Investigation d’un système de sécurité de surveillance de la dose au patient basé sur l’EPID en temps réel utilisant des limites de contrôle spécifiques au site

Méthode de collecte et de sélection des données

Le système de vérification du traitement du patient en temps réel, connu sous le nom de « Watchdog », a été initialement exploité de manière passive pendant les traitements du patient pour acquérir des images EPID en transit. Aucune action interventionnelle, ou autre, n’a été effectuée au cours du traitement des patients. Cette étude a été approuvée par le comité local d’éthique de la recherche sur l’homme. La collecte des données a été divisée en deux phases : 1) la collecte de données d’entraînement pour déterminer les limites de contrôle inférieures (c’est-à-dire les seuils ou les niveaux d’action), et 2) la collecte de données pour évaluer les performances du système.

Pour déterminer les limites de contrôle inférieures (LCL) (se référer à la section 2.3), les deux premières fractions ont été utilisées pour tous les patients car elles étaient les plus proches dans le temps de la condition de référence (simulation) et donc moins susceptibles de subir des changements anatomiques tels que la perte de poids et le rétrécissement de la tumeur. Une hypothèse similaire a été faite dans d’autres études où les images EPID mesurées acquises lors de la première fraction ont été utilisées comme ensemble de données de référence pour la comparaison des fractions suivantes. Les données sélectionnées ont été utilisées comme « données d’entraînement » et il a donc été vérifié qu’il n’y avait pas d’erreurs substantielles dans la livraison, l’acquisition ou la génération du plan. Pour ce faire, trois contraintes clés ont été utilisées pour sélectionner les données d’entraînement. Tout d’abord, les deux premières fractions ont été sélectionnées pour déterminer le LCL. Deuxièmement, toutes les fractions dont le taux de réussite χ cumulé final (c’est-à-dire le taux de réussite pour la fraction intégrée) était inférieur à 97 % ont également été exclues. Troisièmement, toutes les données contenant des erreurs connues du système Watchdog et/ou des erreurs humaines (par exemple, un processus d’acquisition d’image incorrect) ont également été exclues. Ces contraintes ont permis d’obtenir des données d’entraînement composées de 137 traitements de patients (18 patients du rectum, 82 patients de la prostate et 37 patients HN). Tous les traitements ont été planifiés à l’aide d’Eclipse (Varian Medical Systems, Palo Alto, CA) version 11.

Watchdog : système de sécurité de surveillance de la dose au patient basé sur l’EPID en temps réel

Système d’administration et acquisition d’images

Tous les traitements ont été effectués à l’aide de l’un des quatre accélérateurs linéaires (linacs) Clinac Trilogy (Varian Medical Systems, Palo Alto, CA) équipés de collimateurs multi-lames (MLC) Millenium 120 feuilles. L’administration était une IMRT dynamique à fenêtre coulissante utilisant des photons de 6 MV à des débits de dose nominaux de 400 MU/min. Les images en mégavoltage (MV) ont été acquises à l’aide d’un EPID aS1000 fonctionnant en mode d’acquisition intégrée et contrôlé par le module de logiciel de traitement clinique dans le PC 4D Integrated Treatment Console (4DITC). Toutes les images ont été automatiquement corrigées pour le champ sombre et le champ d’inondation et ont été acquises avec une distance source-détecteur (SDD) de 150 cm. L’accès aux images individuelles MV et kV s’est fait par l’intermédiaire de câbles de liaison de caméra aux ports des ordinateurs 4DITC et Varian On-Board Imager (OBI). Ces ordinateurs étaient connectés à un PC auxiliaire équipé d’une carte d’acquisition d’images à double base (Matrox Solios SOL 2 M EV CLB). Les angles de rotation du portique ont été dérivés de l’information sur la rotation de la source de kilovoltage (kV) encodée dans l’en-tête des images  » sombres  » de kV par l’OBI de Varian. Notez que la source kV n’était pas allumée pendant l’acquisition des images kV. Les patients n’ont reçu aucune dose supplémentaire dans le cadre de cette étude. Les données brutes de la carte d’acquisition ont été reconstruites au format d’image matricielle à l’aide d’un code personnalisé interne Matlab/C# (MathWorks, Natick, MA, USA). Ce système a acquis des trames d’images MV et kV à des fréquences d’images de 7,455 fps et 10,92 fps, respectivement.

Overview of watchdog system

Le système Watchdog a été testé précédemment en utilisant des champs IMRT dynamiques cliniques délivrés à un fantôme de prostate anthropomorphe et a été mis en œuvre pour une utilisation clinique . Les images EPID prédites ont été calculées pour des incréments de dose séquentiels en utilisant le modèle basé sur la physique de Chytyk et al . Les images EPID prédites ont été générées à des intervalles de points de contrôle (CP) prédéterminés pour chaque fichier de plan de traitement, fournissant une séquence d’images pour l’ensemble de l’émission du faisceau, comme décrit dans . Pour les livraisons IMRT, une méthode de synchronisation utilisant les positions des feuilles MLC extraites des images prédites et mesurées est appliquée . Le système a été utilisé pour comparer les images prédites cumulatives et les images mesurées intégrées jusqu’à un point de synchronisation (appelé comparaison d’images cumulatives). Les images mesurées ont été redimensionnées à une résolution ½ (512 × 384 pixels) et les comparaisons 2-D ont été évaluées en utilisant une comparaison χ rapide avec des critères de 4 %, 4 mm . Le système a atteint un taux moyen de réussite χ en temps réel de 91,1 % pour les critères 4 %/4 mm . Le cadre du système Watchdog est résumé et illustré dans la Fig. 1. Après acquisition et analyse, les images EPID prédites et mesurées sont stockées dans une base de données, ainsi que le résultat de la vérification en temps réel et tout commentaire saisi manuellement par l’opérateur.

Vue d’ensemble du système Watchdog

Contrôle statistique du processus pour la dérivation des limites de contrôle

Détermination de la de la limite inférieure de contrôle (LCL)

L’application des limites de contrôle SPC aide à la classification des causes normales et assignables (spéciales) de variation d’un processus sur la base de données de formation . Les limites de cette classification sont fixées en calculant la moyenne (μ) et l’écart type (σ) d’une métrique de processus lorsque le processus est en fonctionnement stable. Le SPC utilise normalement deux limites de contrôle statistique et une ligne centrale (CL), y compris une limite de contrôle supérieure (UCL) et une limite de contrôle inférieure (LCL). Cependant, dans cette application, la sortie de vérification en temps réel (c’est-à-dire le taux de réussite de la comparaison χ) ne peut pas dépasser 100 %, de sorte que l’UCL est éliminée et que seule la LCL est considérée.

Comme le débit de dose du linac augmente rapidement après l’activation du faisceau, la réponse de la dose de l’axe central de l’EPID augmente rapidement souvent avec un petit dépassement, puis se stabilise après environ deux secondes . Pour éviter cette région d’instabilité du débit de dose, la méthode utilisée pour calculer les limites de contrôle excluait les deux premières secondes de traitement. Les CL et les LCL ont été déterminés pour le taux de passage χ cumulé pour trois sites de traitement ; prostate, HN et rectum en utilisant les équations 1 et 2.

Où \( {\mu}_{t\ge 2s} \) est le taux de réussite moyen de comparaison de dose cumulée après deux secondes de traitement, et \( {\sigma}_{t\ge 2s} \) est l’écart type du taux de réussite de comparaison de dose cumulée après deux secondes. Après cela, la carte de contrôle est construite sur la base du LCL défini pour le site de traitement spécifique.

Détection des erreurs

Le contrôle utilisant le LCL seul est cependant sensible aux événements hautement transitoires et, par conséquent, un deuxième paramètre a été introduit pour fournir une meilleure identification des erreurs cliniquement significatives. Ce second paramètre utilise une technique d’évaluation de processus pour aider à la détection des erreurs.

L’évaluation de processus utilise un indice de capacité de processus \( \left({C}_{pml}\right) \), qui représente la capacité d’un processus à produire des données qui répondent à la LCL. En utilisant l’ensemble de données d’apprentissage, l’indice de capacité du processus est calculé à l’aide de l’équation 3.

Où \( {\mu}_t \) et \( {\sigma}_t \) sont la moyenne et l’écart-type du débit de passage de la comparaison de la dose cumulée après deux secondes de traitement jusqu’au point de délivrance. La constante 1,46 est recommandée pour une limite de spécification unilatérale et T est la valeur cible du processus qui peut être supposée être la moyenne du débit de passage de la comparaison de dose cumulée ou la ligne centrale indiquée dans l’équation 1. Notez qu’il n’existe pas de valeur idéale unique de \( {C}_{pml} \) qui garantisse le fonctionnement optimal d’un procédé. Généralement, \( {C}_{pml}=1,33 \) est utilisé comme limite inférieure pour un processus aux performances acceptables et indique un processus AQ de haute qualité .

La livraison a été classée comme un « échec » lorsque les deux conditions suivantes étaient vraies :

1. Le taux de réussite χ cumulé en temps réel était inférieur à la LCL spécifique au site

2. L’indice de capacité du processus, \( {C}_{pml} \) était inférieur à 1.33

Tests de sensibilité

La sensibilité des limites de contrôle dérivées à diverses sources d’erreur a été testée et évaluée. Ceci a été réalisé en utilisant deux ensembles de données de patients atteints de prostate. Des classes d’erreurs simulées ont été introduites en modifiant les données du scanner du patient ou les paramètres du plan de traitement, puis en recalculant l’ensemble d’images EPID prédites. Le tableau 1 présente la liste des cas d’essai et des paramètres de simulation utilisés pour les tests de sensibilité. Une comparaison entre les images de transit prédites et mesurées a ensuite été effectuée à l’aide d’un simulateur hors ligne du système de vérification en temps réel.

Classification des sources d’erreur

Cinq patients sélectionnés au hasard pour des traitements IMRT de la prostate, du HN et du rectum ont été utilisés pour l’évaluation du traitement des patients dans cette enquête préliminaire. Les limites de contrôle dérivées spécifiques au site ont été utilisées pour examiner et classer les résultats de la vérification clinique en temps réel avec l’ensemble des données des patients sélectionnés, y compris toutes les fractions de chaque site de traitement. Un  » échec  » est déclenché lorsque l’évaluation du traitement individuel dépasse la condition de détection des erreurs (comparaison du χ cumulé < LCL et Cpml < 1,33). Tout échec au cours de la vérification a déclenché une analyse plus approfondie pour classer et déterminer la source de l’erreur.

La capacité de détection des erreurs à l’aide du système a été étudiée et classée en deux catégories principales ; les sources cliniques et celles liées au système Watchdog . Pour les sources d’erreurs cliniques, il y a deux sous-catégories ; les erreurs de livraison liées au patient et les erreurs de transfert de données et de linac. Trois sous-catégories sont liées aux sources d’erreurs non cliniques, notamment les erreurs d’acquisition EPID, les erreurs du système Watchdog et les erreurs de l’utilisateur Watchdog. Les paramètres d’observation sont présentés dans le tableau 2.