Evaluación de la cobertura dosimétrica tumoral en tratamientos radioterápicos de cáncer de pulmón

Evaluación de la cobertura dosimétrica tumoral en tratamientos radioterápicos de cáncer de pulmón TESIS DOCTORAL Álvaro Perales Molina Departamento de Física Atómica, Molecular y Nuclear Facultad de Física Universidad de Sevilla Mayo 2017 Documento maquetado con T EXiS v.1.0+. Evaluación de la cobertura dosimétrica tumoral en tratamientos radioterápicos de cáncer de pulmón Memoria que presenta para optar al título de Doctor en Física Médica Álvaro Perales Molina Dirigida por los Doctores María Isabel Gallardo Fuentes Miguel Antonio Cortés Giraldo Rafael Arráns Lara Departamento de Física Atómica, Molecular y Nuclear Facultad de Física Universidad de Sevilla Mayo 2017 A mi familia y a Rocío The future belongs to those who believe in the beauty of their dreams. Eleanor Roosevelt (1884-1962) Agradecimientos En primer lugar quiero agradecer enormemente la confianza que en mí han depositado los tres directores de este proyecto de tesis. María Isabel Gallardo, a quien conozco desde las clases de Teoría Cuántica de Campos (nombre de asignatura para epatar entre colegas), y que tuve más adelante la oportunidad de asistir a sus clases de Radiobiología en el Máster de Física Médica. Ha sido un honor haberte tenido como directora principal y haber podido compartir contigo esta experiencia, demostrándome una vez más tu clarividencia para transformar estas locas ideas que se nos han pasado por la cabeza en algo real. Miguel Cortés, a quien menos conocía en principio y que ha resultado ser mi socio principal en esta aventura. Agradezco muchísimo tu eterna dedicación y paciencia conmigo, y sobre todo que hayas podido sacar de mí la motivación necesaria para programar como si lo fueran a prohibir. También que resucitaras mi interés en el ajedrez, que prometo seguir mejorando para poder echar una partida entre los dos medio decente. Finalmente, y no por ello menos importante, quiero agradecer a Rafael Arráns, jefe y también compañero en el Servicio de Radiofísica del Hospital Virgen Macarena, que viera la viabilidad de este proyecto desde el principio. Nos propusiste este proyecto partiendo de una idea original tuya, y no es desacertado decir que el éxito de este trabajo se ha debido a tu constante confianza en mí. En estos años que abarcan el final de mi residencia como radiofísico hospitalario y la finalización de este proyecto de tesis, sólo recuerdo buenos momentos lo que demuestra que esta experiencia con vosotros ha merecido la pena. A mis compañeros, colegas y amigos del Hospital Universitario Virgen Macarena. Tras haber citado a Rafa, debo seguir con Héctor quien en todo momento tuvo que soportar mis encargos de medir y analizar datos con películas radiocrómicas. Sé que es un campo que te gusta, pero ya pido perdón por todos los correos que te mandé pidiéndote que repitieras medidas o que volvieras a escanear las películas. Gracias por responderme y estar ahí siempre. Jose Antonio y Mónica quienes se implicaron en las medidas con el maniquí NORMA y dedicaron parte de su tiempo libre en ayudarme y poder poner en marcha esas infinitas, en principio, baterías de medidas. Muchas gracias a los dos, y nuevamente a Mónica por tener que lidiar con mis ix xvi Índice 2.3. Dosimetría física en medios heterogéneos. Uso de la película radiocrómica. ........................... 30 2.3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . 30 2.3.2. Características de los modelos EBT2 y EBT3 . . . . . 31 3. Simulaciones Montecarlo en el marco de la física médica. El código geant4 33 3.1. Orígenes y propiedades del método Montecarlo . . . . . . . . 34 3.1.1. Métodos de muestreo . . . . . . . . . . . . . . . . . . . 35 3.2. Códigos Montecarlo de propósito general para el transporte de partículas en la materia . . . . . . . . . . . . . . . . . . . . 37 3.2.1. Características del código geant4 ........... 37 3.3. Desarrollo de aplicaciones Montecarlo en Física Médica . . . . 40 II Caracterización y validación de los elementos geant4 requeridos en el cálculo dosimétrico 43 4. Revisión del código geant4 para la simulación del cabezal del acelerador Siemens Oncor 45 4.1. Introducción............................ 46 4.2. Material y Método . . . . . . . . . . . . . . . . . . . . . . . . 48 4.2.1. Medidas experimentales . . . . . . . . . . . . . . . . . 48 4.2.2. Código geant4 ...................... 49 4.3. Resultados............................. 50 4.3.1. Rendimientos de dosis en profunidad (PDDs) . . . . . 50 4.3.2. Perfiles laterales de dosis . . . . . . . . . . . . . . . . . 51 4.3.3. Dosimetría absoluta y factores de salida (OFs) . . . . 57 4.4. Discusión y Conclusiones . . . . . . . . . . . . . . . . . . . . . 58 5. Validación del modelo geométrico del multiláminas 160-MLC mediante un algoritmo genérico para geant4 61 5.1. Introducción............................ 62 5.2. Desarrollo del código: Construcción y validación del modelo geométrico del 160-MLC . . . . . . . . . . . . . . . . . . . . . 64 5.3. Metodología............................ 66 5.4. Resultados............................. 69 5.5. Discusión y Conclusiones . . . . . . . . . . . . . . . . . . . . . 74 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 77 6.1. Introducción............................ 78 6.2. Material y Método . . . . . . . . . . . . . . . . . . . . . . . . 81 Índice xvii 6.2.1. Maniquí antropomórfico Norma . . . . . . . . . . . . . 81 6.2.2. Configuración del montaje experimental para dosimetría en medios heterogéneos . . . . . . . . . . . . . . . 87 6.3. Resultados............................. 90 6.4. Discusión y conclusiones . . . . . . . . . . . . . . . . . . . . . 103 III Evaluación dosimétrica MC vs TPS de tratamientos de radioterapia en geometrías voxelizadas 107 7. Herramienta universal geant4 para la simulación de geometrías voxelizadas a partir de ficheros DICOM 109 7.1. Fundamentos y descripción de la clase . . . . . . . . . . . . . 110 7.2. Desarrollo de la aplicación . . . . . . . . . . . . . . . . . . . . 111 7.3. Evaluación dosimétrica de los cálculos Montecarlo . . . . . . . 116 7.4. Discusión y conclusiones . . . . . . . . . . . . . . . . . . . . . 124 8. Determinación de las desviaciones dosimétricas del TPS en tratamientos de radioterapia de cáncer de pulmón 127 8.1. Introducción............................128 8.2. Material y Método . . . . . . . . . . . . . . . . . . . . . . . . 130 8.2.1. Planificaciones de tratamientos estudiadas . . . . . . . 130 8.2.2. Caracteríticas de las simulaciones Geant4 . . . . . . . 131 8.2.3. Aspectos radiobiológicos determinantes . . . . . . . . . 133 8.3. Resultados.............................134 8.4. Discusión y conclusiones . . . . . . . . . . . . . . . . . . . . . 144 IV Conclusiones 147 9. Conclusiones y perspectivas futuras 149 9.1. Conclusiones ...........................149 9.2. Perspectivas futuras . . . . . . . . . . . . . . . . . . . . . . . 152 Bibliografía 155 Lista de acrónimos 168 Anexo I 173 Parte I Fundamentos y antecedentes Capítulo 1 Aspectos clínicos relevantes del cáncer de pulmón Resumen: Con el propósito de entender nuestro objetivo principal, definido en el título de esta memoria, es necesario acometer previamente una descripción general de distintos conceptos médicos. Para ello, distinguiremos nociones anatómicas del pulmón y características clínicas relevantes del cancér de este órgano. Además, a fin de introducir magnitudes comúnes en el proceso de planificación de tratamientos de radioterapia, definiremos los volúmenes significativos involucrados en dicho proceso y las técnicas de tratamiento habituales disponibles en los servicios de Radiofísica. Abstract: With the purpose of understanding our main task, defined at the project title, it is mandatory to attend a general description of various medical concepts. To this effect, we describe basic notions of lung anatomy and relevant clinical characteristics of this organ1. Moreover, in order to introduce common magnitudes in radiotherapy treatment planifications, we define the significant volumes involved in that process and the regular techniques avaible at Medical Physics departments. 1.1. Conceptos básicos 1.1.1. Anatomía y fisiología del pulmón Los pulmones están separados por los componentes del mediastino medio (el corazón y los grandes vasos), y se disponen ocupando casi la totalidad de la caja torácica. Su función principal es administrar oxígeno a la sangre y eliminar el dióxido de carbono de la circulación, cumpliendo el objetivo 3 4Capítulo 1. Aspectos clínicos relevantes del cáncer de pulmón Figura 1.1: Representación de la anatomía de los pulmones diferenciando en color los diferentes segmentos pulmonares(Tomashefski et al., 2008a). de intercambio diario de gases en adulto al inhalar un volumen cercano a los 1000 L (Crapo et al., 2004). Sorportan los cambios en volumen y presión en sincronización con los movimientos del diafragma y los músculos de respiración del tórax, propiciando una respuesta promedio de dieciseis respiraciones por minuto (Tomashefski et al., 2008a). La masa promedio de ambos pulmones en hombre adulto es de 500 gr y su volumen promedio de 7 L. En el caso de mujeres encontramos una masa promedio de 420 gr y 5 L de volumen promedio (ICRP, 2002). Cabe destacar que el pulmón izquierdo es más másico que el derecho en un 15 % (ICRP, 2002). La membrana pleural que envuelve a los pulmones presenta un matiz rosa superficial, si bien es cierto que debido a la exposición ambiental y el avance de los años acumula pigmentos negros. El pulmón derecho está divido en tres lóbulos (superior, medio e inferior) delimitados por una fisura oblicua que separa el inferior del superior y medio, y por otra fisura horizontal que separa el medio del superior. Por su parte, el izquierdo está constituido por dos lóbulos, superior e inferior, demarcados por una única fisura. Esta configuración no es única, pues existen casos (menos frecuentes) en los cuales la língula, i. e. la porción inferior del lóbulo superior del pulmón izquierdo, está separada por medio de una fisura horizontal generándose un cuasi pulmón derecho. También se han registrado casos con el pulmón derecho sin fisura horizontal dando lugar a una excepción bilobular. Si atendemos a la Fig. 1.1 observamos los segmentos broncopulmonares de los pulmones, siendo necesaria para su identificación particular el conocimiento de las vías respiratorias adyacentes. Esta cuestión es fundamental a fin de efectuar un análisis correcto de las pruebas diagnósticas del tórax, 1.1. Conceptos básicos 5 al igual que para para llevar a cabo la resección quirúrgica de muestras específicas. Los bronquios izquierdo y derecho, constituidos por anillos de cartílagos en forma de C, participan en el transporte del flujo de aire desde la tráquea hasta los alveólos, y exhiben un patrón de ramificación en rama. Junto a ello, siguen a las arterias pulmonares en el hilio pulmonar agrupándose en unidades broncovasculares envueltos por tejido conectivo, formando el árbol bronquial. Conforme avanzamos en la trayectoria hacia los alveólos, la ramificación se hace cada vez más fina hasta desembocar en éstos. Encontramos una entrada de flujo sanguíneo (arteria pulmonar) en cada pulmón, con sangre poco oxígenada. Ésta irá a parar al interior del pulmón sin cambios apreciables en la presión, a través de las sucesivas divisiones de la arteria pulmonar tras superar el bronquio principal. Las características histológicas de las arterias pulmonares dependerán de su posición en el pulmón y del diámetro vascular. Otro elemento a destacar en el sistema de circulación sanguínea es la arteria bronquial. Se encuentra situada en la arteria aorta, aunque su origen puede cambiar según el individuo, y su función es aportar los nutrientes a los pulmones (bronquios y vasculatura pulmonar) y a la pleura visceral. Una vez se administre el oxígeno a la sangre, ésta será reconducida por medio de las venas pulmonares al corazón. Finalmente, nos encontramos con las arterias que se abastecen de la arteria aorta, dispuestas en el ligamento inferior pulmonar, y las arterias del plexo superior mediastínico que proporcionan sangre a las venas pulmonares. El pulmón presenta un red nodos linfáticos, del plexo linfático pleural, que drenan sus vasos en la parte posterior pulmonar a través de la red linfática de la pleura visceral. De igual forma, encontramos que los nodos linfáticos del plexo parenquimal drenan en los nódulos linfáticos broncovasculares hacia los nodos linfáticos del hilio. Los nervios pulmonares son el producto de la organización de los troncos nerviosos simpáticos, que entran en el hilio, y de las fibras nerviosas parasimpáticas, procedentes del nervio vago, en dos plexos (periartial y peribronquial). 1.1.2. Tipos de cáncer de pulmón e histología Diferenciamos dos clases de cáncer de pulmón: NSCLC (Non-Small-Cell Lung Cancer) y SCLC (Small-Cell Lung Cancer). Dentro de la primera distinguimos entre el adenocarcinoma, el carcinoma de células escamosas y el carcinoma de células grandes como las formas más comunes (NIH-National Cancer Institute, 2017). El 80% de los casos de cáncer de pulmón son NSCLC frente al 20 % de SCLC (Tomashefski et al., 2008b). El cáncer de células escamosas está presente en el 44 % de los cánceres de pulmón en hombres y en un 25 % para mujeres. Mientras que el adenocarcinoma es más común en mujeres (42 % de casos) que en hombres (28 %). No obstante, esta histología tiene un marcado 6Capítulo 1. Aspectos clínicos relevantes del cáncer de pulmón Figura 1.2: Mortalidad mundial en el año 2012 de diversos tipos de cáncer conocidos según (Ferlay et al., 2015). componente geográfico pues a diferencia de la tendencia global, según la cual el cáncer de células escamosas en hombres es el más frecuente, en Estados Unidos, Japón, China y Canadá la frecuencia del adenocarcinoma es superior al de células escamosas (Tomashefski et al., 2008b). En el caso de las mujeres, el adenocarcinoma es el más común excepto en Polonia y Reino Unido. 1.1.3. Epidemiología y diagnóstico Como observamos en la Fig. 1.2 el cáncer de pulmón es la enfermedad con mayor mortalidad mundial, incluyendo ambos sexos, de entre las diferentes tipos de tumor existentes. Junto a ello, se observa que es el tipo de tumor más frecuente a escala global (Fig. 1.3) sin hacer distintición de género. En caso contrario, para mujeres encontramos que el cáncer más común es el de mama, mientras que en hombres es el de pulmón (Ferlay et al., 2015). Por otro lado, se estima que desde 1985 la incidencia mundial de cáncer de pulmón se ha incrementado en un 51 % (Tomashefski et al., 2008b). La fracción de supervivencia a los cincos años, (Fig. 1.4) varía en función de la localización geográfica situándose en valores que van desde 3,1 % al 15 %. Para ambos tipos de cáncer de pulmón, se establecen los siguientes procesos secuenciales para constatar la presencia de cáncer (NIH-National Cancer Institute, 2017): Precedentes. Evaluación física. Evaluaciones de laboratio. Imagen planar por rayos X del tórax. 1.1. Conceptos básicos 7 Figura 1.3: Incidencia mundial en el año 2012 de diversos tipos de cáncer conocidos según (Ferlay et al., 2015). Figura 1.4: Tasa de supervivencia a los 5 años para pacientes de cáncer de pulmón en diferentes paises (Tomashefski et al., 2008b). 14 Capítulo 1. Aspectos clínicos relevantes del cáncer de pulmón menores que en el caso dinámico debido a las paradas en la irradiación del paciente. Aparte, para configuraciones dinámicas es necesario revisar parámetros más complejos en los procesos de control de calidad. A la hora de planificar un tratamiento de IMRT partimos, como en otras modalidades, de una dosis prescrita en PTV y restricciones dosis-volumen en los OARs. Nuestro primer paso es plantear una función objetivo, en base a los anteriores parámetros, definida como la diferencia entre la distribución de dosis deseable y la calculada, y que debe ser minimizada a fin de encontrar la distribución de dosis que satisface nuestras condiciones iniciales. La principal diferencia con la 3D-CRT y IMRT reside en la heterogeneidad de las fluencias fotónicas en cada incidencia en el segundo caso frente a la homogeneidad existente para el primero. Junto a ello, en la generación de los diferentes segmentos en IMRT se alcanza una total o parcial automatización iterativa de las diferentes magnitudes que constituyen el tratamiento, en un proceso de optimización gobernado a través de un algoritmo computacional que busca la mejor solución. En este proceso de optimización contamos con dos variedades que además caracterizan al propio tratamiento de IMRT, i. e. las planificaciones inversa (Webb, 2003b) y directa (Xiao et al., 2000). Planificación Inversa de IMRT Una vez que hayamos definido nuestra función objetivo, y previo al paso de optimización de la distribución de dosis, debemos plantear las incidencias del haz a emplear con el acelerador en el tratamiento y la energía de los fotones. A continuación, se efectúa el cálculo de dosis en base a la optimización de las aperturas de los segmentos de cada incidencia y sus pesos relativos, según la función objetivo. La distribución de dosis se obtiene dentro de una serie de aproximaciones, a partir de las cuales no se tiene en cuenta la perturbación de los colimadores secundarios en la dosis, y se utiliza un algoritmo de cálculo más sencillo para agilizar los tiempos de computación. Sobre estos colimadores secundarios hablaremos más en detalle en el capítulo 2. Posteriormente, una vez tenidas en cuenta las peculiariedades de los colimadores secundarios del acelerador (diseño y posición de los componentes, dosis mínima por segmento) y empleando un algoritmo más complejo en el consecución de la dosis final absorbida, se producen modificaciones en las dosis calculadas ajustándose a valores más reales. A este proceso se le conoce como leaf segmentation, y a las discrepancias surgidas tras él como errores de convergencia (ICRU, 2010). Tras la optimización de la dosis calculada, obtenemos como resultado una serie de segmentos por incidencia, con unas aperturas y pesos definidas según el algoritmo de optimización. Por tanto, si estamos de acuerdo con nuestra solución hallada tan sólo quedaría validarla y verificarla. En caso contrario, debemos repetir el proceso de optimización según nuestras 1.3. Técnicas de radioterapia empleadas 15 incidencias iniciales, o bien reajustar ligeramente los pesos de determinados segmentos y/o las posiciones de los colimadores, hasta alcanzar una solución óptima desde el punto de vista clínico. Planificación Directa de IMRT Para esta modalidad se seleccionan las incidencias y aperturas de los haces, atendiendo a la situación espacial del tumor y tejido sano, de manera que irradiemos en su totalidad al volumen tumoral y protejamos en la medida de los posible a los OARs. De esta forma añadimos al problema las peculiariedades anatómicas del paciente, según el estudio de imagen médica existente. El método de trabajo que se plantea en este caso es similar al descrito arriba, con la salvedad de optimizar exclusivamente los pesos de los segmentos. Por lo tanto, hemos conseguido añadir a nuestro problema matemático no solamente las limitaciones dosimétricas en OARs y dosis prescrita en PTV, sino además partir de configuraciones que tienen en cuenta la disposición de los volúmenes a irradiar y las zonas que deben ser salvaguardadas. Junto a ello, la optimización de los pesos supone un ahorro de tiempo considerable en el proceso de optimización evitando, además, la aparición de errores convergencia al emplear siempre el mismo algoritmo de cálculo de dosis (ICRU, 2010). Supone en general una disminución del número total de segmentos y por tanto de la dosis total dispersa. Mención aparte merece para este tipo de técnica, la generación y desarrollo de soluciones, o class solutions, para determinados tipos de tumores que pueden ser usadas en grupos de pacientes que albergan la misma enfermedad. Se trata de esquemas de tratamientos compuestos por incidencias específicas, las cuales contienen una agrupación de campos con disposiciones de colimadores que proporcionan, tras la optimización de pesos, una distribución dosimétrica válida. Para cáncer de pulmón en estadio III, destacamos la diseñada por (Derycke et al., 1998). Comparativa con 3D-CRT en cáncer de pulmón A la hora de evaluar ambas técnicas de radioterapia se han registrado mejoras en pacientes tratados con IMRT respecto a la reducción de la probabilidad de aparición de toxicidades, y control de la enfermedad debido al escalamiento a dosis mayores. Concretamente hablamos de un aumento de dosis de entre el 25 % y30 % en comparación con la 3D-CRT (Grills et al., 2003), y una reducción de dosis en tejido sano. En la misma dirección apuntan (Liu et al., 2004; Hu et al., 2000), con la salvedad de que en el último estudio se detalla el posible aumento de la probabilidad de esofagitis con IMRT. 16 Capítulo 1. Aspectos clínicos relevantes del cáncer de pulmón 1.3.3. Últimas técnicas de tratamiento radioterápicas Al igual que la IMRT en casos de cáncer pulmón (Liu et al., 2004), la VMAT (Volumetric Modulated Arc Therapy) también se ha aplicado en este tipo de patologías. Esta opción de tratamiento destaca por una irradiación continua del paciente durante la rotación del gantry del acelerador, variando durante el proceso las posiciones de los colimadores, la velocidad del gantry y la tasa de dosis (Bedford et al., 2008). Se trata de un tratamiento de intesidad modulada de arco completo caraterizado por tiempos de tratamientos, en general, más cortos. Otro de los avances reseñables en los últimos años es la introducción de la SBRT (Stereotactic Body RadioTherapy) en cáncer de pulmón (McGarry et al., 2005; Nagata et al., 2005). Esta variedad presenta unos esquemas de dosis hipofraccionados, i. e. entre 8y20 Gy/fracción en tratamientos de 3 ó 4 sesiones, frente a los esquemas convencionales de 2Gy por fracción. En adición a ello, y para evitar dosis indeseables en tejido sano es necesario emplear sistemas de imagen avanzados que tengan en cuenta el movimiento de paciente, i. e. 4D-CT (Four Dimensional-Computed Tomography), para la delimitación correcta del ITV. Además, será necesario contar con sistemas de inmobilización del paciente, o sistemas de imagen para la monitorización de éste, durante el proceso de irradiación para evitar distorsiones en la distribución de dosis por efecto de los colimadores, e irradiación de tejido sano. Uno de los debates actuales es la evaluación de las diversas técnicas de radioterapia existentes, i. e. 3D-CRT, IMRT y VMAT, en tratamientos de SBRT en pulmón (Quan et al., 2012; Zhang et al., 2011) siendo destacable el análisis efectuado en (Cai et al., 2014). Finalmente, el desarrollo de instalaciones capaces de producir haces de partículas más pesadas con una viabilidad clínica, ha permitido el tratamiento de casos de cáncer de pulmón con dosis altas y reduciendo las toxicidades en tejido sano (Zhang et al., 2010; Register et al., 2011; Anderle et al., 2016; Miyamoto et al., 2003). Este hecho marca las futuras directrices en materia de tratamientos de radioterapia en cancer de pulmón, sin obviar los resultados de base alcanzados con técnicas convencionales. Capítulo 2 Descripción de los componentes existentes en la actividad clínica rutinaria Resumen: En este capítulo describimos los constituyentes de un servicio de Radiofísica Hospitalaria disponibles a la hora de proceder con los tratamientos de radioterapia, i. e. el linac (Linear Accelerator) y el TPS (Treatment Planning System). Ambos ítems presentan diseños específicos que serán expuestos de forma general con el fin de dar a conocer sus cualidades y aplicaciones más fundamentales. Por otro lado, dado los estudios que abarcamos en las partes II y III de este trabajo es necesario el uso de un detector de radiación, adecuado para las condiciones experimentales que configuraremos según el test realizado. Para tal fin hemos elegido la película radiocrómica EBT3 de GafChromic (International Specialty Products, Wayne, Estados Unidos), por las propiedades que posee y los resultados obtenidos en investigaciones previas. Abstract: In this chapter we describe the components of a Medical Physics Department available for treatment planning process, i. e. the linac and the TPS. These items have specific designs which more generally are going to be put forward, in order to know their most fundamental attributes and aplications. On the other hand, given the studies which we cover in parts II and III it is necessary the use of an appropiate radiation detector for the experimental conditions set by us, according to specific tests. For that purpose we have chosen EBT3 GafChromic radiochromic film due to its properties and the results found on previous investigations. 