Radioterapia protonowa. Cz. 4, Wstęp do planowania leczenia

• Autorzy: Garbacz Magdalena , Foltyńska Gabriela , Rydygier Marzena , Krzempek Dawid , Kopeć Renata

Warianty tytułu

EN

Proton radiotherapy. Part 4, Introduction to treatment planning

• Języki publikacji: PL

Abstrakty

PL

Planowanie leczenia w radioterapii protonowej w niektórych aspektach będzie różnić się od planowania z zastosowaniem wiązek fotonowych ze względu na różnice we właściwościach fizycznych obu tych wiązek. Występujący dla wiązek protonowych pik Bragga daje możliwość ograniczenia dawki za zmianą nowotworową, ale wpływa również na strategię wyboru wiązek, która będzie bezpieczna dla pacjenta. Pojawiają się również inne metody obliczeń dawki, techniki napromieniania pacjenta oraz optymalizacji planów leczenia. Narzędzia obliczeniowe rozkładów dawki stosowane w praktyce klinicznej muszą zapewniać dużą dokładność i zgodność obliczeń z danymi eksperymentalnymi w celu minimalizacji niepewności zasięgu wiązki protonowej. Obecne systemy do planowania leczenia w większości bazują na algorytmach analitycznych, ale pojawiają się również systemy oferujące symulacje transportu cząstek oparte o metody Monte Carlo. Dodatkowo kody transportu promieniowania pozwalają uwzględnić wpływ innych wielkości fizycznych na rozkład dawki, w tym względną skuteczność biologiczną wiązki protonowej. W niniejszej pracy zostaną przedstawione najważniejsze aspekty w planowaniu leczenia wiązkami protonowymi wraz z dyskusją aktualnych problemów i strategii ich rozwiązywania.

EN

Treatment planning in proton radiotherapy, in some aspects, will differ from planning with photon beams, due to differences in the physical properties of these two beams. The Bragg peak that occurs for proton beams provides an opportunity to reduce the dose behind the tumor, but it also affects the strategy for selecting beams that will be safe for the patient. Other methods of dose calculations, patient irradiation techniques and optimization of treatment plans are also appearing. Dose distribution calculation tools used in clinical practice must ensure high accuracy and compatibility of calculations with experimental data to minimize proton beam range uncertainty. Current treatment planning systems are mostly based on analytical algorithms, but systems offering particle transport simulations based on Monte Carlo methods are also being developed. In addition, radiation transport codes make it possible to take into account the influence of other physical quantities on dose distribution, including the relative biological effectiveness of the proton beam. This review will present the most important aspects in proton treatment planning, along with a discussion of current problems and strategies for solving them.

Słowa kluczowe

PL

optymalizacja; radioterapia protonowa; odporność planu leczenia; planowanie leczenia

EN

optimization; proton radiotherapy; robustness; treatment planning

• Wydawca: Indygo Zahir Media
• Czasopismo: Inżynier i Fizyk Medyczny
• Rocznik: 2022
• Tom: Vol. 11, nr 4
• Strony: 269--34
• Opis fizyczny: Bibliogr. 34 poz., rys., wykr.

Twórcy

autor

Garbacz Magdalena

• Instytut Fizyki Jądrowej im. Henryka Niewodniczańskiego Polskiej Akademii Nauk w Krakowie, ul. Radzikowskiego 152, 31-342 Kraków

autor

Foltyńska Gabriela

• Instytut Fizyki Jądrowej im. Henryka Niewodniczańskiego Polskiej Akademii Nauk w Krakowie, ul. Radzikowskiego 152, 31-342 Kraków

autor

Rydygier Marzena

• Instytut Fizyki Jądrowej im. Henryka Niewodniczańskiego Polskiej Akademii Nauk w Krakowie, ul. Radzikowskiego 152, 31-342 Kraków

autor

Krzempek Dawid

• Instytut Fizyki Jądrowej im. Henryka Niewodniczańskiego Polskiej Akademii Nauk w Krakowie, ul. Radzikowskiego 152, 31-342 Kraków

autor

Kopeć Renata

• Instytut Fizyki Jądrowej im. Henryka Niewodniczańskiego Polskiej Akademii Nauk w Krakowie, ul. Radzikowskiego 152, 31-342 Kraków

