Automated decision support tool for static angle modulated ports configuration in VMAT with dynamic collimator rotation for head and neck cancer.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
BACKGROUND: RapidArc Dynamic (RAD; Varian Medical Systems, Palo Alto, CA) is a novel volumetric modulated arc therapy (VMAT) technique that features dynamic collimator rotation synchronized with gantry rotation. RAD enables the use of static angle-modulated ports (STAMPs) defined by user selected gantry and collimator angles. However, the determination of STAMP configurations currently relies on manual trial-and-error procedures based on planner experience, which limits the efficient clinical implementation of this functionality. PURPOSE: This study aimed to develop an automated decision support tool using an Eclipse Scripting Application Programming Interface (ESAPI; Varian Medical Systems) to identify cost-optimized STAMP configurations and evaluate its clinical utility in complex head and neck cancer planning. METHODS: Twenty patients with nasopharyngeal or sinonasal cancer who had previously received radiotherapy at our institution were retrospectively analyzed. Four treatment plans were generated for each patient: conventional VMAT using RapidArc (RA, Varian Medical Systems), RAD with manually defined STAMPs (RADm) by an expert radiation oncologist, RAD with a vendor-provided automatic collimator rotation algorithm (RADa), and RAD using the proposed decision support tool (RADdst). The developed algorithm determined the STAMP configurations in three phases: (1) generation of a two-dimensional geometric cost map across the gantry and collimator angles by integrating planning target volume-fit and organ-at-risk (OAR)-avoidance terms, (2) extraction of a cost-minimizing collimator trajectory, and (3) identification of cost-optimized STAMP positions in geometrically critical regions that require substantial collimator rotation while satisfying machine-specific rotation-speed constraints. The dosimetric indices of the targets and OARs, optimization calculation times, and estimated beam delivery times were evaluated. RESULTS: The ESAPI-based tool successfully generated dosimetrically feasible RADdst plans for all patients, automatically selecting between two and ten STAMPs according to anatomical complexity. All planning techniques achieved clinically acceptable target coverage and OAR sparing. In nasopharyngeal cancer cases, all RAD approaches significantly reduced the oral cavity dose compared with RA (RADm, p = 0.02; RADa, p = 0.002; RADdst, p = 0.002), and RADdst additionally achieved a significant reduction in the left lens dose (p = 0.008). In sinonasal cancer cases, significant differences were observed among the techniques for seven OAR dosimetric metrics (p < 0.05), whereas the target coverage remained comparable across all techniques. The optimization calculation time was reduced by approximately 40% for all RAD approaches compared with RA (p < 0.01). Furthermore, all RAD techniques reduced the estimated beam delivery time by approximately 20% relative to RA (p < 0.01). CONCLUSIONS: An automated ESAPI-based decision support tool for STAMP configuration in RAD planning was successfully developed. The proposed geometric cost-based framework achieved a dosimetric performance comparable to both expert-defined manual STAMP planning and the vendor-provided automatic collimator rotation approach, while eliminating the need for manual STAMP determination. These findings support the feasibility of the automated STAMP configuration as a practical strategy for enabling an efficient and planner-independent implementation of RAD planning.
نتیجه فارسی
ابزاری مبتنی بر ESAPI برای شناسایی خودکار پیکربندیهای STAMP در تکنیک RAD توسعه یافت. این ابزار عملکرد دوزسنجی را با برنامهریزی دستی متخصص مقایسهپذیر ساخت و زمان محاسبه و تحویل پرتو را کاهش داد. نتایج نشان میدهد که این ابزار میتواند به طور کارآمد جایگزین روشهای دستی شود.
- ابزار مبتنی بر ESAPI پیکربندیهای STAMP را به طور خودکار برای سرطانهای سر و گردن شناسایی میکند.
- این ابزار زمان محاسبه بهینهسازی را حدود 40٪ و زمان تحویل پرتو را حدود 20٪ نسبت به RA کاهش داد.
- در سرطان بینیپرز، دوز حفره دهانی و دوز عدسی چپ به طور معناداری کاهش یافت.
- این ابزار نیازی به تجربه دستی برنامهریز را حذف میکند و عملکردی مشابه برنامهریزی دستی متخصص دارد.
