Undersøgelse af et EPID-baseret patientdosisovervågningssikkerhedssystem i realtid ved hjælp af stedspecifikke kontrolgrænser

Dataindsamling og udvælgelsesmetode

Det system til verifikation af patientbehandling i realtid, kendt som “Watchdog”, blev oprindeligt anvendt passivt under patientbehandlinger for at opsamle transit EPID-billeder. Der blev ikke foretaget nogen indgreb eller andet i løbet af patienternes behandling. Denne undersøgelse blev godkendt af den lokale etiske komité for forskningsetik for mennesker. Indsamlingen af data var opdelt i to faser: 1) indsamling af træningsdata til bestemmelse af nedre kontrolgrænser (dvs. tærskelværdier eller aktionsniveauer) og 2) dataindsamling til evaluering af systemets ydeevne.

For at bestemme nedre kontrolgrænser (LCL) (se afsnit 2.3) blev de to første fraktioner anvendt for alle patienter, da disse var tættest på referencetilstanden (simulering) og derfor mindre tilbøjelige til at opleve anatomiske ændringer såsom vægttab og tumorkrumpning. En lignende antagelse er blevet gjort i andre undersøgelser, hvor de målte EPID-billeder fra den første fraktion blev anvendt som et referencedatasæt til sammenligning i de følgende fraktioner . De udvalgte data blev anvendt som “træningsdata”, og det blev således verificeret, at der ikke var væsentlige fejl i hverken levering, registrering eller plangenerering. For at sikre dette blev der anvendt tre vigtige begrænsninger ved udvælgelsen af træningsdata. I første omgang blev de to første fraktioner udvalgt til at bestemme LCL. For det andet blev alle felter med en endelig kumulativ χ-beståelsesprocent (dvs. beståelsesprocenten for det integrerede felt) på mindre end 97 % også udelukket. For det tredje blev alle data, der indeholdt kendte Watchdog-relaterede systemfejl og/eller menneskelige fejl (f.eks. forkert billedindsamlingsproces), også udelukket. Disse begrænsninger resulterede i, at træningsdataene bestod af 137 patientbehandlingsforløb (18 endetarmspatienter, 82 prostatapatienter og 37 HN-patienter). Alle behandlinger blev planlagt ved hjælp af Eclipse (Varian Medical Systems, Palo Alto, CA) version 11.

Watchdog: EPID-baseret patientdosisovervågningssikkerhedssystem i realtid

Delivery-system og billedindsamling

Alle behandlinger blev udført ved hjælp af en af fire Clinac Trilogy lineære acceleratorer (linacs) (Varian Medical Systems, Palo Alto, CA) udstyret med Millenium 120-bladede multileaf-kollimatorer (MLC’er). Der blev anvendt dynamisk IMRT med dynamisk glidende vindue med 6 MV fotoner ved nominelle dosishastigheder på 400 MU/min. Megavoltage (MV)-billeder blev optaget ved hjælp af en aS1000 EPID, der fungerede i integreret optagelsestilstand styret af det kliniske behandlingssoftwaremodul i 4D Integrated Treatment Console (4DITC) PC’en. Alle billeder blev automatisk korrigeret for mørkefelt og oversvømmelsesfelt og blev optaget med en kilde-til-detektor-afstand (SDD) på 150 cm. Adgang til både MV og kV individuelle billedrammer skete via kameraforbindelseskabler til porte på 4DITC- og Varian On-Board Imager (OBI)-computerne. Disse var forbundet til en supplerende pc, der var udstyret med et dual-base frame-grabber-kort (Matrox Solios SOL 2 M EV CLB). Rotationsvinklerne i portalen blev afledt af kilospændings (kV) kilde-rotationsoplysninger, der blev kodet i overskriften på kV “mørke” billedrammer af Varian OBI. Bemærk, at kV-kilden ikke var tændt under optagelsen af kV-billederne. Patienterne modtog ingen yderligere dosis fra denne undersøgelse. De rå frame grabber-data blev rekonstrueret til matrixbilledformat ved hjælp af en egenudviklet Matlab/C#-kode (MathWorks, Natick, MA, USA). Dette system erhvervede både MV- og kV-billedrammer med billedhastigheder på henholdsvis 7,455 fps og 10,92 fps.

Oversigt over Watchdog-systemet

Watchdog-systemet blev tidligere testet ved hjælp af kliniske dynamiske IMRT-felter leveret til et antropomorft prostatafantom og blev implementeret til klinisk brug . Forudsagte EPID-billeder blev beregnet for sekventielle dosisinkrementer ved hjælp af den fysikbaserede model af Chytyk et al. . De forudsagte EPID-billeder blev genereret ved forudbestemte kontrolpunktsintervaller (CP) for hver behandlingsplanfil, hvilket giver en sekvens af billeder for hele stråleafgivelsen, som beskrevet i . For IMRT-leverancer anvendes en synkroniseringsmetode ved hjælp af MLC-bladpositioner udtrukket fra forudsagte og målte billeder . Systemet blev anvendt til at sammenligne kumulative forudsagte og integrerede målte billeder op til et synkroniseringspunkt (benævnt kumulativ billedsammenligning). De målte billeder blev omformet til ½ opløsning (512 × 384 pixels), og 2-D-sammenligninger blev evalueret ved hjælp af en hurtig χ-sammenligning med 4 %, 4 mm kriterier . Systemet opnåede en gennemsnitlig χ bestået gennemsnitsrate i realtid på 91,1 % for 4 %/4 mm-kriterier . Watchdog-systemets rammer er opsummeret og illustreret i fig. 1. Efter registrering og analyse lagres de forudsagte og målte EPID-billeder i en database sammen med resultatet af realtidskontrol og eventuelle manuelt indtastede kommentarer fra operatøren.

