서 론
세기변조방사선치료(Intensity Modulated Radiation Therapy, IMRT)는 매우 이상적인 선량 분포를 구현함으로 써 방사선치료의 궁극적인 목적을 달성할 수 있도록 해준 다. 종양 모양의 선량 분포 및 균일한 선량의 구현은 3차원 방사선 치료에서 나타낼 수 없는 선량 분포를 나타냄으로써 정상장기를 보호하면서 종양에만 최적의 선량을 부여할 수 있도록 한다[1]. 특히 복잡한 두경부의 해부학적 구조에서 세 기변조방사선치료는 매우 유용하게 이용된다[2]. 두경부에서 다양하게 보여지는 종양과 주변 림프절에 대하여 균일한 선 량을 정상장기를 보호하며 전달할 수 있기 때문이다. 세기 조절방사선치료와 같이 최적화(Optimization)를 통해 선량
을 구현하는, 차세대 세기변조방사선치료라고 할 수 있는 용적변조방사선치료(Volumetric Modulated Arc Therapy, VMAT)도 최근 다양하게 이용되고 있다. 용적변조방사선치 료는 세기변조방사선치료보다 효율적이고 빠르게 선량을 전달할 수 있고, 이러한 점은 방사선치료에서 많은 장점으 로 나타난다.[3]빠른 방사선치료는 단순히 환자의 편리함과 치료기의 효율성 증대 뿐만 아니라 환자 위치잡이와 종양의 움직임을 최소화 할 수 있기 때문에 다양하게 이용할 수 있
다[3-5]. 이러한 세기변조방사선치료에 대한 연구는 선량, 알
고리즘, 영상, 용적 및 계산 방법등 다양한 개선 방안을 주 장하며 많은 연구자들에 의해서 여러 방면에서 이루어지고
있다[6-10].
세기변조방사선치료에 대한 다양한 연구 속에서 여전히 우리에게 숙제처럼 남는 것이 최적화 과정이다. 최적화 과 정은 방사선의 방향부터 시작해서 선량이 완료 될 때까지 영향을 고려해야 하기 때문에[11,12] 단편적인 사고로 접근하 면 안 된다. 또한, 최적화 과정은 선량 계산 알고리즘과 최
본 논문은 2014년 9월 30일 접수하여 2014년 12월 2일 채택되었음.
책임저자 : 김대섭, 국제성모병원 방사선종양학과 인천광역시 서구 심곡로 100번길 25 Tel : 032) 290 - 3396
E-mail : [email protected]
모나코 치료계획 시스템에서 단계적 최적화 조건 실현의 유용성
국제성모병원 방사선종양학과
목 적 :모나코 치료계획 시스템은 몬테카를로 알고리즘을 기반으로 선량을 구현하는 대표적인 시스템이다. 모나코 치료계획 시스템에서 치료계 획 완성 후, 같은 조건으로 최적화를 재 실시하여 처음과는 다른 치료계획이 만들어질 때 본 연구는 이러한 차이를 줄이는 방법을 제시하고자 한다.
대상 및 방법 :모나코 치료계획 시스템은 세기변조방사선치료나 용적변조방사선치료를 위한 역 선량계산을 실시할 때, 두 단계를 거쳐 최적화를 실시한다. 본 연구는 우선 최적화 두 단계를 모두 실시하여 선량으로 완성된 치료계획을, 최적화 조건을 바꾸지 않고 일반적인 1단계부터 2단계까 지 순차적 최적화를 실시하였다. 이때 2단계에선 펜슬 빔과 몬테카를로 알고리즘을 각각 적용하여 실험을 실시하였다. 두 가지 알고리즘의 치료계 획 모두 처음 완성된 치료계획과 최적화를 재 실시한 치료계획을 비교하고 선량 측정기를 이용하여 치료선량을 평가하였다. 두 번째는 초기 완성된 치료계획에 대하여 최적화를 재 실시할 때 단계적으로 실시하여 치료계획을 완성하고 선량을 측정하였다.
결 과 :초기 완성된 치료계획에서 동일한 조건으로 일반적인 최적화를 다시 실시한 결과는 동일하지 않았다. 치료계획시스템의 비교에서 보면 유 사한 선량-용적 히스토그람은 유사한 경향을 나타내지만 최고선량, 선량 균질도 및 제한 선량 등은 최적화 조건을 만족 시키지 못하는 다른 값을 보 였다. 또한 선량측정비교에서도 20%이상 다르게 나타냈다. 또한 선량 알고리즘이 달라져도 다른 측정 값이 나왔다. 반면, 단계적 최적화를 실시 할 경우에는, 초기 치료계획과 비교하였을 때 종양 및 정상 장기의 선량 분포가 5% 이하의 차이를 보였다.
결 론 :치료계획의 최적화 과정은 수 많은 시행 착오를 수행하며 궁극적인 해를 찾아가는 과정이다. 이때 초기 치료계획의 완성만을 신뢰하며 최 적화를 실시하면 또 다른 치료계획이 만들어 질 수 있다. 유사한 경향을 보이긴 하지만, 반드시 최적화 조건을 만족한다고 볼 수 없기 때문에, 최적 화 과정을 재 실시할 경우에는 반드시 단계적인 최적화 과정을 통하여 선량분포를 확인하면서 순차적으로 최적화 조건을 적용해야 할 것이다.
핵심용어 :단계적 최적화 조건의 유용성
김대섭
적화 알고리즘과도 연관되어 있어서 더욱 복잡하다[13-15]. 본 연구는 상용화된 치료계획 시스템 중에서 모나코 시스 템을 선정하여 최적화 단계에 대한 효율적인 방법을 모색하 고자 하는 의도에서부터 시작되었다. 모나코 시스템은 선량 계산 알고리즘으로 몬테카를로 알고리즘을 적용하여 정확 한 선량을 구현한다. 모나코 치료계획 시스템은 두 단계에 걸쳐 최적화를 실시하고 선량을 구현하는데, 경우에 따라서 최적화를 다시 실시할 때, 선량분포가 달라지는 것을 볼 수 있었다. 따라서 초기 치료계획과 다른 치료계획이 생성 될 수 있다. 따라서 본 연구에서는 최적화를 재 실시 할 때, 선 량의 변화가 생길 경우, 그 차이를 줄이고 보다 개선된 치료 계획을 수립하기 위한 방법을 제안하고자 한다.
대상 및 방법
치료계획을 위한 엘렉타(Elekta)사의 모나코(Monaco) 시 스템(버전 3.3)은 역 선량계산을 전용으로 사용하는 치료계 획 시스템이다. IMRT, VMAT등 모든 역 선량 계산을 이용 하는 치료계획에 적용될 수 있고, 특히 선량 계산 알고리즘 은 몬테카를로 1.6을 사용한다. 실험은 선량의 다양성과 조 사야의 크기를 감안하여 두경부, 뇌, 전립선을 대상으로 총 5개의 치료계획을 수립하였고, 선량은 엘렉타사의 인피니 티(Infinity)에서 구현하였다.
1. 빔 모델링(Beam Modeling)
연구를 위한 방사선치료계획은 용적변조방사선치료로 선정하였다. 각 치료계획은 겐트리 회전을 360도 두 번 실 시하는 2아크로 빔의 방향을 설정하고, 증가하는 각도는 30 도로 하여 전체 회전 각을 12섹타로 구분하였다. 에너지는 종양의 깊이에 따라 6 MV와 10 MV를 적절히 사용하였다.
조사야는 용적에 적절하게 맞추어지도록 자동으로 정하였 다. 치료계획의 위치 중심은 GTV(Gross Tumor Volume)을 기준으로 하였고, 여러 개의 GTV가 있을 경우는 CTV (Clinical Target Volume)를 기준으로 삼았다. 한 회전 당 최대 선량 및 유량(Fluence) 계산 점(Control Point)은 120 으로 지정하였다. 각 회전의 세그먼트(Segment)의 최소 너 비는 0.5 cm으로 하고, 방사선 유량 부드럼강도(Fluence Smoothing)은 낮은 값(Low)를 취하였다.