ترجمه فارسی چکیده
پسزمینه: RapidArc Dynamic (RAD) یک تکنیک جدید پرتودرمانی واریکومتریک (VMAT) است که ویژگی چرخش دینامیک کلایماتور همگام با چرخش گانتری را دارد. RAD امکان استفاده از پورتهای مدولشونده زاویه ثابت (STAMP) را فراهم میکند، اما تعیین پیکربندیهای STAMP فعلاً به روشهای دستی و آزمون و خطا مبتنی بر تجربه برنامهریز وابسته است که پیادهسازی بالینی کارآمد را محدود میکند. هدف: این مطالعه توسعه ابزار پشتیبانی تصمیمگیری خودکار با استفاده از رابط برنامهنویسی کاربردی اسکریپتینگ اکلیپس (ESAPI) برای شناسایی پیکربندیهای STAMP بهینهسازی شده هزینه و ارزیابی کاربرد بالینی آن در برنامهریزی سرطانهای پیچیده سر و گردن بود. روشها: بیست بیمار مبتلا به سرطان بینیپرز یا بینیسیلوم که قبلاً پرتودرمانی شده بودند، به صورت بازنگری شده تحلیل شدند. برای هر بیمار چهار برنامه درمانی تولید شد: VMAT متداول با RapidArc (RA)، RAD با پورتهای STAMP تعریف شده دستی توسط یک رادیولوژیست باتجربه (RADm)، RAD با الگوریتم خودکار چرخش کلایماتور ارائه شده توسط فروشنده (RADa)، و RAD با استفاده از ابزار پشتیبانی تصمیمگیری پیشنهادی (RADdst). الگوریتم توسعهیافته پیکربندیهای STAMP را در سه مرحله تعیین کرد: (1) تولید نقشه هزینه هندسی دو بعدی در زوایای گانتری و کلایماتور، (2) استخراج مسیر کلایماتور بهینهسازی شده هزینه، و (3) شناسایی موقعیتهای STAMP بهینهسازی شده هزینه در مناطق هندسی حیاتی که نیاز به چرخش کلایماتور قابل توجهی دارند. شاخصهای دوزسنجی اهداف و اعضای در معرض خطر (OAR)، زمان محاسبه بهینهسازی و زمان تخمینی تحویل پرتو ارزیابی شد. نتایج: ابزار مبتنی بر ESAPI با موفقیت برنامههای RADdst دوزسنجیپذیر برای تمام بیماران تولید کرد و به طور خودکار بین دو تا ده STAMP بر اساس پیچیدگی آناتومیک انتخاب کرد. تمام تکنیکهای برنامهریزی پوشش هدف بالینی قابل قبول و محافظت از OAR را به دست آوردند. در موارد سرطان بینیپرز، تمام رویکردهای RAD به طور معناداری دوز حفره دهانی را نسبت به RA کاهش دادند (RADm، p = 0.02؛ RADa، p = 0.002؛ RADdst، p = 0.002)، و RADdst علاوه بر این کاهش معناداری در دوز عدسی چپ ایجاد کرد (p = 0.008). در موارد سرطان بینیسیلوم، تفاوتهای معناداری بین تکنیکها برای هفت شاخص دوزسنجی OAR مشاهده شد (p < 0.05)، در حالی که پوشش هدف در تمام تکنیکها قابل مقایسه باقی ماند. زمان محاسبه بهینهسازی برای تمام رویکردهای RAD نسبت به RA حدود 40٪ کاهش یافت (p < 0.01). علاوه بر این، تمام تکنیکهای RAD زمان تخمینی تحویل پرتو را حدود 20٪ نسبت به RA کاهش دادند (p < 0.01). نتیجهگیری: ابزار پشتیبانی تصمیمگیری خودکار مبتنی بر ESAPI برای پیکربندی STAMP در برنامهریزی RAD با موفقیت توسعه یافت. چارچوب مبتنی بر هزینه هندسی پیشنهادی عملکرد دوزسنجی را با هر دو برنامهریزی دستی STAMP تعریف شده توسط متخصص و رویکرد خودکار چرخش کلایماتور ارائه شده توسط فروشنده مقایسهپذیر ساخت، در حالی که نیاز به تعیین دستی STAMP را حذف کرد. این یافتهها قابلیت اجرای STAMP خودکار را به عنوان یک استراتژی عملی برای فعالسازی برنامهریزی RAD کارآمد و مستقل از برنامهریز پشتیبانی میکنند.
روش پژوهش
این مطالعه بازنگری شده شامل ۲۰ بیمار مبتلا به سرطان بینیپرز یا بینیسیلوم بود. چهار نوع برنامه درمانی شامل RA، RADm، RADa و RADdst برای هر بیمار تولید شد. الگوریتم توسعهیافته پیکربندیهای STAMP را در سه مرحله شامل تولید نقشه هزینه هندسی، استخراج مسیر کلایماتور و شناسایی موقعیتهای بهینهسازی شده هزینه تعیین کرد.
محدودیتها
مطالعه به صورت بازنگری شده و محدود به بیماران سرطان بینیپرز و بینیسیلوم انجام شد. نتایج ممکن است در سایر انواع سرطانها متفاوت باشد.
نمای PICO و پیامدها
- جمعیت
- ۲۰ بیمار مبتلا به سرطان بینیپرز یا بینیسیلوم که قبلاً پرتودرمانی شده بودند.
- مداخله/مواجهه
- استفاده از ابزار پشتیبانی تصمیمگیری خودکار مبتنی بر ESAPI برای پیکربندی STAMP در تکنیک RAD (RADdst).
- مقایسه
- VMAT متداول با RapidArc (RA)، RAD با پورتهای STAMP تعریف شده دستی (RADm)، و RAD با الگوریتم خودکار چرخش کلایماتور (RADa).
- حجم نمونه
- ۲۰ بیمار
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل