1 Planificación y cálculo de IMRTPor Diego Dodat Centro Médico Privado Deán Funes La Plata- Argentina

2 Esquema de planificación directaCreo modificadores del haz Ajusto pesos a mano Obtengo un DVH del plan

3 Planteo del paradigma de la planificación inversa

4 Planteo del paradigma de la planificación inversaBeamlet de 5x5mm Un campo de 10x10cm tiene 400 beamlets Un plan de 7 campos tiene 2800 beamlets “ENJOY” tu planificación directa!!!!

5 Planteo del paradigma de la planificación inversaDiscretizar al paciente en una grilla de J elementos Definir Dj tal que Siendo esto la dosis en j, provocada por ρ(u,w) Discreticemos ρ(u,w) de la siguiente forma Donde σ es una delta de intensidad unitaria en (ui,wi) y x su intensidad total Entonces

6 Planteo del paradigma de la planificación inversaXi=1 para todo i Genera Dj para todo j

7 Planteo del paradigma de la planificación inversaCómo se si D se parece al plan que quiero? Si lo modifico levemente, cómo se si se acerca o se aleja del plan que quiero? Qué es el “plan que quiero”? NECESITO UNA MÉTRICA

8 Traducir nuestras pretensiones al lenguaje de la máquinaEl plan que quiero es aquel que cumple con las prescripciones y con las restricciones de dosis. Para poder comparar lo que tengo con lo que quiero debo indicar en que puntos quiero comparar. Debo medir diferencia entre lo prescripto y lo obtenido

9 Traducir nuestras pretensiones al lenguaje de la máquinaDefino la métrica como una función objetivo F = rα EPTV + rβ EOAR + rμ EOHT donde : EPTV = 1/N Σ (Dci - Dpi)2i EOAR = 1/N Σ [ ( Dci > Dpi) ? (Dci - Dpi)2 : 0.0 ] EOHT = 1/N Σ [ ( Dci > Dpi) ? (Dci - Dpi)2 : 0.0 ] Entonces necesito la prescripción, las tolerancias y las importancias que tiene cada objetivo

10 Restricciones de optimización

11 Restricciones de Optimización

12 Particularidades del delineado de estructurasLas estructuras adyacentes compiten F = rα EPTV + rβ EOAR + rμ EOHT donde : EPTV = 1/N Σ (Dci - Dpi)2i EOAR = 1/N Σ [ ( Dci > Dpi) ? (Dci - Dpi)2 : 0.0 ]

13 Particularidades del delineado de estructurasExpansiones de PRV (volúmenes de riesgo)

14 Particularidades del delineado de estructurasExpansiones de PTV

15 Particularidades del delineado de estructurasVolúmenes marginales de optimización Volúmenes hot y Cold, esculpir las isodosis Lo que no se marca no se optimiza!

16 Selección de cantidad de campos y orientacionesSelección de haces Se agregan cpos de a 1 Función Objetivo S Monitorear Constrains

17 Selección de cantidad de campos y orientacionesInfinitos si quiero amoldar perfectamente el PTV!

18 Selección de cantidad de campos y orientaciones

19 Selección de cantidad de campos y orientacionesConsideraciones generales: Si tengo calientes todas las entradas faltan campos Si no puedo formar bien concavidades faltan campos Si el volumen tratado es muy grande faltan campos Si el PTV es muy heterogéneo faltan incidencias Preferentemente no repetir ángulos* No coplanares bienvenidos

20 Optimización Algoritmos Iterativos Se comienza con una solución aproximada del problema y se genera una secuencia de soluciones que lleva a la solución optima. No Derivativos: Incluye el cálculo de la función objetivo mediante un método sistemático para buscar la solución en el espacio.

21 Optimización Algoritmos DerivativosDerivativos: Utiliza el método de Newton para elegir la velocidad del paso. Haciendo que el calculo sea mas rápido para converger a la solución.

22 Optimización Computed simulated annealingIntenta encontrar la solución optima imitando el comportamiento de un sistema de partículas interactuantes que son progresivamente enfriadas mediante la ecuación de Boltzmann Problema de los algoritmos iterativos standard: ¡Se pueden quedar estancados en un mínimo local!

23 Optimización La optimización no suele tomar en cuenta full scatterTampoco heterogeneidades Tampoco las limitaciones de delivery Mientras más aproximaciones haga más diferirá la dosis final de la optimizada!!

24 Comprender las limitaciones de la física del problemaMúltiples soluciones de Pareto Los gradientes son finitos No puede haber dosis en un punto si ningún beamlet llega limpio Si no hay entradas libres…. La “M” no es de Magia No optimicen PTV en aire o buildup!

25 IMRT delivery Se usan algoritmos que calculan como poder generar esos perfiles de intensidad dependiendo del método de delivery Incorporan las limitaciones del método de delivery Moduladores, MLC estáticos, MLC dinámicos, MLC binarios, etc

26 Moduladores La generación de fluencias puede hacerse con moduladores sólidos en los cuales se modifica el espesor del atenuador para lograr la fluencia deseada.

27 Moduladores

28 Moduladores Penalización de gradiente luego o durante optimización

29 Moduladores

30 Moduladores Mejor resolución, mejor dosimetríaNo afecta significativamente la optimización Barato a corto plazo, caro a largo plazo Costoso en tiempo de espera y aplicación Costoso modificar plan Potenciales errores de alineación Tercerizado requiere más QA Costoso agregar campos y etapas

31 MLC

32 MLC

33 MLC Step and Shoot

34 MLC Step and Shoot Buena representación del mapa de intensidadMínimo número de segmentos No entregar pocas MU por inestabilidad Tomar en cuenta limitaciones del MLC

35 MLC Step and Shoot Se identifica el máximo L de mi distribución y se calcula Se discretiza el mapa de fluencia en niveles de intensidad dk, con una máscara espacial Mk(i,j) Con dk=

36 MLC Step and Shoot

37 MLC Step and Shot

38 MLC Dinámicos I(x)=TL(x)-TT(x) Hay que solucionar “viaje al pasado”Hay que solucionar “omnipresencia”

39 MLC Dinámicos where T1 and T2 are the half-maximum values to the left of the two negativegradient regions.

40 MLC Dinámicos

41 MLC Dinámicos

42 MLC Dinámicos Método discreto

43 MLC Dinámicos Método discreto

44 Contribuciones MLC delivery segundo ordenEfecto tongue and groove Efecto leakage Efecto MLC scatter Efecto transmisión MLC Efecto radiación extra focal Efecto dynamic leaf gap DLG

45 Obtención de planes robustosSi escribimos la condición de no superar la dosis bi en el punto i Y consideramos que aij tiene una incertidumbre σ Podemos minimizar la probabilidad de que se produzcan dosis en bi mayores a la prescripción minimizando f(s)

46 GRACIAS