2. 선량 계산 인자( Dose calculation parameter)
선량 계산을 위한 격자 간격(Grid Spacing)은 0.3 cm으로
설정하고, 빔릿(Beamlet)의 너비도 0.3 cm으로 설정하였 다. 최적화 과정에서 피부 표면근처의 종양 및 피부에 대하 여 과도한 선량을 방지하기 위해 설정하는 표면 여유 간격 (Surface Margin)은 0.2~0.3 cm로 하였다.
3. 최적화 및 선량 계산 알고리즘
모나코 치료계획 시스템은 궁극적으로 몬테카를로 알고 리즘을 따른다. 본 연구의 치료계획에서 몬테카를로 표준편 차는 치료계획당 1%로 설정하고, 치료계획 정도관리를 위 한 팬텀 정도관리에서는 0.5%로 설정하였다. 만약 control point 별로 몬테카를로 표준편차를 설정한다면 치료계획에 대해서 3%, 정도관리일 경우는 1%로 설정하였다. 최적화 및 선량계산은 두 단계로 거쳐 진행된다. 우선 첫번째 단계 는 펜슬 빔(Pencil Beam) 알고리즘 기반의 최적화 과정이 다. 1단계 펜슬 빔 최적화 과정은 선량으로 구현되지 않고 최 적 화 조 건 에 따 른 최 적 화 DVH(Dose Volume Histogram)를 구현함으로써 우리가 지정한 최적화 조건에 대한 결과를 나타낸다. 이 때는 치료계획 전반적으로 핵심 적인 반드시 필요한 조건을 만족할 수 있도록 하였다. 두 번 째 단계는 펜슬 빔과 몬테카를로 알고리즘 모두다 선택이 가능하다. 하지만, 펜슬 빔 알고리즘을 사용하면 치료계획 선량을 얻을 순 있지만, 치료기로 치료계획정보를 보낼 수 없다. 단지 선량 구현만 확인한다. 따라서 임상적으로 사용 할 수 없다. 다시 말하면, 모나코 치료계획 시스템은 반드시 몬테카를로 알고리즘만을 적용한 치료계획을 임상에 사용 할 수 있다. 이러한 연유로 실제 방사선치료에선 두 번째 알 고리즘은 반드시 몬테카를로 알고리즘을 사용해야 한다. 이 미 많은 연구에서 방사선량 계산을 몬테카를로 알고리즘으 로 적용함으로써 정확하게 구현됨을 보여주고 있다. 첫 번 째 최적화 과정에서 얻어진 최적화 DVH는 두 번째 몬테카 를로 알고리즘은 적용한 최적화와 선량계산을 거치면서 처 음과는 다른 결과를 보인다. 물질내의 선량분포가 두 알고 리즘의 차이로 나타난다. 이러한 경향에 대하여 그 차이가 적으면 두 번째 단계를 반복하는 최적화 과정을 거치고, 만 약 두 번째 최적화 과정의 반복으로 그 차이가 줄어들지 않 는다면, 처음부터 1단계부터 최적화를 다시 실시하였다.
4. 최적화(Optimization) 함수
모나코 치료계획 시스템의 최적화 과정의 코스트함수 (Cost Function)는 매우 다양하다. 그 중 주요 함수를 중복 되지 않고 적절하게 이용하였다.
종양의 선량을 충족시키기 위한 함수는 Target penalty만
을 사용하였다. 충족 선량은 처방선량의 102%로 설정하고 종양의 최소 98%가 선량에 포함될 수 있도록 하였다. GTV 에 대해서 표면여유간격은 설정하지 않았지만, PTV는 표면 여유간격을 설정하였다. 만약 Target penalty 함수 만으로 도저히 종양에 선량이 충분한지 않으면, Underdose DVH 함수를 제한적으로 사용하였다. 종양에 대한 선량한도는 Maximum과 Quadratic Overdose 함수를 같이 사용하였다.
하지만 두 함수는 그 치료계획선량에 미치는 강도가 다르기 때문에 충족선량을 각각 다르게 설정하였다. Maximum 함 수의 충족선량은 처방선량의 110%로 하고, Quadratic Overdose 함수의 충족선량은 처방선량의 107%로 설정하 였다. 이 때, Quadratic Overdose함수의 충족선량에 대한 과도치는 50 cGy로 지정하였다.
정상장기에 대한 코스트 함수는 모두 선량제한을 목적으 로 두고 있다. 기본적으로 Overdose DVH를 사용하면 DVH에서 선량과 용적의 비율을 기준으로 선량을 제한한 다. 특징적으로 장기(Organ)를 Serial과 Parallel로 구분하여 선량제한 조건을 구분할 수 있다. Serial 함수는 최대 선량 을 기준으로 제한하고 그 이하 선량은 허용한다. 최대 선량 을 지정하고, k값을 조절하여 허용선량의 기울기를 조절한 다. 만약 k값이 1이라면, 평균선량을 의미한다. Parallel 함 수는 평균선량의 중요한 장기에 대하여 적용한다. 따라서, 평균적인 장기의 손상허용률과 기준선량으로 설정한다.
Serial 함수와 같이 k값이 있지만, 같은 값을 적용하지 않는 다. 용적과 선량의 상관관계에 따라 다르다. 표1과 표2는 권 고되는 각 함수의 수치를 나타낸다.
전 체 적 인 치 료 계 획 선 량 을 제 어 하 기 위 한 함 수 는 Quadratic Overdose와 Conformality 함수를 사용한다. 모 나코 시스템은 별도의 선량 제어용 용적이 필요하진 않지만 좀 더 개선된 선량을 위하여 일부 사용한다. 본 연구에서는 OAR이라는 항목으로 설정하여 PTV로부터 5 mm 떨어진 Body(External contour)를 만들어서 사용하였다.
Quadratic Overdose함수를 사용하여 처방선량의 70%를 제 한 선 량 으 로 지 정 하 였 다 . 그 리 고 Body에 대 하 여 Conformality함수를 0.5값으로 기본 설정하였다. 경우에 따 라선 Body에도 Quadratic Overdose 함수를 적용하였는데 역시 처방선량의 70% 정도를 제한 선량으로 하였다.
5. 용적의 겹침과 우선권
모나코 치료계획 시스템의 최적화 조건에서 용적의 배열 순서는 최적화 과정에 영향을 미친다. 시스템은 기본적으로 겹쳐진 용적이 있을 경우, 최상위 순서대로 용적을 인식하 고 그 아래 용적은 최상위 용적에서 뺀 나머지 부분만을 자
동으로 인식한다. 따라서 최적화 조건을 설정할 때, 용적의 순서도 감안하여 용적의 겹침과 나머지 부분을 적절하게 감 안해야 한다. 만약 선량의 차이가 많은 용적이라면 Shrink Margin에 값을 설정하여 일정 부분 여유를 두고 뺄 수 있도 록 한다. 아래 용적이라도 최적화 조건에서 우선시 되어야 한다면, Optimize over all voxels in volume를 적용하면 된 다. 이러한 용적 겹침의 방침은 치료계획의 용적을 자동으 로 세분화할 수 있기 때문에 최적화 조건 적용에 효율적으 로 이용된다.
본 연구의 용적의 배열 순서는 GTV, CTV, PTV, 일반장 기, OAR, Body 순서로 적용하였다. 일반 장기에서는 최적 화에 꼭 필요한 장기를 우선으로 하였고, 최적화 조건을 만 족하기 쉬운 장기는 아래 쪽으로 위치 시켰다. 예를 들면 두 경부의 경우 PTV 옆에 존재하는 parotid gland를 PTV와 멀 리 떨어진 spinal cord보다 상위 배열로 설정하였다. 만약 중요도가 비슷하다면 순서에 유념하지 않았다.
Table 1. Serial constrain function in Monaco training guide.
Rectum 12 64
Bladder 8 60
Spinal Cord 12-14 29-36 Brainstem 12-14 36-40 Optic Nerve, Chiasm 12-16 32-48
Heart 6 21-24
Eye 2 25
Inner Ear 12 38
Mandible, Mouth, Larynx 8 40-46
Parotid Gland 1 22
Brain 1 12
Plexus 5 55
Serial OAR Common Common Isoconstrainer k Value Values (Gy)
Table 2. Parallel constrain function. in Monaco training guide
Lung 20 3 20
Parotid 26 3.9 40
Kidney 14 2.1 20
Liver 30 4.0 33
Parallel Ref Dose Common Mean Organ OAR (Gy) k Value Damage (%)
6. 최적화 과정의 재 실시와 측정
최적화 과정은 선량과 용적간의 관계를 적절하게 설정하 면서 치료계획의 목적에 부합하는 최적화 조건을 만족시키 는 시행착오의 연속이다. 이러한 연속적인 과정은 최적화 조건을 만족시키는 미세한 조정일 경우는 2단계에서 조건 을 조절하였고, 과도한 조정일 경우는 1단계부터 다시 설정 하였다. 이때, 최적화 조건을 같은 값으로 지정하였음에도 불구하고, 결과 값이 다른 치료계획을 선정하여 치료계획의 선량측정을 실시하였다. 또는 2단계 최적화 과정을 완료한 후, 시스템의 재 시작이나 소프트웨어적인 문제 및 개선 과 정이 필요한 치료계획에 대해서도 같은 실험 조건을 적용하 였다.
완성된 치료계획에 대한 선량 측정은 Sun Nuclear사의 2 차원 배열 측정기(MapCheck 2)와 10 cm 등가 팬텀 (MapPHAN)으로 실시하였다. 준비된 측정기에 완성된 치 료계획을 적용하고, 실제 측정을 통해 치료계획의 차이를 평가하였다. 측정기의 교정은 10 cm 등가 깊이에서 100 MU를 조사하고, 6 MV는 81.3 cGy, 10 MV는 87.8 cGy가 되도록 하여 실시하였다.
7. 단계적 최적화 실시
최적화를 1 단계부터 같거나 유사한 조건으로 다시 실시 하였을 때 초기 치료계획 결과와 상이한 선량 분포가 나올 경우 단계적인 최적화를 실시하였다.
단계적인 최적화는 모든 용적에 대하여 일괄적으로 최적 화를 실시 하지 않고, 순차적인 단계적으로 최적화를 실시 하고 각 단계에서 결과를 확인하는 것이다. 단계적인 최적 화는 아래에서 기술하는 바와 같다. 최적화 조건은 앞에서 설명한 최적화 함수의 조건을 적용하였다.
1) 1단계 최적화에서 종양 용적 즉, GTV, CTV 및 PTV에 대하여 최적화 조건을 우선적으로 적용한다.
2) 선량 제어 볼륨(OAR) 및 Body에 대하여 조건을 적용 한다.
3) 최적화 DHV에서 종양에 대한 선량이 충분하지 않으 면 선량 제어 조건을 낮춘다.
4) 종양에 대한 선량 평가실시 하여 조건에 부합됨을 확 인한다.
5) 종양에 대한 선량을 충분히 만족시켰으면, 정상조직의 최적화 조건을 적용한다. 만약 Maximum 함수를 사용 한다면, 처음엔 적용하지 않는다. 기대 이상의 낮은 선 량이 발생 될 수 있다. 또한 용적의 겹칩을 감안하여 상위 용적부터 실시 한다.
6) 정상조직의 최적화를 실시하여도 종양의 선량이 5%이 내에서 변화 한다면 1단계를 종료한다. 만일 종양의 선량 변화가 5% 이상이라면, weight를 바꾸고 새로 실 시한다.
7) 이제 2단계 최적화를 실시한다. 이번 단계에선 종양과 정상조직에 대하여 일괄적으로 최적화 조건을 적용한 다. 여기서 한가지 확인해야 할 것은 최적화 조건이 완 료되고 조건에 따라 선량으로 구현됨을 확인해야 한 다. 만약 지나치게 과도한 최적화 조건이라면 최적화 DVH는 생성되어도 실제 선량은 구현되지 않는다.
8) 마지막으로 최적화 조건 만족도를 비교한다.
9) 단계적 최적화를 완료한다. 모든 용적에 대하여 5%이 내 오차이면 허용한다.
8. 측정 선량 평가
치료계획의 측정은 3가지로 나누어 실시하였다. 우선 초 기 완성된 치료계획의 선량 분포를 측정값과 비교하고, 동 일 조건의 최적화를 일괄로 실시한 치료계획을 측정한 후 초기 계획 값과 비교하였다. 그리고 측정 값의 알고리즘의 영향을 확인하기 위해 두 알고리즘(펜슬 빔과 몬테카를로) 에 대하여 계산하고 측정하였다.