Oversigt over vagthundssystemet

Statistisk processtyring til afledning af kontrolgrænser

Bestemmelse af den nedre kontrolgrænse (LCL)

Anvendelsen af SPC-kontrolgrænser hjælper med at klassificere normale og tildelbare (særlige) årsager til variation i en proces baseret på træningsdata . Grænserne for denne klassificering fastsættes ved at beregne middelværdien (μ) og standardafvigelsen (σ) for en procesmetriks størrelse, når processen er i stabil drift. SPC anvender normalt to statistiske kontrolgrænser og en midterlinje (CL), herunder en øvre kontrolgrænse (UCL) og en nedre kontrolgrænse (LCL). I denne anvendelse kan realtidsverifikationsoutputtet (dvs. χ-sammenligning af pass-rate) imidlertid ikke overstige 100 %, så UCL elimineres, og kun LCL tages i betragtning.

Da linakdosishastigheden stiger hurtigt efter påstråling, stiger EPID-doseresponsen for den centrale akse hurtigt, ofte med en lille overskridelse, og stabiliserer sig derefter efter ca. to sekunder . For at undgå dette område med ustabilitet i dosishastigheden blev de første to sekunders behandling udelukket fra den metode, der blev anvendt til beregning af kontrolgrænser. CL’er og LCL’er blev bestemt for den kumulative χ-pass rate for tre behandlingssteder: prostata, HN og rektum ved hjælp af ligning 1 og 2.

Hvor \( {\mu}_{t\ge 2s} \) er den gennemsnitlige kumulative dosis sammenligning pass-rate efter to sekunders behandling, og \( {\sigma}_{t\ge 2s} \) er standardafvigelsen af den kumulative dosis sammenligning pass-rate efter to sekunders behandling. Herefter konstrueres kontrolkortet på grundlag af den definerede LCL for det specifikke behandlingssted.

Fejldetektion

Overvågning ved hjælp af LCL alene er imidlertid følsom over for meget forbigående hændelser, og derfor blev der indført en anden parameter for at give en bedre identifikation af klinisk signifikante fejl. Den anden parameter anvender en procesevalueringsteknik til at hjælpe med at opdage fejl.

Procesevalueringen anvender et proceskapacitetsindeks \( \left({C}_{pml}\right) \), som repræsenterer en process’ evne til at producere data, der opfylder LCL’en. Ved hjælp af træningsdatasættet beregnes proceskapacitetsindekset ved hjælp af Eq. 3.

Hvor \( {\mu}_t \) og \( {\sigma}_t \) er gennemsnittet og standardafvigelsen af den kumulative dosis sammenligning pass-rate efter to sekunders behandling frem til afgivelsespunktet. Konstanten 1,46 anbefales for en ensidig specifikationsgrænse, og T er procesmålværdien, som kan antages at være gennemsnittet af den kumulative dosis sammenligningsgennemgangshastighed eller den midterlinje, der er vist i ligning 1 . Bemærk, at der ikke findes en enkelt ideel værdi af \( {C}_{pml} \), som sikrer, at en proces fungerer optimalt. Typisk anvendes \( {C}_{pml}=1,33 \) som en nedre grænse for en acceptabelt fungerende proces og indikerer en kvalitetssikringsproces af høj kvalitet.

Leveringen blev klassificeret som “fejlslagen”, når begge følgende to betingelser var opfyldt:

1. Den kumulative χ-pass-rate i realtid var mindre end den stedspecifikke LCL

2. Proceskapacitetsindekset, \( {C}_{pml} \) var mindre end 1.33

Følsomhedstestning

Følsomheden af de afledte kontrolgrænser over for forskellige fejlkilder blev testet og evalueret. Dette blev udført ved hjælp af to datasæt for prostatapatienter. Simulerede fejlklasser blev indført ved at ændre patientens CT-scanningsdata eller behandlingsplanparametre og derefter genberegne det forudsagte EPID-billedsæt. Tabel 1 viser listen over testcases og simuleringsparametre, der blev anvendt til følsomhedstesten. Der blev derefter foretaget en sammenligning mellem de forudsagte og målte transitbilleder ved hjælp af en offline-simulator af realtidsverifikationssystemet.

Klassificering af fejlkilder

Fem tilfældigt udvalgte patienter til IMRT-behandlinger af prostata, HN og rektum blev anvendt til evaluering af patientbehandlingen i denne indledende undersøgelse. De afledte stedspecifikke kontrolgrænser blev anvendt til at undersøge og klassificere de kliniske realtidsverificeringsresultater med det udvalgte patientdatasæt, herunder alle fraktioner fra hvert behandlingssted. Der udløses et “fail”, når den individuelle behandlingsevaluering overskrider betingelsen for fejlfinding (kumulativ χ-sammenligning < LCL og Cpml < 1,33). Enhver fejl under verifikationen gav anledning til yderligere analyse for at klassificere og bestemme kilden til fejlen.

Funktionen til fejldetektion ved hjælp af systemet blev undersøgt og klassificeret som en af to hovedkategorier; kliniske og Watchdog-systemrelaterede kilder . For kliniske fejlkilder er der to underkategorier; patientrelaterede leveringsfejl og dataoverførsels- og linacfejl. Tre underkategorier vedrører ikke-kliniske fejlkilder, herunder EPID-indsamlingsfejl, Watchdog-systemfejl og Watchdog-brugerfejl. Observationsparametre er anført i tabel 2.