Bibliografia

• 1. J.R. Hughes, J.L. Parsons: FLASH Radiotherapy: Current Knowledge and Future Insights Using Proton-Beam Therapy, Int J Mol Sci., 21, 2020.
• 2. T. Mitin, A.L. Zietman: Promise and pitfalls of heavy-particle therapy, J Clin Oncol., 32, 2014, 2855-2863.
• 3. W.D. Newhauser, J.D. Fontenot, A. Mahajan, D. Kornguth, M. Stovall, Y. Zheng, et al.: The risk of developing a second cancer after receiving craniospinal proton irradiation, Phys Med Biol., 54, 2009, 2277-2291.
• 4. B.A. Greenberger, T.I. Yock: The role of proton therapy in pediatric malignancies: Recent advances and future directions, Semin Oncol., 47, 2020, 8-22.
• 5. B.A. Krantz, N. Dave, K.M. Komatsubara, B.P. Marr, R.D. Carvajal: Uveal melanoma: epidemiology, etiology, and treatment of primary disease, Clin Ophthalmol., 11, 2017, 279-289.
• 6. M. Rydygier, M. Bałamut, K. Czerska, K. Guguła, H. Jabłoński, W. Komenda, D. Krzempek, M. Liszka, N. Mojżeszek, P. Rogalski, R. Kopeć: Radioterapia protonowa, cz. 2: Charakterystyka wiązek, Inżynier i Fizyk Medyczny, 11, 2022, 149-155.
• 7. L. Grevillot: Monte Carlo simulation of active scanning proton therapy system with Gate/Geant4: Towards a better patient dose quality assurance, PhD thesis, 2011.
• 8. Y. Mori: The current status of proton beam therapy. Proton Beam Radiotherapy, Singapore, Springer Singapore, 2020, 23-33.
• 9. S.E. McGowan, N.G. Burnet, A.J. Lomax: Treatment planning optimisation in proton therapy, The British Journal of Radiology, 86, 2013, 20120288-20120288.
• 10. J. Saini, E. Traneus, D. Maes, R. Regmi, S.R. Bowen, C. Bloch, et al.: Advanced Proton Beam Dosimetry Part I: review and performance evaluation of dose calculation algorithms, Transl Lung Cancer Res., 7, 2018, 171-179.
• 11. M.R. Bussière, J.A. Adams: Treatment Planning for Conformal Proton Radiation Therapy, Technology in Cancer Research & Treatment, 2, 2003, 389-399.
• 12. F. De Martino, S. Clemente, C. Graeff, G. Palma, L. Cella: Dose calculation algorithms for external radiation therapy: An overview for practitioners, Appl Sci., 11, 2021, 6806.
• 13. J. Gajewski, M. Garbacz, C.-W. Chang, K. Czerska, M. Durante, N. Krah, et al.: Commissioning of GPU–accelerated Monte Carlo code FRED for clinical applications in proton therapy, Front Phys., 8, 2021.
• 14. H. Paganetti: Dose to water versus dose to medium in proton beam therapy, Phys. Med. Biol., 54, 2009, 4399.
• 15. S. Rana, K. Greco, E.J.J. Samuel, J. Bennouna: Radiobiological and dosimetric impact of RayStation pencil beam and Monte Carlo algorithms on intensity-modulated proton therapy breast cancer plans, J Appl Clin Med Phys., 20, 2019, 36-46.
• 16. J. Saini, D. Maes, A. Egan, S.R. Bowen, S. St James, M. Janson, et al.: Dosimetric evaluation of a commercial proton spot scanning Monte-Carlo dose algorithm: comparisons against measurements and simulations, Phys Med Biol., 62, 2017, 7659-7681.
• 17. L. Lin, S. Huang, M. Kang, P. Hiltunen, R. Vanderstraeten, J. Lindberg, et al.: A benchmarking method to evaluate the accuracy of a commercial proton monte carlo pencil beam scanning treatment planning system, J Appl Clin Med Phys., 18, 2017, 44-49.
• 18. ICRP Report of the Task Group on Reference Man 1975, ICRP Publication 23.