측정 평가는 감마 인덱스 3 mm, 3%를 적용하였다.
결 과
모든 치료계획은 PTV에 대하여 D95가 처방선량의 98%
이상 되도록 처방하였다. 치료계획의 모든 영상에서 최대선 량은 전반적으로 110±2%를 허용하였고, 경우에 따라서 115%까지 허용하였다. 정상장기의 허용선량은 QUANTEC (QUantatative Analysis of Normal Tissue Effects in the Clinic)에서 제시한 선량을 기준으로 삼았다.
이렇게 완성된 초기 치료계획을 기준 선량으로 선정하고, 최적화를 재 실시한 치료계획과 비교하였다. 선량 비교에서 보면 종양 용적과 정상장기의 DVH는 차이를 보였다. 종양 조직은 D95에 대하여 최대 ±5%의 차이를 보였지만, 정상 조직의 용적에 대한 선량은 다양하였다. 예를 들면, 두경부 사례에서 보면 종양, 오른쪽 이하선, 척수의 선량은 비슷한 경향으로 나타나지만, 왼쪽의 이하선을 보면 초기 치료계획 이 우수함을 볼 수 있다[Fig 1]. 평균선량을 평가하면 10%의 차이를 보이고, 특정 선량분포를 보더라도 왼쪽 이하선의 25Gy 선량부위가 더욱 넓다.
치료계획 측면에서 비교를 한 후에 다음은 완성된 두 가
Fig 1. Comparisons between first plan and re-optimization plan in Head and Neck. The left side plan is first plan and dotted line in DVH. The right side is re-optimization plan and solid line in DVH.
(a) Planning dose (b) Compare dose (c) Measurement dose
(d) Compare points between the plan and the measure dose in center.
Fig 2. The first plan measurement. The A is the treatment planning dose. The c is measurement dose by MapCheck2. B is compare A and C by gamma index.
지 치료계획을 측정 통하여 차이점을 나타내고자 하였다.
치료계획의 측정 승인 기준은 치료계획과 측정한 값의 감마 인덱스 값을 이용하여 3 mm, 3%에서 95% 이상 정확성을 보여줄 때로 설정하였다. 초기 치료계획은 설정된 기준에 적합하도록 수립하고 측정되었다. Fig 2는 두경부 초기 치 료계획 값과 측정된 방사선량이다. Fig 3 최적화를 재 실시 한 치료계획과 측정된 선량 값이다. 각각의 치료계획은 각 자의 측정 결과 값에 대하여 95%이내에서 정확한 값을 나 타내었다.
하지만, 초기 치료계획 선량을 최적화를 재 실시한 치료 계획의 측정 선량과 비교하였을 때, 감마 인덱스 값은 20%
이상 차이를 보였다. Fig 4는 두경부 사례의 비교 영상이다.
직관적인 영상은 유사하지만, 감마 인덱스를 통한 정량적 분석을 보면 20%이상 차이를 보이고, 여러 특정 지점에서 선량도 다르다.
이러한 경향성은 알고리즘을 몬테카를로에서 펜슬빔으 로 바꾸어도 유사하게 나타난다[Fig 5]. 즉, 초기 치료계획과 최적화를 그대로 재 실시하면 하였을 때, 치료계획이 차이 를 보이는 것은 알고리즘이 달라져도 유사한 경향으로 확인 되었다.
반면, 단계적인 최적화를 실시한 경우는 초기 치료계획과 최적화를 재 실시한 치료계획은 모든 용적의 선량에 대하여 5% 이내의 차이만을 보였다[Fig 6].
고안 및 결론
방사선치료계획의 다양성은 선량과 용적의 관계에서 비 롯되어 방사선 치료 기술의 발전과 알고리즘의 개선으로 지 속적으로 증가되고 있다. 또한 많은 상업적인 치료계획 시 (a) Planning dose (b) Compare dose (c) Measurement dose
(d) Compare points between the plan and the measure dose in center.
Fig 3. The re-optimization plan measurement. The A is the treatment planning dose. The c is measurement dose by MapCheck2. B is compare A and C by gamma index.
스템은 각각 자신의 특징을 구비하고 있다. 우리는 이러한 다양성과 현실적이고 임상적인 치료계획을 최적으로 유지 하기 위해 깊고 넓은 치료계획의 견해를 가지고 있어야 한 다. 특히, 모나코 시스템은 몬테카를로 선량 계산 알고리즘 과 펜슬 빔 알고리즘을 같이 사용하기 때문에, 알고리즘에 서 초래되는 선량계산의 차이를 극복해야 하는 제한적이고 정확한 현실적인 문제가 있다. 경우에 따라서 그 차이가 매 우 커서 적용 불가능한 치료계획이 되기도 한다. 이러한 경 우에도 단계적 최적화는 도움이 된다. 결과에서 보면 초기 치료계획에 대하여 최적화 조건을 바꾸지 않고 그대로 적용 하고 측정을 실시하면 전혀 다른 치료계획이 만들어진다.
각각의 치료계획은 95%이상 정확한 측정값을 보이지만, 초 기 치료계획과 최적화를 재 실시한 치료계획의 측정 값이 다르다는 것이 증명한다. 선량 최적화는 사용설명서에 되어 있는 것처럼, 몇 가지 조건을 적용해서 쉽게 선량이 구현되
는 것이 아니다. 각 조건과 종양 및 정상장기의 용적, 선량 의 적절한 적용 및 적용 논리의 타당성 등이 고려되어야 하 는 매우 지능적인 사고로 이루어져야 하는 것이다. 우리는 최적의 방사선 치료를 구현하고 적용하기 위해서 모든 가능 성과 다양성을 받아들이고 자신의 시스템에 적절한 방법을 찾아 적용해야 할 것이다. 본 연구는 이러한 목적에 한 걸음 더 나아가는 여정이 될 것이고, 계속 진보된 방향으로 개선 될 것이다. 마지막으로 본 연구의 내용은 특정 시스템을 대 상으로 적용하였지만, 어떤 시스템에라도 적용 가능한 범용 프로토콜이라고 본 저자는 생각한다.
참고문헌
1. Verbakel WF, Cuijpers JP, Hoffmans D, Bieker M, (a) Planning dose (b) Compare dose (c) Measurement dose
Fig 4. Compare first plan dose and re-optimization plan measurement.
(d) Compare points between the plan and the measure dose in center.
(a) Planning dose (b) Compare dose (c) Measurement dose
(d) Compare points between the plan and the measure dose in center.
Fig 5. Compare first plan dose in Monte Carlo algorism and re-optimization plan measurement by pencil beam algorism
Fig 6. Comparisons between first plan and re-optimization plan using step optimization in Head and Neck. The left side plan is first plan and dotted line in DVH. The right side is re-optimization plan and solid line in DVH.
Slotman BJ, Senan S. Volumetric intensity-modulated arc therapy vs. conventional IMRT in head-and-neck cancer:
A comparative planning and dosimetric study. Int J Radiat Oncol Biol Phys. 2009;74:252-9.
2. Anand AK, Jain J, Negi PS, Chaudhoory AR, Sinha SN, Choudhury PS, et al. Can dose reduction to one parotid gland prevent xerostomia-A feasibility study for locally advanced head and neck cancer patients treated with intensity-modulated radiotherapy. Clin Oncol (R Coll Radiol) 2006;18:497-504.
3. Lee TF, Chao PJ, Ting HM, Lo SH, Wang YW, Tuan CC, et al. Comparative analysis of SmartArc-based dual arc volumetric-modulated arc radiotherapy (VMAT) versus intensity-modulated radiotherapy (IMRT) for nasopharyngeal carcinoma. J Appl Clin Med Phys.
2011;12:3587.
4. Holt A, Van Gestel D, Arends MP, Korevaar EW, Schuring D, Kunze-Busch MC, et al. Multi-institutional comparison of volumetric modulated arc therapy vs.
intensity-modulated radiation therapy for head-and-neck cancer: A planning study. Radiat Oncol. 2013;8:26.
5. Vanetti E, Clivio A, Nicolini G, Fogliata A, Ghosh-Laskar S, Agarwal JP, et al. Volumetric modulated arc radiotherapy for carcinomas of the oro-pharynx, hypo- pharynx and larynx: A treatment planning comparison with fixed field IMRT. Radiother Oncol. 2009;92:111-7.
6. B.B. Wu, F. Ricchetti and G. Sanguineti, Patient geometry-driven information retrieval for IMRT treatment plan quality control, Med. Phys. 36 (2009), 5497-5505.
7. P. Simari, B.B. Wu, R. Jacques et al., A statistical approach for achievable dose querying in IMRT planning, Medical Image Computing and Computer- Assisted Intervention-Miccai 2010, PT III, Lecture Notes in Computer Science, 2010, 521-528.
8. X.F. Zhu, Y.R. Ge and T.R. Li, A planning quality evaluation tool for prostate adaptive IMRT based on machine learning, Med. Phys. 38 (2011), 719-726.
9. A. Fredriksson, Automated improvement of radiation therapy treatment plans by optimization under reference dose constraints, Physics in Medicine and Biology 57 (2012), 7799-7811.
10. V. Chanyavanich, S.K. Das, W.R. Lee et al., Knowledge-based IMRT treatment planning for
prostate cancer, Med. Phys. 38 (2011), 2515-2522.
11. Andrei Pugachev, Lei Xing : Incorporating prior knowledge into beam orientation optimization in IMRT. International Journal of Radiation Oncology * Biology * Physics 2002; 54 : 1565-1574.
12. Yin Zhang, Michael Merritt : Dose-volume-based IMRT fluence optimization: A fast least-squares approach with differentiability. Linear Algebra and its Applications 2008 ; 428 : 1365-1387.
13. Charles S Mayo, Marcia M Urie : A systematic benchmark method for analysis and comparison of IMRT treatment planning algorithms. Medical Dosimetry 2003 ; 28 : 235-242.
14. Klaus Bratengeier, Matthias Guckenberger, Jurgen Meyer, et al.: A comparison between 2-Step IMRT and conventional IMRT planning. Radiotherapy and Oncology 2007 ; 84 : 298-306.
15. Raef S. Ahmed, Roger Ove, Jun Duan, et al.: Intensity- modulated radiotherapy (IMRT) for carcinoma of the maxillary sinus: A comparison of IMRT planning systems. Medical Dosimetry 2006; 31 : 224-232.
Purpose :We present a method to reduce this gap and complete the treatment plan, to be made by the re-optimization is performed in the same conditions as the initial treatment plan different from Monaco treatment planning system.
Materials and Methods :The optimization is carried in two steps when performing the inverse calculation for volumetric modulated radiation therapy or intensity modulated radiation therapy in Monaco treatment planning system. This study was the first plan with a complete optimization in two steps by performing all of the treatment plan, without changing the optimized condition from Step 1 to Step 2, a typical sequential optimization performed. At this time, the experiment was carried out with a pencil beam and Monte Carlo algorithm is applied In step 2.
We compared initial plan and re-optimized plan with the same optimized conditions. And then evaluated the planning dose by measurement. When performing a re-optimization for the initial treatment plan, the second plan applied the step optimization.
Results :When the common optimization again carried out in the same conditions in the initial treatment plan was completed, the result is not the same. From a comparison of the treatment planning system, similar to the dose-volume the histogram showed a similar trend, but exhibit different values ??that do not satisfy the conditions best optimized dose, dose homogeneity and dose limits. Also showed more than 20% different in comparison dosimetry. If different dose algorithms, this measure is not the same out.
Conclusion :The process of performing a number of trial and error, and you get to the ultimate goal of treatment planning optimization process. If carried out to optimize the completion of the initial trust only the treatment plan, we could be made of another treatment plan. The similar treatment plan could not satisfy to optimization results.
When you perform re-optimization process, you will need to apply the step optimized conditions, making sure the dose distribution through the optimization process.
Dae Sup Kim
The Availability of the step optimization in Monaco Planning system
International ST. mary’s Hospital, Department of Radiation Oncology
Abstract
Keyword :Radiation Treatment Planning, Optimization, Algorism, Monte Carlo
