Badanie systemu monitorowania bezpieczeństwa dawki dla pacjenta opartego na EPID w czasie rzeczywistym z zastosowaniem limitów kontrolnych specyficznych dla danego miejsca

Metoda zbierania i selekcji danych

System weryfikacji leczenia pacjenta w czasie rzeczywistym, znany jako „Watchdog”, początkowo działał pasywnie podczas leczenia pacjenta w celu uzyskania tranzytowych obrazów EPID. W trakcie leczenia pacjentów nie wykonywano żadnych działań interwencyjnych ani innych. Badanie to zostało zatwierdzone przez lokalną komisję etyczną do spraw badań nad ludźmi. Zbieranie danych podzielono na dwie fazy: 1) zbieranie danych treningowych w celu określenia dolnych granic kontrolnych (tj. progów lub poziomów działania) oraz 2) zbieranie danych w celu oceny wydajności systemu.

W celu określenia dolnych granic kontrolnych (LCL) (patrz sekcja 2.3), dla wszystkich pacjentów wykorzystano dwie pierwsze frakcje, ponieważ były one najbliższe w czasie do stanu referencyjnego (symulacji), a zatem istniało mniejsze prawdopodobieństwo wystąpienia zmian anatomicznych, takich jak utrata masy ciała i obkurczanie się guza. Podobne założenie przyjęto w innych badaniach, gdzie zmierzone obrazy EPID uzyskane z pierwszej frakcji były używane jako zestaw danych referencyjnych do porównania przez kolejne frakcje. Wybrane dane zostały wykorzystane jako „dane treningowe” i w ten sposób sprawdzono, czy nie wystąpiły istotne błędy w dostarczaniu, akwizycji lub generowaniu planu. Aby to zapewnić, przy wyborze danych treningowych zastosowano trzy kluczowe ograniczenia. Początkowo do wyznaczenia LCL wybrano dwie pierwsze frakcje. Po drugie, wykluczono również wszystkie pola, których końcowy skumulowany współczynnik zaliczenia χ (tj. współczynnik zaliczenia dla zintegrowanego pola) był niższy niż 97 %. Po trzecie, wykluczono również wszelkie dane zawierające znane błędy systemowe związane z programem Watchdog i/lub błędy ludzkie (np. nieprawidłowy proces pozyskiwania obrazu). W wyniku tych ograniczeń uzyskano dane szkoleniowe składające się z 137 kursów leczenia pacjentów (18 pacjentów z odbytnicą, 82 pacjentów z prostatą i 37 pacjentów z HN). Wszystkie zabiegi zaplanowano przy użyciu programu Eclipse (Varian Medical Systems, Palo Alto, CA) w wersji 11.

Watchdog: system bezpieczeństwa monitorowania dawki pacjenta oparty na EPID w czasie rzeczywistym

System dostarczania i akwizycja obrazów

Wszystkie zabiegi przeprowadzono przy użyciu jednego z czterech przyspieszaczy liniowych Clinac Trilogy (Linacs) (Varian Medical Systems, Palo Alto, CA) wyposażonych w wielolistkowe kolimatory (MLCs) Millenium 120-leaf. Stosowano dynamiczną technikę IMRT z przesuwanymi oknami, używając fotonów 6 MV przy nominalnej szybkości dawki 400 MU/min. Obrazy megawoltowe (MV) były pozyskiwane za pomocą urządzenia aS1000 EPID działającego w trybie zintegrowanej akwizycji, kontrolowanego przez moduł oprogramowania do leczenia klinicznego w komputerze 4D Integrated Treatment Console (4DITC). Wszystkie obrazy były automatycznie korygowane w zakresie pola ciemnego i pola zalewowego i były pozyskiwane przy odległości źródło-detektor (SDD) wynoszącej 150 cm. Dostęp do pojedynczych klatek obrazów MV i kV był możliwy za pośrednictwem kabli łączących kamery z portami w komputerach 4DITC i Varian On-Board Imager (OBI). Były one podłączone do pomocniczego komputera PC wyposażonego w dwubazową kartę frame-grabber (Matrox Solios SOL 2 M EV CLB). Kąty obrotu gantry były uzyskiwane z informacji o rotacji źródła kilowoltowego (kV) zakodowanej w nagłówku „ciemnych” ramek obrazu kV przez Varian OBI. Należy zauważyć, że źródło kV nie było włączone podczas akwizycji ramek kV. Pacjenci nie otrzymali dodatkowej dawki w tym badaniu. Surowe dane frame grabber zostały zrekonstruowane do formatu obrazu macierzowego przy użyciu własnego kodu Matlab/C# (MathWorks, Natick, MA, USA). System ten uzyskał zarówno ramki obrazów MV, jak i kV z szybkością 7,455 klatek na sekundę i 10,92 klatek na sekundę, odpowiednio.

Przegląd systemu Watchdog

System Watchdog został wcześniej przetestowany przy użyciu klinicznych dynamicznych pól IMRT dostarczanych do antropomorficznego fantomu prostaty i został wdrożony do użytku klinicznego. Przewidywane obrazy EPID zostały obliczone dla sekwencyjnych przyrostów dawki przy użyciu opartego na fizyce modelu Chytyka i wsp. Przewidywane obrazy EPID zostały wygenerowane we wcześniej określonych odstępach punktu kontrolnego (CP) dla każdego pliku planu leczenia, zapewniając sekwencję klatek dla całego dostarczania wiązki, jak opisano w . Dla dostaw IMRT zastosowano metodę synchronizacji wykorzystującą pozycje płatów MLC wyodrębnione z przewidywanych i mierzonych obrazów. System został użyty do porównania skumulowanych klatek przewidywanych i zintegrowanych klatek zmierzonych do punktu synchronizacji (zwanego skumulowanym porównaniem obrazów). Zmierzone obrazy były zmieniane do rozdzielczości ½ (512 × 384 pikseli), a porównania 2-D były oceniane przy użyciu szybkiego porównania χ z kryteriami 4 %, 4 mm . System osiągnął średni współczynnik zaliczenia χ w czasie rzeczywistym wynoszący 91,1 % dla kryteriów 4 %/4 mm. Struktura systemu Watchdog jest podsumowana i zilustrowana na Rys. 1. Po akwizycji i analizie przewidywane i zmierzone obrazy EPID są przechowywane w bazie danych, jak również wynik weryfikacji w czasie rzeczywistym i wszelkie komentarze wprowadzone ręcznie przez operatora.

Fig. 1
figure1

Przegląd systemu Watchdog

Statystyczna kontrola procesu dla wyznaczania limitów kontrolnych

Wyznaczanie dolnego limitu kontrolnego (LCL)

Zastosowanie limitów kontrolnych SPC pomaga w klasyfikacji normalnych i przypisywalnych (specjalnych) przyczyn zmienności w procesie na podstawie danych szkoleniowych. Limity dla tej klasyfikacji są ustalane poprzez obliczenie średniej (μ) i odchylenia standardowego (σ) metryki procesu, gdy proces działa stabilnie. SPC zwykle wykorzystuje dwie statystyczne granice kontrolne i linię środkową (CL), w tym górną granicę kontrolną (UCL) i dolną granicę kontrolną (LCL). Jednakże w tym zastosowaniu wynik weryfikacji w czasie rzeczywistym (tj. współczynnik przejścia porównania χ) nie może przekraczać 100 %, więc UCL jest eliminowany i uwzględniany jest tylko LCL.

Jak dawka promieniowania liniowego wzrasta gwałtownie po włączeniu wiązki, reakcja EPID na dawkę na osi centralnej wzrasta szybko, często z niewielkim przekroczeniem, a następnie stabilizuje się po około dwóch sekundach. Aby uniknąć tego regionu niestabilności dawki, w metodzie stosowanej do obliczania granic kontrolnych wykluczono pierwsze dwie sekundy leczenia. CL i LCL wyznaczono dla skumulowanego współczynnika przejścia χ dla trzech miejsc poddawanych działaniu promieniowania: prostaty, HN i odbytnicy, stosując równania 1 i 2.

$$ C{L}_{twierdza 2s}= -3{sigigig>

$$, $$
(1)

$$ LC{L}_{twierdza 2s}= -3{sig>

$$.5em -3{{sigma}_{t\ge 2s}, $$
(2)

Gdzie \( {{mu}_{t\ge 2s} \) jest średnim skumulowanym wskaźnikiem przejścia porównania dawek po dwóch sekundach leczenia, a \( {{sigma}_{t\ge 2s} \) jest odchyleniem standardowym skumulowanego wskaźnika przejścia porównania dawek po dwóch sekundach. Następnie konstruuje się wykres kontrolny na podstawie zdefiniowanego LCL dla określonego miejsca przetwarzania.

Wykrywanie błędów

Monitorowanie przy użyciu samego LCL jest jednak wrażliwe na zdarzenia o wysokim stopniu przejściowości i dlatego wprowadzono drugi parametr, aby zapewnić lepszą identyfikację błędów istotnych klinicznie. Drugi parametr wykorzystuje technikę oceny procesu, aby pomóc w wykrywaniu błędów.

Ocena procesu wykorzystuje indeks zdolności procesu, który przedstawia zdolność procesu do wytwarzania danych spełniających LCL. Używając zestawu danych treningowych, indeks zdolności procesu jest obliczany przy użyciu równania 3.

$$ {C}_{pml-t}= {C}_{pml-t}}}{1.46}sqrt{{sigma_{tłumaczenie}}^2+{left({C}_{pml-t}}}-T^2}}}. $$
(3)

Gdzie ∗ ( {{mu}_t }) i ∗ ( {{sigma}_t }) są średnią i odchyleniem standardowym współczynnika przejścia porównawczego dawki skumulowanej po dwóch sekundach leczenia do punktu podawania. Stała 1,46 jest zalecana dla jednostronnej granicy specyfikacji, a T jest docelową wartością procesu, która może być przyjęta jako średnia skumulowanej prędkości przejścia porównania dawek lub jako linia środkowa pokazana w równaniu 1. Należy zauważyć, że nie ma jednej idealnej wartości \ ( {C}_{pml} \), która zapewniałaby optymalne działanie procesu. Zazwyczaj \( {C}_{pml} = 1,33 \) jest stosowana jako dolna granica akceptowalnie działającego procesu i wskazuje na wysoką jakość procesu QA.

Dostawa została sklasyfikowana jako „fail”, gdy oba z następujących dwóch warunków były prawdziwe:

  1. Kumulatywny współczynnik przejścia χ w czasie rzeczywistym był mniejszy niż LCL dla danego miejsca

  2. Wskaźnik zdolności procesu, \( {C}_{pml} \) był mniejszy niż 1.33

Badanie wrażliwości

Wrażliwość wyprowadzonych limitów kontrolnych na różne źródła błędu została przetestowana i oceniona. Przeprowadzono je przy użyciu dwóch zestawów danych pacjentów z prostatą. Symulowane klasy błędów wprowadzono poprzez modyfikację danych z tomografii komputerowej pacjenta lub parametrów planu leczenia, a następnie ponowne obliczenie przewidywanego zestawu obrazów EPID. Tabela 1 przedstawia listę przypadków testowych i parametrów symulacji wykorzystanych w testach wrażliwości. Porównanie przewidywanych i zmierzonych obrazów tranzytu przeprowadzono następnie przy użyciu symulatora offline systemu weryfikacji w czasie rzeczywistym.

Tabela 1 Przypadki testów wrażliwości i zmodyfikowane parametry wprowadzania błędów do modelu predykcji

Klasyfikacja źródeł błędów

Pięciu losowo wybranych pacjentów leczonych IMRT prostaty, HN i odbytnicy wykorzystano do oceny leczenia pacjentów w tym wstępnym badaniu. Uzyskane limity kontrolne specyficzne dla danego miejsca zostały wykorzystane do zbadania i sklasyfikowania wyników weryfikacji klinicznej w czasie rzeczywistym z wybranym zestawem danych pacjenta, obejmującym wszystkie frakcje z każdego miejsca leczenia. Błąd” jest wyzwalany, gdy indywidualna ocena przetwarzania przekracza warunek wykrycia błędu (skumulowane χ porównania < LCL i Cpml < 1,33). Każde niepowodzenie podczas weryfikacji skłaniało do dalszej analizy w celu sklasyfikowania i określenia źródła błędu.

Możliwość wykrywania błędów przy użyciu systemu została zbadana i sklasyfikowana jako jedna z dwóch głównych kategorii; kliniczne i związane z systemem Watchdog źródła . W przypadku klinicznych źródeł błędów można wyróżnić dwie podkategorie: błędy w dostawie związane z pacjentem oraz błędy związane z transferem danych i linakiem. Trzy podkategorie związane są z nieklinicznymi źródłami błędów, w tym błędami akwizycji EPID, błędami systemu Watchdog oraz błędami użytkownika Watchdog. Parametry obserwacji przedstawiono w tabeli 2.

.

Leave a Reply