• 19. H.Q. Woodard, et al.: The composition of body tissue, The British Journal of Radiology, 59, 1986, 1209-1219, Japanese Journal of Radiological Technology, 43, 1987, 631.
• 20. U. Schneider, E. Pedroni, A. Lomax: The calibration of CT Hounsfield units for radiotherapy treatment planning, Physics in Medicine and Biology, 41, 1996, 111-124.
• 21. M. Rydygier, M. Bałamut, K. Czerska, H. Jabłoński, W. Komenda, D. Krzempek, M. Liszka, N. Mojżeszek, P. Rogalski, R. Kopeć: Radioterapia protonowa cz. 1: podstawy fizyczne, Inżynier i Fizyk Medyczny, 11, 2022, 69-74.
• 22. E.W. Korevaar, S.J.M. Habraken, D. Scandurra, R.G.J. Kierkels, M. Unipan, M.G.C. Eenink, et al.: Practical robustness evaluation in radiotherapy – A photon and proton-proof alternative to PTV-based plan evaluation. Radiother Oncol., 141, 2019, 267-274.
• 23. J. Schuemann, S. Dowdell, C. Grassberger, C.H. Min, H. Paganetti: Site-specific range uncertainties caused by dose calculation algorithms for proton therapy, Phys Med Biol., 59, 2014, 4007-4031.
• 24. H. Paganetti: Range uncertainties in proton therapy and the role of Monte Carlo simulations, Phys Med Biol., 57, 2012, R99-117.
• 25. H. Paganetti, C. Beltran, S. Both, L. Dong, J. Flanz, K. Furutani, et al.: Roadmap: proton therapy physics and biology, Phys Med. Biol., 66, 2021.
• 26. M. Adamczyk, T. Piotrowski: Respiratory motion and its compensation possibilities in the modern external beam radiotherapy of lung cancer, Nowotwory Journal of Oncology, 67, 2018, 292-296.
• 27. B. Speleers, M. Schoepen, F. Belosi, V. Vakaet, W. De Neve, P. Deseyne, et al.: Effects of deep inspiration breath hold on prone photon or proton irradiation of breast and regional lymph nodes, Sci Rep., 11, 2021,6085.
• 28. S. Rana, A.B. Rosenfeld: Investigating volumetric repainting to mitigate interplay effect on 4D robustly optimized lung cancer plans in pencil beam scanning proton therapy, J Appl Clin Med. Phys., 22, 2021,107-118.
• 29. H. Paganetti, E. Blakely, A. Carabe-Fernandez, D.J. Carlson, I.J. Das, L. Dong, et al.: Report of the AAPM TG-256 on the relative biological effectiveness of proton beams in radiation therapy, Med. Phys., 46, 2019, e53-78.
• 30. H. Paganetti: Relative biological effectiveness (RBE) values for proton beam therapy. Variations as a function of biological endpoint, dose, and linear energy transfer, Phys Med Biol., 59, 2014, R419-72.
• 31. A.L. McNamara, H. Willers, H. Paganetti: Modelling variable proton relative biological effectiveness for treatment planning, Br J Radiol., 93, 2020, 20190334.
• 32. B.S. Sørensen, N. Bassler, S. Nielsen, M.R. Horsman, L. Grzanka, H. Spejlborg, et al.: Relative biological effectiveness (RBE) and distal edge effects of proton radiation on early damage in vivo, Acta Oncol., 56, 2017, 1387-1391.
• 33. S.B. Harrabi, B. von Nettelbladt, C. Gudden, S. Adeberg, K. Seidensaal, J. Bauer, et al.: Radiation induced contrast enhancement after proton beam therapy in patients with low grade glioma – How safe are protons?, Radiother Oncol., 167, 2022, 211-218.
• 34. E. Traneus, J. Ödén: Introducing Proton Track-End Objectives in Intensity Modulated Proton Therapy Optimization to Reduce Linear Energy Transfer and Relative Biological Effectiveness in Critical Structures, Int J Radiat Oncol Biol Phys., 103, 2019, 747-757.