การประเมินความถูกต้องการคำนวณปริมาณรังสีในหุ่นจำลองทรวงอกของอัลกอริธึมคอลแลบโคนคอนโวลูชันและมอนติคาร์โลสำหรับแผนรังสีตัดขวาง แบบเกลียวหมุนและรังสีปรับความเข้มเชิงปริมาตร
คำสำคัญ:
คอลแลบโคนคอนโวลูชัน, มอนติคาร์โล, อัลกอริธึมคำนวณปริมาณรังสี, รังสีตัดขวางแบบเกลียวหมุน, รังสีปรับความเข้มเชิงปริมาตรบทคัดย่อ
ความถูกต้องของปริมาณรังสีที่ก้อนมะเร็งและอวัยวะสำคัญข้างเคียงได้รับจากการฉายรังสีจะขึ้นอยู่กับอัลกอริธึมที่ใช้คำนวณปริมาณรังสี งานวิจัยนี้ได้ประเมินความถูกต้องการคำนวณปริมาณรังสีโฟตอนของอัลกอริธึมคอลแลบโคนคอนโวลูชัน สำหรับการฉายรังสีตัดขวางแบบเกลียวหมุนและอัลกอริธึมมอนติคาร์โลสำหรับการฉายรังสีปรับความเข้มเชิงปริมาตร โดยเปรียบเทียบผลการคำนวณของอัลกอริธึมทั้งสองกับการวัดปริมาณรังสีในหุ่นจำลองรูปทรวงอกที่มีความหนาแน่นแตกต่าง ในการทดลองได้วางแผนรังสีตัดขวางแบบเกลียวหมุนและวางแผนรังสีปรับความเข้มเชิงปริมาตร สำหรับรอยโรคของมะเร็งปอดสามลักษณะในหุ่นจำลองรูปทรวงอก ได้แก่ รอยโรคตำแหน่งเดียวในเนื้อปอด รอยโรคสองตำแหน่งในเนื้อปอด และรอยโรคตำแหน่งเดียวที่บริเวณกลางทรวงอก จากนั้นทำการทวนสอบสองขั้นตอน ขั้นตอนแรกวัดปริมาณรังสีแบบจุดด้วยหัววัดรังสีแบบประจุแตกตัวและขั้นตอนที่สองวัดการกระจายปริมาณรังสีด้วยหัววัดไดโอดเรียงตัวรูปทรงกระบอก ผลการทวนสอบปริมาณรังสีแบบจุดพบว่าค่าเฉลี่ยความแตกต่างของปริมาณรังสีจากการวัดและการคำนวณของอัลกอริธึมคอลแลบโคนคอนโวลูชันและอัลกอริธึมมอนติคาร์โล มีค่าเท่ากับร้อยละ4.14 (ร้อยละ -0.25 ถึง -5.63) และร้อยละ1.11 (ร้อยละ 0.87 ถึง -1.81) ตามลำดับ มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ สำหรับการทวนสอบการกระจายปริมาณรังสีที่เกณฑ์อัตราผ่านแกมมา 3%-3 มิลลิเมตร พบว่าอัลกอริธึมคอลแลบโคนคอนโวลูชันและอัลกอริธึมมอนติคาร์โลมีอัตราผ่านค่าแกมมาเฉลี่ยเท่ากับร้อยละ 95.8 และ 99.9 ตามลำดับ ไม่มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ จากผลการวิจัยนี้แสดงให้เห็นว่าการคำนวณการกระจายปริมาณรังสีในตัวกลางที่มีความหนาแน่นแตกต่างของอัลกอริธึมมอนติคาร์โลกับอัลกอริธึมคอลแลบโคนคอนโวลูชันมีความถูกต้องไม่แตกต่างกัน แต่การคำนวณปริมาณรังสีแบบจุดของอัลกอริธึมมอนติคาร์โลมีความถูกต้องมากกว่าอัลกอริธึมคอลแลบโคนคอนโวลูชันอย่างมีนัยสำคัญทางสถิติ
เอกสารอ้างอิง
Ahnesjo, A. (1989). Collapsed cone convolution of radiant energy for photon dose calculation in heterogeneous media. Medical Physics, 16, 577-592.
Alghamdi, S., & Tajaldeen, A. (2019). Evaluation of dose calculation algorithms using different density materials for in-field and out-of-field conditions. Experimental Oncology, 41, 46–52.
