD (generalized equivalent uniform dose) werden immer häufiger bei der Optimierung von Dosisverteilungen eingesetzt. Moderne funktionelle Bildgebungsverfahren wie PET (Positronenemissionstomographie), SPECT Einzelphotonenemissionstomographie), fMRI (funktionelle Kernspintomographie) oder MRS (Kernspinspektroskopie) bieten die Möglichkeit zur dreidimensionalen Darstellung der Tumorbiologie. Integriert man diese Informationen aus der biologischen Bildgebung in die Therapieplanung im Sinne von Dosepainting by Numbers, so ergeben sich heterogene Dosisvorgaben. Solch eine voxelbasierte Planung stellt eine neue Herausforderung an ein Planungssystem dar. Mit IKO (Inverse Kernel Optimierung) und dessen Weiterentwicklung DMCO (direct Monte Carlo optimization) stehen am Universitätsklinikum Regensburg zwei Systeme zur Verfügung, die in der Lage sind, solche Dosisverteilungen zu optimieren.udIn dieser Arbeit wird DMCO bezüglich Planqualität und Rechenzeiten mit IKO verglichen. Die Anzahl von Aperturen pro Einstrahlrichtung muss bei DMCO vor einer Optimierung festgelegt werden. Da die Behandlungsdauer mit der Segmentzahl ansteigt, wird untersucht, inwieweit sich eine Verringerung der Segmentzahl auf die Qualität der Bestrahlungspläne auswirkt. DMCO basiert auf dem Konzept von inversen Kerneln, welche mittels einer Monte Carlo Simulation berechnet werden. Diese Kernel können, bei der Anwendung neuer Bestrahlungstechniken wie Quasi–IMAT, sehr hohe Dateigrößen erreichen, was zu langen Optimierungszeiten führt. Dies kann, wenn die Kernelgröße den zur Verfügung stehenden Arbeitsspeicher übersteigt, sogar zur Folge haben, dass eine Planung nicht mehr durchführbar ist. Daher soll getestet werden, ob sich durch eine Vergröberung der Dosismatrix eine Verbesserung der Performance von DMCO erreichen lässt, ohne dass dabei die Planqualität verschlechtert wird. Als Optimierungsalgorithmus wird bei DMCO Simulated Annealing verwendet. Da es sich dabei um ein stochastisches Verfahren handelt, wird die Konsistenz der Planqualität untersucht, indem 100 Optimierungsläufe unter gleichen Bedingungen durchgeführt werden.udEine Möglichkeit zur biologischen Optimierung bietet die Verwendung von biologischen Zielfunktionen. Eine gEUD–basierte Zielfunktion wird in DMCO implementiert und an einem Prostatafall untersucht. In einer Pseudo–Pareto Studie wird der gEUD Parameter a im Zielvolumen variiert. Dabei soll herausgefunden werden, welcher Wert von a sich am besten für eine Optimierung eignet. Ein Vergleich der Planqualität anhand physikalischer und biologischer Kriterien erfolgt sowohl mit einem physikalisch optimierten Plan, als auch mit einem Plan, welcher mittels einer Hybridfunktion optimiert worden ist. Die Hybridfunktion verwendet das gEUD–Konzept lediglich für die Risikoorgane und begrenzt die Dosis im Zielvolumen mittels Dosis–basierten Randbedingungen.udMit Dosepainting by Numbers (DPBN) wird eine biologisch adaptierte Bestrahlungsplanungsmethode angewandt, die auf funktioneller Bildgebung beruht. Ausgangspunkt für diese Untersuchung bildet eine 18F–Cholin PET Aufnahme eines Prostatakarzinoms. Bereiche, in denen sich 18F–Cholin anreichert, werden als Bereiche mit hoher Zellteilungsrate interpretiert. Aus dem PET–Signal wird eine dreidimensionale voxelweise Dosisvorgabe abgeleitet. Zunächst wird die Dosis linear in Abhängigkeit von der Traceranreicherung von 70 Gy bis 90 Gy eskaliert und die resultierende Dosisverteilung mittels Dosisdifferenzhistogrammen ausgewertet. In einer weiteren Studie wird die obere Grenze der Dosisverschreibung zwischen 70 Gy und 110 Gy variiert. Darüberhinaus wird ein Modell von Y. Yang und L. Xing zur Optimierung der Tumorkontrollwahrscheinlichkeit verwendet. Dafür erfolgt eine Abbildung des PET–Signals auf die strahlenbiologischen Parameter des Linearquadratischen Modells, die nach dem Modell von Yang und Xing zu einem nichtlinearen Zusammenhang von Traceranreicherung und vorgegebener Dosis führt. Da eine Bestrahlungsplanung im Sinne von Dosepainting by Numbers eine heterogene Dosisverteilung im Zielvolumen zur Folge hat, ist eine präzise Verifikation erforderlich. Ein Dosimetrieverfahren mit einem Gafchromic Film, welcher sich vor allem durch seine einfache Handhabung auszeichnet, wird zur Verifikation des DPBN–Plans verwendet.