Ardu, V., Broggi, S., Cattaneo, G.M., Mangili, P., & Calandrino, R. (2011). Dosimetric accuracy of tomotherapy dose calculation in thorax lesions. Radiation Oncology, 6:14.
Bunsong, C., Chitapanarux, I., & Wanwilairat, S. (2017). Dosimetry Characteristics and Gamma Passing Rate of ArcCHECK for Helical Tomotherapy Verification. (Masters dissertation). Chiang Mai University, Chiang Mai. (In Thai).
International Atomic Energy Agency. (2017). Dosimetry of Small Static Fields Used in External Beam Radiotherapy Technical Reports Series No. 483. Vienna: IAEA in Austria.
International Commission on Radiation Units and Measurements. (2010). Prescribing, Recording, and Reporting Photon-Beam Intensity-Modulated Radiation Therapy (IMRT). Journal of the ICRU Report, 83, 10(1).
Juretic, A., Frobe, A., Brozic, J. M., Bilic, L.G., & Koretic, M.B. (2017). Dose Limitations for Radio therapy of Lung Cancer. Journal of Thoracic Oncology, 12 (1S), 229-231.
Khaijaitrong, S., Thongsawad, S., Kaewlek, T., Masa-Nga, Y., & Tannanonta, C. (2019). Verification of collapsed cone convolution algorithm for dose calculation by computer - based system in treatment planning. Journal of Medicine and Health Science, 26(3), 15-32.
Kim, Y.L., Suh, T.S., Choe, B.Y., Choi, B.O., Chung, J.B., & Lee, J.W. (2016). Dose distribution evaluation of various dose calculation algorithms in inhomogeneous media. International Journal of Radiation Research, 14(4), 269-278.
Langen, K.M., Papanikolaou, N., Balog, J., Crilly, R., Followill, D., & Goddu, S.M. (2010). QA for Helical Tomotherapy: Report of the AAPM Task Group 148. Med Phys, 37(9), 4817-53.
Lof, V. (2015).The Difference Between a Collapsed Cone Based and a Monte Carlo Based Dose Calculation Algorithm. (Masters dissertation). KTH School of Engineering Sciences, Stockholm, Sweden.
Mackie, T.R., Scrimger, J.W., & Battista, J.J. (1985). A convolution method of calculating dose for 15MV x-ray. Medical Physics, 12, 169-177.
Narayanasamy, G., Saenz, D.L., Defoor, D., Papanikolaou, N., & Stathakis, S. (2017). DosimetricValidationof Monaco treatment planning system on an ElektaVersaHD linear accelerator. Medical Physics, 18(6), 123-129.
National Cancer Institute T. (2015). Hospital-Based Cancer Registry Annual Report. Pornsup Printing Co., LTD. Bangkok, Thailand. (In Thai).
Podgorsak, E.B. (2005). Radiation Oncology Physics: A Handbook for Teachers and Students. IAEA, Vienna.
Reynaert, N., Marck, S., Schaart, D., Zee, W., Tomsej, M., & Vroegindeweij, V.V. (2016). Monte Carlo Treatment Planning: An Introduction Report 16 of the Netherlands Commission on Radiation Dosimetry (NCS), Delft, Netherlands.
Snyder, J.E., Hyer, D.E., Flynn, R.T., Boczkowski, A., & Wang, D. (2019). The commissioning and Validation of Monaco treatment planning system on an ElektaVersaHD linear accelerator. Medical Physics, 20(1), 184-193.
Sterpin, E., Salvat, F., Olivera, G., & Vynckier, S. (2009). Monte Carlo evaluation of theconvolution/superposition algorithm of Hi-Art™ tomotherapy in heterogeneous phantoms and clinical cases. Medical Physics, 36(5), 1566-1575.
Sudloy, N., Tharavichitkul, E., & Wanwilairat, S. (2019). Dosimetry Characteristics and Gamma Passing Rate of ArcCHECK for Volumetric Modulated Arc Therapy Treatment Planning Verification. Journal of Thai Association of Radiation Oncology, 25(1), 43-57.
Zhao, Y., Mackenzie, M., Kirby, C., & Fallone, B.G. (2008). Monte Carlo evaluation of treatment planning system for tomotherapy in an anthropomorphic heterogeneous phantom and for clinical treatment plans. Medical Physics, 35, 5366-5374.