17 18 Capítulo 2. Descripción de los componentes existentes en la actividad clínica rutinaria 2.1. Acelerador lineal de electrones 2.1.1. Introducción Un linac clínico convencional de electrones es un dispositivo capaz de incrementar la energía cinética de éstos entre 4y25 MeV, gracias a la aplicación de campos electromagnéticos en el espectro del microondas con un rango de frecuencias que va desde 103MHz hasta 104MHz. El haz de electrones generado se emplea en el tratamiento de tumores superficiales, hasta 70 mm, o bien para producir haces de fotones con el fin de irradiar lesiones más profundas. Si atendemos a la Fig. 2.1 observamos un esquema sencillo de un linac. Figura 2.1: Esquema básico de un acelerador lineal de electrones que contiene sus elementos principales (Khan, 2003). En primer lugar, existe una fuente de alimentación (power supply) que proporciona una corriente continua al modulador (modulator), el cual establece simultáneamente pulsos de alto voltaje en el magnetrón o klystron y en la fuente de electrones (electron gun). El magnetrón o klystron produce radiación pulsada de microondas, que es transportada por medio de guía de ondas rectangulares (wave guide system) hacia la guía de onda principal del linac (accelerator tube). Las guías de ondas rectangulares se encuentran presurizadas con gas dieléctrico (SF6), y constan de un circulador el cual impide que las ondas reflejadas se muevan en la dirección opuesta a la de trasmisión, protegiendo la fuente de radiofrecuencias. Por otro lado, la fuente de electrones inyecta dichas partículas en la guía de onda principal en sincronización con la radiación de microondas. La guía de onda principal es un tubo largo cilíndrico de cobre que presenta deflectores circulares, permitiendo incrementar la velocidad de propagación de los electrones hasta que alcanza un valor cercano a la velocidad de la luz. 2.1. Acelerador lineal de electrones 19 También remarcamos que la longitud de la guía de aceleración dependerá de la energía cinética final de los electrones, existiendo un rango que va desde los 30 cm para 4MeV hasta los 150 cm para 25 MeV. Existen diversos tipos de linacs en el mercado, algunos ofreciendo exclusivamente haces de fotones asociados a 4MV ó 6MV mientras que existen otros capaces de ofrecer haces multienergéticos de electrones (6,9, 12,16 y22 MeV) y de fotones (6y18 MV). Remarcamos que la producción de haces de fotones es consecuencia de la interacción de haces de electrones con un blanco apropiado, como explicaremos en la sub-sección 2.1.2. En la primera de las configuraciones citadas, la fuente de electrones y el blanco forman parte de la guía de onda de aceleración y están alineados con el isocentro mecánico del linac, sin requerir un sistema de transporte del haz ni ofrecer la posibilidad de incidir con haces de electrones. En el segundo caso, como consecuencia de las energías disponible y de la longitud de la guía de onda de aceleración, la guía se sitúa paralela al eje horizontal (o con una cierta inclinación respecto a éste) requiriendo un sistema de transporte del haz compuesto por imanes de deflexión (bending magnet), bobinas de focalización así como otros elementos, que permiten curvar el haz de electrones incidiendo en el blanco de forma exacta. Por otro lado, distinguimos las siguientes partes (ver Fig. 2.2) que pertenecen o complementan a un acelerador lineal de electrones: Cábina del modulador. Presenta en su interior la fuente de alimentación que transmite los pulsos de tensión requeridos en la fuente de electrones y en el sistema generador de radiofrecuencias. Puede estar ubicada en la sala de tratamiento, en una habitación contigua a ésta, o en la sala de control. Consola de control. Un conjunto de monitores, sistemas de retroalimentación automáticos y circuitos de enclavamiento aseguran la estabilidad de las operaciones escogidas en cada caso. Almacén. Tanto los sistemas auxiliares para la refrigeración, control de la temperatura y de vacío en las guías de transmisión como el sistema de generación de radiofrecuencias se encuentran dentro de este ítem. Gantry. Contiene a la guía de aceleración y al cabezal, permitiendo a éste rotar sobre el paciente en 360◦. Como elementos del cabezal citamos el blanco para la producción de haces fotones, el filtro aplanador, los sistemas de monitorización de dosis y los colimadores secundarios. Todos ellos serán explicados en profundidad en la subsección 2.1.3. Mesa de tratamiento. Hecha de fibra de carbono con el fin de ser lo más radiotransparente posible, está mecanizada y computarizada por mandos externos presentes en la propia mesa y en la consola de control. 20 Capítulo 2. Descripción de los componentes existentes en la actividad clínica rutinaria Figura 2.2: Secciones de un linac incluyendo los componentes presentes en cada una de ellas (Karzmark et al., 1993). Es necesario recalcar la existencia de un punto de referencia en la configuración de los haces de tratamiento. Se trata del isocentro, definido como el punto de intersección entre el eje central del haz, el eje de rotación del gantry, el eje de rotación del colimador y el eje de rotación de la mesa. Idealmente se considera un punto en el espacio, no obstante, y dada las dimensiones del gantry, el centro de rotación estará contenido en una esfera de diámetro igual al isocentro más la incertidumbre asociada a éste. En la Fig. 2.3 vemos un esquema de los ejes de rotación de los diversos elementos del linac mencionados, según el sistema de coordenadas definido por la IEC (International Electrotechnical Commission). Cabe mencionar que en los últimos cuarenta años se han ido sucediendo cinco generaciones de linacs, encontrándose mejoras no sólo en la energía de los haces de partículas, sino también en el acoplamiento de nuevos integrantes que llevan a la computerización del tratamiento y a una mejora en la irradiación del volumen a tratar. 2.1.2. Producción de un haz clínico Los haces de fotones se generan al hacer incidir el haz pincel de electrones sobre un blanco hecho de un material de alto número atómico como puede ser el wolframio o el oro. Junto a ello, está refrigerado por agua y su espesor asegura la absorción de la mayoría de los electrones. La función que desempeña es producir fotones consecuencia de la desaceleración sufrida por los electrones al interaccionar con el blanco, lo que se conoce como efecto Bremsstrahlung. El espectro energético del haz de fotones es continuo, a diferencia del espectro monoenergético de los electrones. Podemos explicar, por ejemplo, 2.1. Acelerador lineal de electrones 21 el modo 6MV de fotones afirmando que se trata de un haz cuya energía máxima se corresponde con la energía de un haz de electrones de 6MeV. Junto a ello, su energía promedio es igual a la tercera parte de la energía máxima existente para el haz de electrones incidentes. Para las energías usadas en la práctica clínica, la dirección predominante de los fotones resultantes es la misma que la de los electrones incidentes de manera que el blanco es de transmisión. Por otra parte, presenta una distribución espacial gaussiana en la dirección perpendicular a la principal de propagación. No obstante, a efectos clínicos es necesario configurar un perfil plano, dentro de unos márgenes a lo largo de las dimensiones del campo de tratamiento, para lo cual se emplea un filtro aplanador (constituido de un componente de bajo número atómico). Este filtro permite suplir la carencia de radiación dispersa en los bordes del campo, pues su grosor es mayor en la parte central, y presenta una simetría circular. Por cada haz de fotones existe una combinación blanco-filtro aplanador particular. Los aceleradores lineales permiten liberar haces de electrones, con un diámetro de 3mm, siendo fundamental para ello retirar el blanco y el filtro aplanador de la trayectoria de los electrones. Una vez que el haz atraviesa la ventana de salida de bajo número atómico Z, lo cual minimiza las probabilidades de dispersión del haz de electrones o producción de radiación de frenado, nos encontramos con dos modos de operación en la administración del haz: Dispersión del haz pincel (pencil beam scattering): Utilizando una o varias capas de un material de alta Z (plomo) se genera una fluencia electrónica uniforme a lo largo del campo de tratamiento, con la salvedad de que una pequeña fracción de los electrones emitirá radiación de frenado propiciando la aparición de contaminación fotónica en el haz. Escaner del haz pincel (pencil beam scanning): A través de imanes de curvatura computarizados es factible barrer con el haz pincel el área de tratamiento, minimizando la contaminación de fotones en el haz en comparación con el anterior modo. 2.1.3. Elementos del cabezal de un acelerador En este apartado vamos a desarrollar las características de los componentes del cabezal del linac (Karzmark et al., 1993; Khan, 2003; Podgorsak, 2005; Mayles et al., 2007). Éste presenta un blindaje grueso de un material de alto número atómico como plomo, wolframio o una aleación de plomo-wolframio, proporcionando una protección frente a la radiación de fuga conforme a las especificaciones existentes en materia de protección radiológica al respecto. Los 22 Capítulo 2. Descripción de los componentes existentes en la actividad clínica rutinaria integrantes de este elemento, dependiendo del modo de operación (Fig. 2.4), influyen notablemente en las características dosimétricas y geométricas del haz de partículas. Estos componentes se listan a continuación: Blanco retractable para la producción de fotones. Colimador primario Filtros de aplanamiento para fotones y filtros de dispersión para electrones. Cámaras de ionización de transmisión. Espejo (formación de campo luminoso y escala métrica) Colimadores secundarios. Cuñas mecánicas (opcional). Accesorios (aplicadores en electrones, cuñas físicas y bloques de cerrobend en fotones) Colimador Primario El colimador primario es una abertura cónica mecanizada en un bloque de blindaje de wolframio, el cual proporciona una atenuación del haz primario inferior al 0,1%, se encuentra debajo del blanco de fotones y constituye el primer mecanismo de colimación del haz, delimitando el campo al dejar pasar a aquellos fotones que van dirigidos hacia adelante y generando una colimación en forma de círculo. Su cometido, al igual que los colimadores secundarios, es asegurar que una parte determinada del paciente va a ser irradiada, impidiendo la de zonas no deseadas. A continuación, nos encontramos con el filtro aplanador o con las láminas de dispersión, dependiendo si estamos trabajando en modo fotones o electrones respectivamente, cuyas características y funciones han sido ya descritas en la sub-sección 2.1.2. Sistema de monitorización del haz Normalmente está constituido por cámaras plano-paralelas (aunque en algunos aceleradores son cámaras cilíndricas) que nos dan una medida de la ionización producida en el cabezal del acelerador, y se encuentran selladas para conseguir que sus lecturas sean independientes de las condiciones de presión y temperatura. Estos detectores deben ser lo más transparente posible a la radiación incidente, ser lo suficientemente amplios como para detectar todo el campo de radiación y operar en condiciones de saturación. Además, como objetivo tienen controlar la tasa de dosis, la dosis integrada, la 2.1. Acelerador lineal de electrones 23 Figura 2.3: Sistemas de coordenadas especificados por la IEC requeridos en la orientación para tratamientos de pacientes en el linac (Mayles et al., 2007). Figura 2.4: Elementos de un cabezal en el modo de fotones (A) y de electrones (B) (Khan, 2003). 30 Capítulo 2. Descripción de los componentes existentes en la actividad clínica rutinaria Un inconveniente de este modelo es el carácter no invariante de los kernels, lo que impide usar la aproximación del cálculo de dosis como una integral de convolución, o una multipliación de factores en el espacio de Fourier usando la transformada rápida de Fourier. Tan sólo en medios homogéneos podremos asumir la invarianza de los kernels, y por tanto reducir considerablemente los tiempos de computación requeridos. Junto a la aceptación de invarianza de kernels, existe otro método que permite la reducción de tiempo en la suma de contribuciones de los kernels a la dosis total. Se trata del algoritmo Collapsed Cone (Ahnesjö, 1989) basado en la discretización angular de los kernels, reduciéndolos a una sección cónica. En la convolución con el TERMA todas las aportaciones a la energía liberada, por los elementos volumétricos del eje, en los conos coaxiles son transportadas linealmente, atenuadas y depositadas en elementos del eje. Pencil Beam El algoritmo de pencil beam (Mohan et al., 1986; Bortfeld et al., 1993) fue desarrollado a fin de reducir los largos tiempos de computación requeridos en los algoritmos de convolución. Para ello hallamos la distribución de dosis, relativa al punto de interacción de la radiación primaria con el medio, como la integral de línea de los point-spread kernels. De esta forma reducimos parte de la información dosimétrica al asumir esas trayectorias rectilíneas, lo que hace no podamos modelar correctamente la dispersión lateral de la radiación. 2.3. Dosimetría física en medios heterogéneos. Uso de la película radiocrómica. 2.3.1. Introducción La ventaja en el uso de películas radiocrómicas, en verificaciones dosimétricas de tratamientos de IMRT, reside en la insuficiente resolución espacial de los detectores convencionales (del orden del cm) frente a gradientes de dosis cercanos al mm. Las películas radiocrómicas se caracterizan por su alta resolución espacial, escasa dependencia energética, pequeño espesor y composición equivalente a tejido (Lewis et al., 2012; Micke et al., 2011). Comparándolas con las películas radiográficas son múltiples las ventajas, pues no necesitan de proceso de revelado, no es necesario un chasis o casette, son independientes de la tasa de dosis, presentan mejores características energéticas e insensibilidad a condiciones ambientales (salvo situaciones de humedad relativa alta). Para el caso de medios heterogéneos, diversos estudios han empleado los resultados dosimétricos obtenidos con película radiocrómica como referencia a la hora de efectuar comparativas con sistemas de cálculo analíticos y 2.3. Dosimetría física en medios heterogéneos. Uso de la película radiocrómica. 31 MC (Paelinck et al., 2005; Caccia et al., 2014), demostrando la capacidad para reproducir mapas de dosis bidimensionales con una resolución espacial sub-milimétrica, siempre y cuando se emplee un protocolo de dosimétria adecuado. En el servicio de Radiofísica del HUVM (Hospital Universitario Virgen Macarena – Sevilla, España) contamos con un protocolo basado en los estudios (Lewis et al., 2012; Micke et al., 2011) que permite obtener distribuciones de dosis en película radiocrómica, minimizando las fuentes de incertidumbre asociadas a la medida de dosis en el detector y al proceso de digitalización a través del escáner. Es necesario recalcar que las películas radiocrómicas, pertenecientes a un lote concreto, han sido calibradas previamente en unidades de dosis absorbida en agua según el proceso descrito en (Miras y Arráns, 2009). Imponemos un tiempo de espera tras irradiación, para paliar el fenómeno de autorrevelado, y establecemos una orientación de referencia en el proceso de lectura del escáner para minimizar los fenómenos ópticos existentes. Junto a ello, y tras aplicar la curva de calibración adquirida anteriormente, corregimos los valores de dosis de los efectos de distorsión lateral en el proceso de lectura del escáner(Miras y Arráns, 2009). Por último, se realiza una corrección multicanal (Micke et al., 2011), teniendo así en cuenta toda la información albergada en los canales de información de la imagen y eliminando divergencias provocadas por la manipulación de dichos detectores. Afirmamos en vista a los procedimientos implementados para la dosimetría con películas radiocrómicas en el HUVM, y los interesantes resultados publicados por diversos grupos de trabajos en medios inhomogéneos, la conveniencia de emplear la película radiocrómica como detector de referencia para dosimetrías relativas en medios heterogéneos con el fin de obtener mapas de dosis, con rangos espaciales que cubran las regiones de interés a estudiar, dentro de una presición sub-milimétrica. 2.3.2. Características de los modelos EBT2 y EBT3 Las películas radiocrómicas usadas actualmente de forma común en verificación de tratamientos de radioterapia y parte del control de calidad de aceleradores, son los modelos EBT2 y EBT3 de GafChromic (International Specialty Products, Wayne, Estados Unidos). Están basados en estructuras monómeras microcristalinas, que componen la capa activa del detector, insertadas entre agregados de polímeros (Bekerat et al., 2014). Junto a ello, experimentan una coloración azul fruto de una reacción química (polimerización de los monómeros), al ser expuestos a la radiación con una absorción más elevada en el espectro del rojo (575 -675 nm). Por tanto, los cambios en densidad óptica producidos en la capa activa están relacionados con la dosis absorbida. 32 Capítulo 2. Descripción de los componentes existentes en la actividad clínica rutinaria Ambos modelos presentan las mismas características en términos de uniformidad, evolución temporal de la coloración, y respuesta dosimétrica fotónica. Además, contienen una capa de colorante amarillo para las correcciones de uniformidad y pueden sumergirse en agua durante un breve período de tiempo (Reinhardt et al., 2012). Capa Espesor (µm) ρ(g/cm3)wHwLi wCwOwAl Base de poliéster liso 50 1,35 0,364 0,455 0,182 Adhesivo acrílico 20 1,2 0,571 0,333 0,095 Material activo 28 1,2 0,568 0,006 0,276 0,133 0,016 Base de poliéster liso 175 1,35 0,364 0,455 0,182 Tabla 2.1: Espesor, densidad física y pesos de los componentes químicos de cada constituyente de la película radiocrómica EBT2 (Lewis, 2014). Capa Espesor (µm) ρ(g/cm3)wHwLi wCwOwAl Base de poliéster mate 125 1,35 0,364 0,455 0,182 Material activo 28 1,2 0,568 0,006 0,276 0,133 0,016 Base de poliéster mate 125 1,35 0,364 0,455 0,182 Tabla 2.2: Espesor, densidad física y pesos de los componentes químicos de cada constituyente de la película radiocrómica EBT3 (Lewis, 2014). La película EBT2 presenta una capa activa de 30 µm situada de forma asimétrica entre una sección de substrato de poliéster de 175 µm, un adhesivo para fijar la capa activa de 25 µm y un refuerzo de polímeros de 50 µm. Esta configuración provoca que la orientación de la cara respecto al escáner comercial juegue un papel crucial en el procesamiento de datos. Para paliar este efecto, el modelo EBT3 dispone la capa activa de 28 µm equidistante entre dos capas de poliéster de 120 µm. Junto a ello, en su superficie presenta SiO2necesario para evitar la formación de anillos de Newton en la imagen digital originada tras la lectura en escáner (Lewis et al., 2012). A modo de resumen se ha dispuesto en las Tablas 2.1-2.2 los espesores, densidades físicas y las composiciones químicas de los integrantes de cada tipo de película radiocrómica descrito. Dadas las características y ventajas del modelo EBT3 frente a su predecesor, y en adición a los notables resultados constatados con película radiocrómica, se ha elegido este detector para los estudios de nuestro proyecto que abarcan la medida de dosis absorbida tanto en medios homogéneos como heterogéneos. Capítulo 3 Simulaciones Montecarlo en el marco de la física médica. El código geant4 Resumen: En el desarrollo de multitud de trabajos se ha empleado el método MC como algoritmo de cálculo, desde mediados del siglo pasado, a fin de conseguir resultados más exactos y evidenciar las aproximaciones acometidas por métodos convencionales. El objetivo global en el marco de la investigación en física médica es la implementación de este algoritmo de cálculo en la rutina clínica. En este capítulo describiremos el método MC y mostraremos las características más importantes de la plataforma Geant4 (Geometry ANd Tracking), un tipo de algoritmo MC que hemos empleado para la obtención de diversos resultados en las diferentes etapas de nuestro estudio dosimétrico. Abstract: Since the 1950s MC method has been employed as calculation algorithm, at the development of different studies, in order to obtain more accurate results and highlight the approximations done by conventional methods. The global main aim in the Medical Physics investigation framework is the implementation of the MC method in the clinical routine. In this chapter we describe the MC method and develop the main characteristics of the Geant4 toolkit, a MC code which we have employed in the adquisition of diverse results at the different stages of our dosimetric studies. 33 34 Capítulo 3. Simulaciones Montecarlo en el marco de la física médica. El código geant4 3.1. Orígenes y propiedades del método Montecarlo El método MC es una herramienta computacional basada en el empleo de número aleatorios para generar soluciones a problemas matemáticos complejos. Por tanto damos solución a un problema macroscópico en base a simular interacciones microscópicas, consiguiendo una simplificación del modelo que describe a nuestro sistema (Bielajew, 2013). No obstante, debido a su carácter fundamentalmente experimental los resultados obtenidos en las investigaciones con el método MC, serán consecuencia de repetidos intentos hasta alcanzar una solución satisfactoria. El algoritmo del método Monte Carlo permite la obtención del valor esperado de una magnitud, según el teorema del límite central, mediante la convergencia de Nsimulaciones independientes con una varianza σ2 inversamente proporcional a N(Bielajew, 2013). Es evidente que conforme aumentemos el número de historias, el valor calculado será cada vez más próximo al real. Por tanto, la exactitud de nuestras simulaciones dependerán de la eficiencia asociada al algoritmo MC y de los rendimientos de los procesadores computacionales El primer experimento basado en el empleo de métodos estadísticos es el conocido como la aguja de Buffon, enunciado en 1733 por el propio George Louis Leclerc, conde de Buffon (1707-1788) y resuelto en 1757. La idea fundamental del problema es la obtención de un valor aproximado de π, según el número Mde agujas de longitud lcapaces de cruzar alguna recta de una serie de rectas paralelas, equiespaciadas una distancia d, tras lanzar un número total Nde agujas. Si la longitud de las agujas es inferior al espaciado entre líneas, el valor de πviene dado por la siguiente ecuación (Johansen, 2010; Bielajew, 2013; Sóbol, 1983): π=2Nl Md (3.1) La inviabilidad práctica de este experimento, debido al elevado número de repeticiones que es necesario efectuar, no impidió el continuo desarrollo de métodos estadísticos para la resolución de problemas complejos. En la década de los años cuarenta del siglo pasado se empezó a usar una aplicación estadística, conocida como método Montecarlo, capaz de modelar el transporte de partículas en la materia medianto el empleo de números aleatorios. Esta herramienta es el fruto de los trabajos para el desarrollo de la bomba atómica, en el laboratorio de Los Álamos (Estados Unidos), efectuados por los matemáticos John von Neumann (1903-1957) y Stanislaw Ulam (1909- 1984). El característico nombre de este método está relacionado con los juegos de azar presentes en el casino de Monte-Carlo (Mónaco) (Johansen, 2010; Bielajew, 2013). Como ya hemos comentado, una de sus características fundamentales es el empleo de números aleatorios, siendo clave la utilización de un generador 3.1. Orígenes y propiedades del método Montecarlo 35 que satisfaga los requerimientos matemáticos y temporales. Primitivamente contábamos con generadores mecánicos como el lanzamiento de dados o de una moneda, con el principal inconveniente de los largos tiempos necesarios para la producción de números aleatorios. El avance tecnológico, con la implementación en el ámbito científico del cálculo computacional, supuso la capacidad de crear enormes series de valores aleatorios de forma rápida. En el caso de la computación analógica, presentan la peculiaridad de no ser reproducibles, lo cual dificultaba posteriores comprobaciones rutinarias (a veces necesarias) del programa utilizado. No obstante, la aparición de la computación digital permitió obtener eficientemente grandes series reproducibles que requerían de poco almacenamiento. Sin embargo, al presentar las computadoras un marcado carácter determinista los números son realmente pseudoaletorios, i. e. números deterministas con ciertas propiedades estadísticas semejantes a las presentes en las series de números aleatorios (Johansen, 2010; Bielajew, 2013; Sóbol, 1983). De entre los diversos algoritmos para la generación de números pseudoaletorios (Sóbol, 1983), destacamos el método de los cuadrados medios. Desarrollado por John von Neumann en 1946, consiste en obtener un número aleatorio a partir de los dígitos centrales del cuadrado del número aleatorio anterior, partiendo de un número inicial aleatorio (semilla). Es importante recalcar que, como ocurre con todos los generadores de números pseudoaletorios, el éxito en generaciones múltiples dependerá de la no repetición de la semilla en cada simulación individual (Sóbol, 1983). Ya en las últimas décadas, las mejoras en términos de hardware en computadoras y la implementación de la estadística bayesiana han logrado, junto a la incipiente necesidad de determinar integrales tridimensionales elevadamente complejas de difícil o imposible resolución por métodos analíticos convencionales, popularizar el método MC a partir de 1970 y otorgarle un carácter más versátil al ampliar su campo de trabajo sobre diversas áreas (Johansen, 2010; Bielajew, 2013), como por ejemplo astrofísica, física nuclear, física de partículas, física médica, meteorología, biología, economía, etc. 3.1.1. Métodos de muestreo En la realización de cálculos por el método MC, es necesario efectuar un muestreo de las distribuciones de probabilidad que caracterizan a las variables aleatorias presentes en las simulaciones independientes. Dentro de los diversos algoritmos MC, encontramos dos clases generales empleadas para distribuciones conocidas (muestreo por inversión y muestreo por rechazo) y una tercera (muestreo por importancia) para distribuciones desconocidas empleando otra distribución que sí es sabida (Johansen, 2010). 36 Capítulo 3. Simulaciones Montecarlo en el marco de la física médica. El código geant4 Muestreo por inversión Supongamos una variable aleatoria Xcon densidad de probabilidad fasociada a la función de distribución acumulada F(x). El método por inversión permite obtener F(x), entendida como la probabilidad de que X≤x, a partir de la función inversa F−1de una variable aleatoria U, que suponemos uniforme en [0,1]. La probabilidad Pde X≤xviene expresada por la siguiente fórmula: P(X≤x) = P(F−1(U)≤x) = P(U≤F(x)) = F(x)(3.2) Figura 3.1: Representación de un ejemplo de muestreo por aceptación-rechazo (Johansen, 2010). En la figura representada los círculos rellenos son iguales a los muestreos aceptados, mientras que los círculos huecos son los rechazados. Muestreo por aceptación-rechazo Partimos de la siguiente idea: un conjunto de variables aleatorias, que siguen una distribución de densidad de probabilidad, f(x), es igual a un muestreo uniforme dentro del área que queda debajo de la curva descrita por dicha distribución. El muestreo por aceptación-rechazo emplea esta premisa, eliminando las muestras que quedan fuera de la región de interés (Johansen, 2010) (ver Fig. 3.1). Sea f(x) la función a muestrear y g(x) una distribución de la cual podemos extraer muestras bajo la restricción f(x)< Mg(x), siendo Muna constante que generalmente tomaremos mayor que 1, es factible muestrear fa través de estos pasos: 1. Adquirimos un muestreo xide g. 3.2. Códigos Montecarlo de propósito general para el transporte de partículas en la materia 37 2. Tomamos el valor de una variable aleatoria U, distribuida uniformemente entre 0 y M. 3. Si U <f(xi) g(xi)aceptamos el muestreo, en caso contrario volvemos al primer punto. Muestreo por importancia Este método permite efectuar muestreos en distribuciones complejas para las cuales los algoritmos descritos arriba no son eficientes. Haciendo uso de una función g(x) introducimos pesos a cada muestreo generado en ella, basados en su importancia en el cálculo del estimador para una función de densidad de probabilidad de interés f(x) (Johansen, 2010). 3.2. Códigos Montecarlo de propósito general para el transporte de partículas en la materia Un código MC de propósito general es aquel que permite simular la interacción radiación-materia para un amplio rango energético de una gran variedad de partículas, incorporando geometrías de elevada complejidad compuestas por materiales de diversa índole, proporcinando resultados con una alta exactitud a expensas de largos tiempos de computación (Brualla et al., 2017). Como ejemplos de este tipo de códigos encontramos EGSnrc (Kawrakow, 2000), PENELOPE (Salvat et al., 2011), MCNP (X-5 MONTE CARLO TEAM, 2008) y geant4 (Agostinelli et al., 2003; Allison et al., 2006, 2016). La elección de geant4 como elemento principal de trabajo para la obtención de diversos resultados en este estudio, reside en su carácter de software libre, i. e. es factible conocer su código fuente y, si fuera necesario, modificar parte de él con el propósito de alcanzar la codificación de una aplicación más adaptada a las necesidades del usuario. Junto a ello, se trata de un código muy flexible y potente capaz de producir modelos geométricos muy complejos y a su vez permitir la definición de múltiples volúmenes sensibles para el registro de diversos observables. Finalmente, y como veremos a continuación, la alta documentación accesible de forma gratuita, el mantenimiento constante de la plataforma, las actualizaciones del código y la existencia de foros para la resolución de dudas y proposición de sugerencias, hacen que el atractivo de geant4 como herramienta de simulación sea muy alto para grupos de investigación en física médica (Geant4 Collaboration, 1998). 38 Capítulo 3. Simulaciones Montecarlo en el marco de la física médica. El código geant4 3.2.1. Características del código geant4 El código geant4 (Agostinelli et al., 2003; Allison et al., 2006, 2016) es un conjunto de herramientas computacionales, basadas en la programación orientada a objetos. Permite simular el transporte de partículas a través de la materia, gracias al empleo de multitud de clases c++ específicas que permiten reproducir la geometría del experimento, los procesos físicos presentes en las interacciones radiación-materia, los vólumenes de registro de magnitudes de interés, etc. Sus áreas de aplicación son muy diversas, destacando física de altas energías, física nuclear y de partículas, así como física médica, astrofísica y estudios aeroespaciales (Geant4 Collaboration, 1998). Los estudios efectuados en el CERN (European Organization for Nuclear Research – Ginebra, Suiza) y KEK (High Energy Accelerator Research Organization – Tsukuba, Ibaraki, Japón) en el año 1993 sobre mejoras en términos de prestaciones y eficiencia de computación del código geant3, el cual está programado en el lenguaje FORTRAN, dieron lugar a la formación del grupo de trabajo internacional RD44 con el objetivo común de crear una herramienta, basada en el paradigma de la programación orientada a objeto, con la suficiente versatilidad y flexibilidad para cumplir las condiciones de los experimentos venideros de la física subatómica (Agostinelli et al., 2003). Esta proposición fue trasladada al DRDC (Detector Research and Development Committee) del CERN a fin de dar viabilidad a este proyecto. Este grupo de trabajo rápidamente se expandió alcanzando colaboraciones en diferentes partes de Europa (incluyendo Rusia), Asia (Japón) y América del Norte (Canadá y Estados Unidos), ampliando además su objetivo inicial hacia otras ramas de la física como la física nuclear, física de aceleradores, astrofísica y física médica. En 1998 se generó, en base a los objetivos propuestos y mediante el empleo de c++ como lenguaje de programación, la primera versión de la plataforma geant4. En 1999 el RD44 fue renombrado como colaboración geant4, teniendo como tarea principal la producción mejoras en el código que satisfagan los requerimientos de los usuarios y que permitan alcanzar cotas de eficiencia computacional mayores (Allison et al., 2006, 2016). A la hora de generar una aplicación en geant4, debemos presentar conocimientos avanzados en programación con el lenguaje c++ a fin de codificar un programa que proporcione, tras su ejecución, las magnitudes que queremos analizar. Junto a ello, será necesario el uso de una serie de clases, o componentes de geant4, que serán utilizadas en mayor o menor medida según las características del problema que se aborde. A continuación, vamos a describir las categorías más importantes según la información dada en Agostinelli et al. (2003). Todas ellas aparecen mostradas en la Fig. 3.2. Global: Establece el sistema de unidades, las constantes y los genera- 3.2. Códigos Montecarlo de propósito general para el transporte de partículas en la materia 39 Figura 3.2: Diagrama de categorías de clases en geant4 (Agostinelli et al., 2003). Las terminaciones en círculo indican una relación de uso entre clases de cada categoría en la ejecución del código, pero no implica una derivación de clases. Capítulo 4 Revisión del código geant4 para la simulación del cabezal del acelerador Siemens Oncor Resumen: En este capítulo hemos efectuado una validación global de nuestra nueva versión de la aplicación geant4 dedicada a la simulación del cabezal del linac Siemens Oncor Impression Plus (Siemens Healthcare, Erlangen, Alemania), instalado en el HUVM. Esta etapa, además, supone el primer paso para la implementación elementos necesarios para la evaluación MC de distribuciones de dosis en geometrías complejas, individuales y heterogéneas. Para ello, hemos comparado valores experimentales de dosis absolutas y relativas en agua frente a nuestros cálculos MC para campos de radiación de diversos tamaños. Las medidas experimentales fueron realizadas por el Servicio de Radiofísica del HUVM operando el acelerador en modo fotones de 6 MV y empleando una cámara de ionización de 0,125 cm3. Los cálculos dosimetricos obtenidos para tamaños de campo de 2×2cm2,10 ×10 cm2y20 ×20 cm2presentaron desviaciones respecto a los datos experimentales <2 %. Por su parte, los Output Factors calculados mostraron una discrepancia máxima de −0,015 frente a los valores experimentales. Este nivel de concordancia en términos de exactitud, unido a la baja incertidumbre estadística local en la zona del máximo de dosis (<1 %,1σ), propicia su validación frente a medidas experimentales. Abstract: In this chapter, a global validation of the Siemens Oncor Impression Plus linac (Siemens Healthcare, Erlangen, Alemania) treatment head, installed at the HUVM. Furthermore, this stage represents the first step towards the implementation of the neccesary items for the MC evaluation of dose distributions in complex, indivual 47 48 Capítulo 4. Revisión del código geant4 para la simulación del cabezal del acelerador Siemens Oncor and heterogenus geometries. For this purpose, we have compared experimental values of relative and absolute doses in water against our MC calculations for various radiation field sizes. Experimental measurements were done by the HUVM Medical Physics Department, with the linac working in 6 MV photon mode, using a 0,125 cm3 cilindrical ionization chamber. Dosimetric calculations obtained for 2×2cm2,10×10 cm2and 20×20 cm2field sizes present deviations with respect to experimental values <2 %. On the other hand, calculated Output Factors showed a discrepancy up to −0,015 compared with measured data. This level of concordance in terms of accuracy with a low local statistical uncertainty at the maximum zone (<1 %,1σ), implies its validation through the comparison with experimental values. 4.1. Introducción Nuestro primer paso en la consecución del proyecto que presentamos es el modelado de nuestra fuente de radiación, i. e. el cabezal del linac que se emplea tanto en la realización de nuestras medidas experimentales como para la irradiación de pacientes, cuyos tratamientos estarán sujetos a verificaciones por medio del método MC. Este proceso de simulación de la geometría del cabezal junto al modelado del haz primario de electrones, necesario para la producción de haces de fotones terapéuticos como vimos en la sub-sección 2.1.2, está presente en numerosos estudios. No obstante, nos hemos basado principalmente en el trabajo de Sheikh-Bagheri y Rogers (2002) para conocer qué parametros del haz primario de electrones tienen una mayor influencia en los cálculos dosimétricos en agua con haces de fotones. Partimos de la simulación del cabezal del acelerador Siemens Oncor Impression Plus, para el modo de fotones de 6 MV con la versión 9.3.p01 del código geant4, desarrollado previamente en nuestro grupo (Cortés-Giraldo, 2011). Dicho cabezal consta de una serie de elementos cuyas características, según especificaciones del fabricante, han sido incluidas completamente. Se empleó Livermore Low-Energy EM como paquete de procesos físicos con un corte de producción para partículas secundarias fijado en 0,1mm. En la Fig. 4.1 observamos una representación hecha con OpenGL(Kronos Group, 2006) de la geometría del cabezal modelada con geant4. Empezando por la parte superior de esta figura diferenciamos: el blanco (que está fabricado de una aleación de W principalmente), el filtro aplanador, la cámara de monitorización de dosis, el espejo, las mordazas y una de las bancadas del MLC. Junto a la geometría del cabezal, se simuló un tanque de agua como volumen detector, recogiendo rendimientos en profundidad PDD (Percentage Depth Dose) y perfiles de dosis laterales inplane ycrossplane, i. e. en la dirección de movimiento de las mordazas y en la dirección 4.1. Introducción 49 Figura 4.1: Representación gráfica de los elementos del cabezal del acelerador simulados en geant4. Los elementos representados comenzando por la parte superior de la imagen son: el blanco, el filtro aplanador, la cámara de monitorización de dosis, el espejo, las mordazas y una de las bancadas del MLC. Las láminas impares están más cercanas a la fuente de radiación que las pares, un hecho singular del diseño del 160- MLC. perpendicular respectivamente, para tamaños de campo de 20 ×20 cm2, 10×10 cm2,5×5cm2y2×2cm2. En el análisis de los rendimientos y perfies de dosis absorbida calculados se obtuvo una desviación dosimétrica inferior al 3%, acorde con recomendaciones de la ICRU (International Commission on Radiation Units and Measurements)(ICRU, 1976), al ser comparadas frente a las medidas experimentales. Dado que actualmente trabajamos con la versión 10.01.p01 de geant4, nuestro objetivo es hacer una revisión de los parámetros del haz primario de electrones con esta nueva versión del código, con el fin de obtener una caracterización dosimétrica de campos de diversos tamaños según las tolerancias dosimétricas propuestas en American Association of Physicists in Medicine (2004), i. e. con una exactitud dosimétrica <2 % −3 % y desviaciones espaciales <2−3mm. Esta validación dosimétrica de resultados frente a medidas experimentales supone la aceptación del modelo propuesto para el cabezal del linac Siemens Oncor. Además constituye la base sobre la que se establecen posteriores estudios dosimétricos encaminados hacia la dosimetría en pacientes para casos clínicos de cáncer de pulmón (capítulo 8). 50 Capítulo 4. Revisión del código geant4 para la simulación del cabezal del acelerador Siemens Oncor 4.2. Material y Método 4.2.1. Medidas experimentales Para llevar a cabo las distintas medidas experimentales con película radiocrómica, contamos con el linac Siemens Oncor Impresion Plus instalado en el HUVM. Este dispositivo es capaz de establecer dos modos de energía fotónica nominal, 6MV y 15 MV, así como seis modos de energías de electrones con valores 6,9,12,15,18 y21 MeV respectivamente. A diferencia de su antecesor, el linac Siemens Primus, proporciona una mayor tasa de dosis en las dos opciones existentes (alta y baja) y puede presentar un MLC, Siemens 160-MLC, con láminas de anchura proyectada en el isocentro de 5mm permitiendo configurar aperturas que propicien alcanzar mayores cotas de homogeneidad y cobertura dosimétricas en volumen tumoral, en comparación con anteriores modelos de MLC. A esto se le añade una mayor velocidad de las láminas con la consecuente reducción de los tiempos de tratamiento(Tacke et al., 2008). Rendimientos de dosis en profundidad (PDDs) Las medidas experimentales realizadas en el HUVM fueron llevadas a cabo por el Servicio de Radiofísica empleando una cámara de ionización de 0,125 cm3PTW 31010 Semiflex (PTW, Friburgo, Alemania), tanto para los PDDs como para las medidas de los perfiles en las direcciones crossplane e inplane a profundidades de 1,5cm, 5cm, 10 cm y 20 cm. Para efectuar las respectivas medidas se utilizó la cuba de agua PTW MP3 con paredes de 2cm de grosor y rango de escaneo de 60×50×40,8cm3. Acerca de la orientación, debemos aclarar que el eje Xva en la dirección de movimiento del MLC, el eje Zen la dirección del eje central del haz y el eje Yperpendicular a ambos. Este sistema de coordenadas se empleó también para las simulaciones con geant4. Los PDDs experimentales fueron adquiridos situando el punto efectivo de medida del detector en el eje central del haz de fotones (eje Z), con una SSD de 100 cm, y a una profundidad inicial en maniquí de d= 0,1cm. Los pasos del detector fueron 0,05 cm para d≤2cm, 0,1cm para 2cm< d ≤6cm y 0,25 cm para d > 6cm. Perfiles laterales de dosis Experimentalmente fueron adquiridos a una SSD de 100 cm y profundidades de 1,5cm, 5,0cm, 10,0cm y 20,0cm, usando también la cámara de ionización PTW 31010 Semiflex. El punto efectivo de medida del detector fue dispuesto a la profundidad requerida, y se estableció un paso de 1mm entre lecturas de dosis. 4.2. Material y Método 51 Dosimetría absoluta y factores de salida (OFs) De entre los diversos documentos para la dosimetría en agua con haces de fotones de altas energías, se han seguido las indicaciones sugeridas en el protocolo TRS-398 de la IAEA(IAEA, 2000). Según este informe, a la hora de medir la dosis absorbida en agua es necesario constituir una SSD de 100 cm, disponer el punto de efectivo de medida del detector (cámara de ionización cilíndrica) en el eje central del haz, a profundidad de 10 cm en el maniquí de agua, y un un tamaño de campo de 10 ×10 cm2. Éstas son las condiciones de referencia en nuestra dosimetría y siguiéndolas debemos modificar la configuración de ciertos parámetros del linac relacionados con la monitorización de la dosis, en la consola de control de éste, de manera que a la profundidad del máximo de dosis (dM= 1,5cm) para fotones de 6 MV obtengamos una correspondencia de 1 MU igual a 1cGy. Dentro de nuestro estudio dosimétrico es obligatorio antender a la definición del OF (Output Factor). Esta magnitud es una medida de la dependencia de la dosis con el tamaño de campo, y resulta imprescindible a la hora de validar los resultados dosimétricos para los diferentes tamaños de campo radioterápicos. El OF se define de la siguiente forma: OF =Dref(d=10 cm) Dref 10x10(d=10 cm),(4.1) o sea, básicamente se trata de dividir la dosis de un campo concreto, a una profundidad de 10 cm, entre la dosis a esa misma profundidad de un campo 10 ×10 cm2. La elección de medir a d= 10 cm reside en el hecho de evitar la influencia de los electrones derivados de la interacción de los fotones con los colimadores secundarios del linac en la medida de la dosis absorbida. 4.2.2. Código geant4 Las simulaciones MC siguieron el esquema propuesto en Cortés-Giraldo (2011), el cual se basa en las propuestas del informe número 105 de la AAPM (The American Association of Physicists in Medicine)(Chetty et al., 2007). En nuestro caso, las tres etapas que hemos definido para las simulaciones son: En la primera etapa se simulan 1010 electrones (o historias) incidiendo en el blanco, sin tener en cuenta divergencia del haz, para generar un espacio de fases IAEAphsp justo debajo de la cámara de monitorización, en nuestro caso a 11,327 cm del blanco, con la idea de aprovechar su simetría cilíndrica en el siguiente paso. El corte de producción de partículas secundarias (electrones, fotones y positrones) quedó definido en 0,02 mm. 52 Capítulo 4. Revisión del código geant4 para la simulación del cabezal del acelerador Siemens Oncor Haciendo uso del espacio de fases IAEAphsp creado anteriormente, se simularon las partículas a través de las mordazas y MLC con un reciclaje de partículas de 5, haciendo uso de la simetría rotacional con respecto al eje central del haz. Se creó un segundo espacio de fases IAEAphsp a50 cm de la fuente. Finalmente, utilizando este segundo espacio de fases se simularon el transporte de las partículas en el tanque de agua, aplicando un factor de reciclaje de 50 para los campos de 20 ×20 cm2y10 ×10 cm2, y 100 para el campo de 2×2cm2. Por lo tanto, el número efectivo de eventos simulados puede llegar a ser del orden de 1012. Los cálculos fueron efectuados con la versión 10.1.p01 de geant4 instalada en un clúster línux (CentOS Linux 6.4) de 24 servidores, teniendo cada uno 24 núcleos de computación con 64 GB mínimos de RAM. Para el modelado de procesos físicos empleamos la lista de física G4EmStandard- option3. Los valores calculados tras las simulaciones MC con nuestro código Siemens Oncor están dados en Gy/historias. Para el cálculo de los PDDs en geant4 definimos un tamaño de vóxel de 0,2×0,2×0,1cm3. Para los perfiles crossplane se efectuaron los cálculos con un tamaño de vóxel de 1,0×0,1×0,2cm3para el tamaño de campo 20×20 cm2, mientras que en los campos restantes se varió la dimensión Xdel vóxel en 0,7cm (10 ×10 cm2) y0,5cm (2×2cm2). Para perfiles inplane, los tamaños de vóxel se expresan de igual forma pero permutando el valor de la componente Xcon el de la Y. Por otro lado, tanto los datos experimentales como los cálculos MC están expresados en la representación de los PDDs y perfiles de dosis como porcentajes relativos a un valor dosis de referencia, que en el caso de los PDDs se encuentra a la profundidad del máximo de dosis, 1,5cm, y para los perfiles de dosis en la posición del eje central del haz independientemente de su profundidad y dirección. 4.3. Resultados 4.3.1. Rendimientos de dosis en profunidad (PDDs) Para poder establecer los parámetros que modelan el haz primario de electrones, hicimos un ajuste iterativo en función del acuerdo de las curvas de PDD calculadas en agua frente a las medidas experimentalmente, para los diversos tamaños de campo propuestos, partiendo de unos valores iniciales del modelo de dicho haz primario. El ajuste iterativo se realizó siguiendo los resultados fenomenológicos publicados en Sheikh-Bagheri y Rogers (2002) Finalmente, encontramos que los cálculos de dosis en agua que mejor se ajustan a los valores medidos, según los requisitos dosimétricos-espaciales mencionados en la introducción de este capítulo, se consiguen modelando 4.3. Resultados 53 el espectro energético haz de electrones como una gaussiana centrada en 6,2MeV, y FWHM (Full Width at Half Maximum) del 14 % con respecto al valor medio. La distribución espacial de los electrones quedó descrita a través de una gaussiana con FWHM de 1,5mm. A continuación, describimos el proceso de comparación de los cálculos en geant4, que mejor acuerdo proporcionaron en el proceso de modelado del haz primario de electrones, frente a las medidas experimentales. Nuestro primer paso es calcular el coeficiente de normalización de los PDDs calculados, y para ello vamos a modelarlos según la siguiente función: F(d)=[a0+a1(d−dM) + a2(d−dM)2+a3(d−dM)3],(4.2) siendo dM= 1,5cm la profundidad del máximo y ailos parámetros que ajustamos. Para cada curva de PDD hemos obtenido un valor del coeficiente a0, usado para definir el coeficiente de normalización de PDDs (kf PDD) de esta forma: kf PDD = 1/a0,(4.3) Campo (cm2)kf PDD (×1013 hist/cGy) kf PDD,Old (×1013 hist/cGy) ∆G4-10.1.1,G4-9.3.1 2×2 9,86 ±0,05 8,39 ±0,03 17,5 % 10 ×10 8,86 ±0,06 7,380 ±0,010 20,5 % 20 ×20 8,33 ±0,10 7,054 ±0,013 18,09 % Tabla 4.1: Factores de calibración de los PDDs calculados con geant4, para las versiones 10.01.p01 y 9.3.p01, por cada campo de radiación. En la Tabla 4.1 hemos introducido los valores de kf PDD por campo para la versión actual de geant4, a la izquierda, y los valores para la versión 9.3.p01 (centro), asi como la diferencia porcentual entre ambos a la derecha. A continuación, procedemos a normalizar las curvas calculadas y representarlas frente a los valores experimentales (Figs. 4.2- 4.3). La línea continua representa los valores experimentales, mientras que las franjas discontinuas son las desviaciones en un ±2% de los valores experimentales, para conseguir así ver si los datos calculados están de acuerdo con las medidas experimentales dentro de esa franja establecida. Las dosis calculadas en geant4 incluyen su barra de incertidumbre estadística (1σ), cuyo valor en la zona del máximo se encuentra entre 0,77 % (2×2cm2) y 0,82 % (10×10 cm2). 4.3.2. Perfiles laterales de dosis Tras obtener los valores de los coeficientes de calibración de las curvas de rendimiento en profundidad, nuestro siguiente paso es analizar los perfiles 54 Capítulo 4. Revisión del código geant4 para la simulación del cabezal del acelerador Siemens Oncor Figura 4.2: Curvas PDD obtenidas en agua (SSD = 100 cm) para un campo de 2×2cm2. Los valores calculados en geant4 están representados por círculos junto a sus barras de incertidumbre (negro). Las medidas experimentales (rojo) están representadas en forma de línea continua, mientras que las líneas discontinuas establecen las desviaciones dentro de un ±2 % de los valores experimentales. laterales de dosis crossplane einplane. De igual forma que hicimos con las curvas PDD, es fundamental efectuar una calibración independiente de las curvas. Para ello, modelamos cada perfil de dosis según la siguiente relación: M(r) = [a0+a1r+a2r2+a3r3+a4r4],(4.4) siendo rla distancia respecto del eje central del haz con valores comprendidos entre −5,0mm y 5,0mm, para el campo de 2×2cm2, y en los campos restantes entre −10,0mm y 10,0mm. El coeficiente a0es necesario en el cálculo el coeficiente de calibración, kf Perfil, que se obtiene por medio de la siguiente relación: kf Perfil = 1/a0,(4.5) Campo (cm2)kf crossplane (×1013 hist/cGy) kf inplane (×1013 hist/cGy) 2×2 9,80 ±0,03 9,84 ±0,03 10 ×10 8,71 ±0,05 8,73 ±0,03 20 ×20 8,27 ±0,06 8,29 ±0,04 Tabla 4.2: Factores de calibración de los perfiles calculados con geant4 por dirección y campo de radiación. 4.3. Resultados 55 (a) (b) Figura 4.3: Curvas PDD obtenidas en agua (SSD = 100 cm) para un campo de a) 10×10 cm2y b) 20×20 cm2. Los valores y cálculos mostrados siguen el mismo criterio de representación que el establecido en la Fig. 4.2. Capítulo 5 Validación del modelo geométrico del multiláminas 160-MLC mediante un algoritmo genérico para geant4 Resumen: Hemos construido la geometría del MLC (160-MLC) que se encuentra acoplado al linac Oncor Impression Plus, a través de un algoritmo general que permite crear cualquier geometría MLC basada en el modelo de láminas inclinadas, con respecto a la dirección donde se encuentra la fuente. La validación dosimétrica del 160-MLC en geant4 fue llevada a cabo siguiendo comparativas entre cálculos dosimétricos y medidas experimentales, basándonos en test dosimétricos definidos para tal propósito. Hemos estudiado los parámetros clave en el proceso de construcción del modelo geométrico del 160-MLC y su influencia en las distribuciones de dosis calculadas. Como resultados reseñables se ha obtenido un ángulo de inclinación de las láminas de 0,44◦y una separación entre láminas opuestas de 370 µm. La implementación de estructuras tan complejas permiten llevar a cabo evaluciones dosimétricas con una precisión espacial submilimétrica, necesaria para analizar distribuciones de dosis debidas a campos pequeños o de dimensiones reducidas en la dirección de movimiento del MLC. Los resultados aquí expuestos estan recogidos en Perales et al. (2017). Abstract: We have constructed the geometry model of the MLC (160-MLC) coupled to the Oncor Impression Plus linac thanks to a universal algorithm which allows to create any MLC geometry model based on the tilt-leaf approach with respect to the source. The 160- 63 64 Capítulo 5. Validación del modelo geométrico del multiláminas 160-MLC mediante un algoritmo genérico para geant4 MLC dosimetric validation in geant4 was done through comparisons between dosimetric calculations and experimental measurements, following dosimetric tests defined for that purpose. We have studied the key parameters involved on the geometry construction process and their influence on the calculated dose distributions. We have achieved noteworthy results as a leaf tilt-angle value of 0,44◦and a separation between opposite leaves of 370 µm. This tool supplies the implementation of complex structures and allows to make dosimetric assessments with a submilimetric accuracy, which is necessary to analize dose distributions due to small fields or fields of narrow dimensions parallel to the MLC movement direction. The results presented here are summarized in Perales et al. (2017). 5.1. Introducción A la hora de poder definir haces de una determinada apertura atendiendo a las particularidades del volumen tumoral a irradiar, el MLC juega un papel fundamental. Se trata pues del colimador secundario que permite alcanzar las cotas dosimétricas y espaciales requeridas en tratamientos de radioterapia complejos. Partiendo de esta base, es necesario efectuar un modelado del MLC según sus características (American Association of Physicists in Medicine, 2001a; Huq et al., 2002; Killoran et al., 2002; Tacke et al., 2008; Klüter et al., 2011; Fix et al., 2011; Bedford et al., 2013) de manera que tengamos en cuenta cada detalle particular de su geometría en las simulaciones MC. Hemos encontrado diferentes trabajos de grupos de investigación, para incluir la geometría de varios modelos de MLC en códigos MC de propósito general. Para el caso de BEAMnrc(Rogers et al., 1995), la geometría se construye mediante CMs (Component Modules) cuya finalidad es modelar MLCs. Una comparativa de los resultados dosimétricos obtenidos por los CMs originales MLCQ(Van de Walle et al., 2003) y VARMLC(Heath y Seuntjeans, 2003; Laliena y García-Romero, 2015) resaltan la capacidad de nuevos CMs para obtener soluciones dosimétricas más exactas, dado que reproducen de manera más fiel la geometría del MLC. También hemos encontrado modificaciones de CMs nuevos(Borges et al., 2012; Doerner y Hartmann, 2012), como el DYNVMLC(Heath y Seuntjeans, 2003), que apuntan en la misma dirección. No obstante, frente a esta aparición de CMs que cumplen los requisitos según las propiedades de un modelo específico, Jang et al. (2006) propuso un modelo MLC que permite simular diversas geometrías, creando para tal fin regiones específicas siguiendo los detalles del tipo de MLC. En lo que respecta a PENELOPE(Salvat et al., 2011) presenta un código especial, PENGEOM, que actúa como herramienta para construir cualquier 5.1. Introducción 65 Figura 5.1: Colimador multiláminas 160-MLC acoplado al cabezal de un linac (Siemens Medical Solutions, 2010). Apreciamos el borde característico de las láminas y la disposición de éstas a una altura concreta respecto de la fuente, según se trate de una lámina par o impar. tipo de elemento geométrico. Se trata del elemento necesario y empleado por varios grupos para generar los componentes del cabezal de un linac(Brualla et al., 2009; González et al., 2011). Con el código geant4 (Agostinelli et al., 2003; Allison et al., 2006, 2016) hemos desarrollado un algoritmo cuya función es generar cualquier modelo MLC que esté basado en la disposición de las láminas inclinadas respecto a la fuente de radiación. Los detalles de la construcción pueden ser establecidos por el usuario, sin necesidad de generar modificaciones en el código, partiendo de las especificaciones proporcionadas por el fabricante. Para comprobar la bondad de esta herramienta hemos modelado el 160- MLC (Siemens Healthcare, Erlangen, Alemania), pues desde un punto de vista dosimétrico supone un reto importante al presentar las láminas en sus bordes un patrón curvilíneo (ver Fig. 5.1) alternándose áreas cóncavas y convexas (Tacke et al., 2006, 2008; Klüter et al., 2011). Según nuestros conocimientos, el 160-MLC sólo había sido modelado en geant4 empleando un software CAD, el cual almacena la posición de los vértices de cada lámina, para la generación del 160-MLC en las simulaciones MC (Tacke et al., 2006). A diferencia de este trabajo, nosotros podemos reproducir dicho colimador basándonos en la información del fabricante, sin necesidad de recurrir a programas externos cuyo funcionamiento es ópaco. Junto a ello, nuestro algoritmo presenta gran versatilidad a la hora de ajustar factores clave del modelado a sus valores reales, dentro de las tolerancias marcadas por el fabricante. Además es una herramienta abierta, en el sentido de permitir 66 Capítulo 5. Validación del modelo geométrico del multiláminas 160-MLC mediante un algoritmo genérico para geant4 Figura 5.2: Orientación de las láminas según la recta definida, específicamente por lámina, desde la fuente hasta la propia lámina (Klüter et al., 2011). El valor del ángulo de inclinación de las láminas dado por el fabricante es de 0,37◦. al usuario conocer todas las magnitudes requeridas en la producción de la geometría MLC. Este hecho marca una diferencia sustancial con el modelo CAD, pues a través de éste no se consigue un acuerdo directo en la geometría real, en base a test dosimétricos, ya que no es fácil saber cómo trabaja. Además hemos realizado un análisis de la influencia de los parámetros que caracterizan el modelo MLC en la distribución de dosis. Para tal fin, hemos hecho una serie de tests dosimétricos a fin de validar nuestra geometría MC, según evaluaciones de las propiedades dosimétricas de los MLCs (Huq et al., 2002; Killoran et al., 2002). Una vez realizados los tests, hemos trabajado para ajustar tales parámetros geométricos para alcanzar el mejor acuerdo con las medidas experimentales. 5.2. Desarrollo del código: Construcción y validación del modelo geométrico del 160-MLC El modelo 160-MLC consta de dos bancadas con 80 láminas cada una y una anchura de lámina proyectada en el isocentro de 5mm. Se dispone a una SCD (Source-Collimator Distance) de 460 mm y junto a las mordazas permiten disponer de un campo de hasta 40 ×40 cm2en el isocentro. Este tipo de MLC no presenta machihembrado y en su lugar se establece un hueco de aire inter-lámina que permite el movimiento independiente de las láminas. Este diseño de MLC permite llegar a rendimientos mejores que el diseño de 5.2. Desarrollo del código: Construcción y validación del modelo geométrico del 160-MLC 67 machihembrado(Tacke et al., 2008; Bedford et al., 2013). Como ya mencionan Tacke et al. (2008), todas las láminas se encuentran dispuestas de tal forma que se inclinan respecto al rayo divergente que parte de la fuente de radiación, para reducir así la radiación de fuga intrainterláminas (Fig. 5.2). Además, en la sección 5.1 decíamos que los bordes de las láminas presentan un esquema donde se suceden áreas cóncavas y convexas, con la finalidad de reducir la radiación de fuga entre láminas opuestas, cuando ambas están cerradas. Otras de las características geométricas, es la configuración de las bancadas según la cual se disponen de forma sucesiva láminas más alejadas (pares) o más cercanas a la fuente (impares). El origen de este hecho se encuentra en las restricciones mecánicas del 160-MLC, debido a la poca anchura de las láminas. Figura 5.3: Esquema del procedimiento seguido para discretizar los arcos que componen el borde de la lámina. Los ejes XL,YLyZLconstituyen el sistema de referencia local para construir la lámina. Todas estas particularidades demuestran que el modelo geométrico del 160-MLC es muy difícil de simular. No obstante, por medio de nuestro algoritmo hemos conseguido reproducirlo con la precisión necesaria para los tests dosimétricos. Esencialmente queremos determinar cómo afecta el efecto de machihembrado, motivado por la inclinación de las láminas con respecto a la fuente, el borde de las láminas o la fuga intrainterláminas a la distribución de dosis. En nuestro modelado hemos tenido en cuenta magnitudes que pueden modificar su valor durante la vida del aparato. Este fenómeno puede influir en la inclinación de láminas, o en la distancia entre láminas opuestas, modificando su valor. Por tanto, somos capaces de modelar cualquier MLC (de láminas inclinadas) y actualizar su estado en posteriores simulaciones MC al producirse el consecuente desgaste mecánico. También, se han incluido parámetros estables, como la densidad de la aleación de wolframio o el borde de las láminas, en el proceso de construcción de la geometría. Es razonable afirmar en vista a todo ello, que el algoritmo contiene un carácter universal y versátil. 68 Capítulo 5. Validación del modelo geométrico del multiláminas 160-MLC mediante un algoritmo genérico para geant4 En la composición del borde de la lámina, nuestro algoritmo discretiza los cuatro arcos que lo componen según la posición central de cada arco y su radio (Cortés-Giraldo, 2011). En la Fig. 5.3 vemos un esquema del proceso de creación del borde, resumido en estos puntos: Primero, definimos las posiciones Oi, los radios Riy las curvaturas cóncavas y convexas según el sistema de referencia de la figura (xL,yL,zL). Los puntos Pison calculados hallando las intersecciones entre cada par de arcos de circunferencia. Estos puntos delimitan el rango del ángulo del arco desde ξi,min aξi,max. Si el ángulo ξ= 0, definido según el eje xL, pertenece al rango angular definido anteriormente, también se calcula el punto Mipara aseguramos que el punto más extremo en el eje xLse incluya en el modelado. Definimos la tolerancia angular (∆ξmax) como un parámetro de entrada, de tal manera que el algoritmo calcula el número de puntos necesarios para que se satisfaga ∆ξi<∆ξmax. Esta discretización se efectúa por cada arco definido por los puntos Piy/o Mi, permitiendo calcular los puntos Pji (Fig. 5.5). La Fig. 5.4 muestra el resultado de cambiar el valor de ∆ξmax para resaltar la importancia de este parámetro en la formación de los bordes de las láminas. La construcción de la lámina completa se realiza mediante la unión de volúmenes trapezoidales usando la clase G4Trap (Fig. 5.5) de geant4. Orientamos la lámina con respecto al rayo divergente que parte de la fuente de radiación según el ángulo de inclinación establecido. Finalmente colocamos la lámina correctamente, empleando operaciones matemáticas de rotación y traslación, dentro del sistema global de referencia. 5.3. Metodología Hemos analizado los resultados dosimétricos de nuestro algoritmo empleando el acelerador Siemens Oncor Impression Plus instalado en el HUVM, el cual presenta el colimador multiláminas 160-MLC en su cabezal. Para las medidas experimentales hemos usado la película radiocrómica EBT3 de GafChromic (International Specialty Products, Wayne, Estados Unidos) y láminas de agua sólida RW3 de PTW. Los recortes de películas fueron escaneados gracias al escáner comercial plano Epson 10000 XL (Seiko Epson Corporation, Nagano, Japón), trabajando en modo transmisión, resolución espacial de 150 dpi (dots per inch) y sin activar las correcciones de color. 5.3. Metodología 69 (a) (b) (c) (d) Figura 5.4: Distintas construcciones de los bordes de las láminas usando una tolerancia angular máxima (∆ξmax) de (a) 5 grados, (b) 10 grados, (c) 20 grados y (d) 90 grados en las simulaciones con geant4. Figura 5.5: Construcción de la lámina a través de la unión booleana de capas reproducidas con la clase G4Trap en geant4. Todas las películas escaneadas fueron guardadas como imágenes TIFF (Tagged Image File Format) de 48-bits, y obtuvimos los mapas de valores de píxel por película promediando cinco escaneos, a fin de reducir el ruido estocástico en la imagen. Por otro lado, la curva de calibración de dosis fue adquirida previamente siguiendo el procedimiento descrito en Miras y Arráns (2009). Además, las correcciones necesarias debido a la respuesta no uniforme del escáner no se aplicaron dado que los recortes fueron centrados con respecto a él. Finalmente cabe mencionar que las incertidumbres estadísticas 70 Capítulo 5. Validación del modelo geométrico del multiláminas 160-MLC mediante un algoritmo genérico para geant4 de los valores de dosis estuvieron entre el 2 % y el 3%. (a) (b) Figura 5.6: Recortes de película radiocrómica, usadas en el test para la determinación de la inclinación de las láminas, irradiadas de forma separada con (a) las láminas pares retraídas y las impares extendidas y (b) con una disposición opuesta a la de (a). Para validar nuestro modelo geométrico del MLC hemos utilizado los campos que se describen en las siguientes sub-secciones, para ajustar los parámetros mencionados de la geometría MLC. En todas nuestras medidas experimentales fijamos 9cm de láminas de agua sólida, debajo del detector, para asegurar buenas condiciones para la retrodispersión de la radiación, y colocamos la película a la profundidad del máximo (z= 1,5cm). La SSD varió entre 98,5cm y 100 cm. En cuanto a la orientación del vóxel, y de la simulación global, el eje Zse define en la dirección del haz, el eje X paralelo a la dirección de movimiento de las láminas (crossplane) y el eje Y perpendicular a ambos (inplane). Test dosimétrico para ajustar la densidad física Un conocimiento exacto de la densidad física de la aleación de wolframio en las simulaciones MC es crucial, pues un buen acuerdo con las medidas experimentales en las zonas de penumbra y transmisión es obligatorio, para cálculos de tratamientos de complejidad alta. La comparación entre perfiles inplane medidos y calculados en la zona de transmisión hace posible el ajuste correcto de la densidad física de las láminas. Por tanto, hemos retraído una bancada completamente y extendido la otra hasta la misma posición para obtener el perfil de dosis, con una SSD de 100 cm. Además, calculamos el perfil de dosis relativo de un campo 10 ×10 cm2con la misma SSD y profundidad. El tamaño de vóxel que hemos usado en este test consta de un tamaño igual a 1,5×0,033 ×0,25 cm3, y la densidad física varió en cada simulación en un rango de valores que va desde 17,0g/cm3y18,5g/cm3. Este rango se ha definido siguiendo la información expuesta en American 5.4. Resultados 71 Association of Physicists in Medicine (2001a). Campo para el test de precisión en los bordes de las láminas Como la penumbra de los campos de radiación depende, entre otros factores, del diseño del borde de la lámina, es necesario averiguar si las simulaciones MC pueden tener en cuenta el impacto del modelado del borde de las láminas en la distribución de dosis. Con este objetivo, hemos medido perfiles crossplane de un campo 0,5×10 cm2a una SSD de 98,5cm. Todos estas medidas experimentales fueron comparadas con cálculos MC para el mismo campo, modificando la tolerancia angular para la construcción del borde de las láminas en cada simulación. Hemos establecido un tamaño de vóxel de 0,025 ×2,0×0,2cm3y el rango de la tolerancia angular se ha modificado entre 2◦y20◦. Campo para el ajuste de la separación entre láminas opuestas Al establecer una configuración de MLC cerrado, existe un espacio de aire real entre láminas opuestas que debe ser determinado en nuestras simulaciones MC, a fin de modelar totalmente la radiación de fuga. Hemos definido un hueco entre láminas opuestas concreto, desde 250 µm a 800 µm, en nuestras simulaciones. Éstas fueron llevadas a cabo con un tamaño de vóxel de 0,025 ×5,0×0,25 cm3. Los perfiles crossplane en geant4 fueron evaluados frente a los experimentales, adquiridos a una SSD de 100 cm. Campos para el ajuste de la inclinación de las láminas Como consecuencia de la inclinación de las láminas respecto a la fuente de radiación(Tacke et al., 2006), el 160-MLC acusa un efecto de machihembrado(Yu, 1997; Que et al., 2004). Para determinar el ángulo de inclinación de las láminas hemos usado un campo, denonimado Picket-Fence, que consiste en la suma de dos campos diferentes, en los cuales se alternan las posiciones de las láminas pares e impares de una bancada específica (Fig. 5.6). Hemos medido perfiles crossplane a una SSD de 98,5cm, que fueron analizados en contraposición a los cálculos en geant4 con un vóxel de dimensiones 0,015×2,0×0,25 cm3. En nuestras simulaciones MC el ángulo de inclinación varió en un rango desde los 0,25◦a0,5◦. 5.4. Resultados Test dosimétrico para ajustar la densidad física En la Fig. 5.7 observamos perfiles inplane (línea sólida), medidos según las condiciones experimentales descritas en la anterior sección, y los perfiles 78 Capítulo 5. Validación del modelo geométrico del multiláminas 160-MLC mediante un algoritmo genérico para geant4 de fuga, como cabía esperar. De igual forma, la tolerancia angular en el proceso de construcción de los bordes de las láminas juega una parte crucial en la definición de campos pequeños, o campos estrechos en la dirección de movimiento del MLC. De hecho, un modelado incompleto puede conllevar inexactitudes en la dosimetría MC para tratamientos de VMAT e IMRT, los cuales suelen contener campos de forma irregular y/o que puedan presentar áreas inferiores a 2×2cm2. En nuestro modelo del 160-MLC, establecimos un tolerancia angular máxima de 5 grados para los arcos que componen el borde de la lámina, haciendo un balance equitativo entre exactitud dosimétrica y eficiencia computacional. Como hemos visto la inclinación de las láminas tiene un efecto notable en la radiación intrainterlámina de fuga, de manera que su valor debe ser calculado con un alto grado de exactitud. En nuestro caso, con un valor de 0,44◦el acuerdo entre medidas experimentales y valores calculados es muy bueno. Finalmente, la distancia entre láminas opuestas para una configuración de MLC cerrado es una magnitud de interés en el estudio de la radiación de fuga. Usando nuestro modelo geométrico hemos estimado un valor de 370 µm para dicha magnitud. Es necesario recalcar que en la Fig. 5.10 para las colas de transmisión, i. e. a distancias superiores a 15 mm del eje central, los valores de dosis medidos son superiores a los calculados en simulaciones MC. La ausencia de una información dosimétrica relevante propicia dificultades a la hora de determinar el origen de estas divergencias. Además, tanto la inclinación de las láminas como la separación entre láminas opuestas constituyen dos magnitudes susceptibles de cambiar con el tiempo, como consecuencia del desgaste mecánico del MLC. Este hecho, resalta la capacidad del algoritmo para ajustar el modelo geométrico del 160-MLC dentro del estado real del dispositivo derivado de su uso diario. Dado su diseño, nuestro algoritmo se puede adaptar a otros códigos MC de propósito general como PENELOPE, pues las láminas, aunque tengan una forma muy compleja, son construidas a través de la unión de trapezoides. Concluimos, afirmando que hemos programado un código que facilita el proceso de construcción, con la herramienta geant4, del modelo geométrico de MLCs complejos basados en el diseño de lámina inclinada. En todo el proceso se ha mantenido una exactitud submilimétrica para los cálculos dosimétricos requeridos, haciendo hincapié en la similitud de los cálculos en comparación con los valores medidos para campos pequeños. En cuanto al modelado del 160-MLC, hemos variado el valor original de ciertos parámetros a fin de encontrar un mejor acuerdo con las medidas. Magnitudes como el ángulo de inclinación de las láminas o la separación entre láminas opuestas, concretamente presentan valores dados por el fabricante de 0,37◦y 250 µm, que difieren de los obtenidos en las simulaciones MC (0,44◦y 370 µm). Por otro lado, este código se abre a incluir otros modelos de MLC, basados en el diseño de machihembrado, pues la adaptación requeriría la adición o 5.5. Discusión y Conclusiones 79 substracción de trapezoides en el lado de la lámina, a fin de reproducir esta clase de MLC. Capítulo 6 Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 Resumen: Las desviaciones dosimétricas en medios heterogéneos encontradas al comparar los cálculos de un TPS con medidas experimentales, han servido para constatar los límites existentes de las herramientas clínicas rutinarias. Nuestro objetivo es demostrar la capacidad de la plataforma geant4 para solventar situaciones de inhomogeneidad, según el acuerdo entre las distribuciones de dosis calculadas y los valores experimentales. Las medidas se han realizado con película radiocrómica insertada en distinas zonas de interés de un maniquí antropomórfico, modificado expresamente para incluir características anatómicas propias de cáncer de pulmón. Las distribuciones de dosis experimentales de tratamientos de radioterapia se han comparado con los cálculos en geant4 y TPS Pinnacle3, por medio de diferentes análisis gamma. Diferenciamos en nuestro estudio tratamientos sencillos no desarrollados compuestos por haces conformados a la región de interés y tratamientos complejos reales. Para todos los tratamientos evaluados se ha encontrado un mejor acuerdo entre las distribuciones de dosis geant4 y experimental. Por tanto, se ha efectuado una validación dosimétrica del modelo geométrico geant4 del maniquí antropomórfico, lo cual establece un sistema de verificación MC en maniquí. Abstract: Dosimetric deviations through the comparison of TPS data with experimental measurements have been used to determine the existing limits with clinical routine tools in heterogenous mediums. 81 82 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 Our aim is to demostrate the ability of the geant4 platform to model inhomogeneous configurations according to the agreement between the calculated and experimental dose distributions. The measurements were done using radiochromic film as detector, placing it inside different regions of interest of an anthropomorphic phantom, which has been modified in order to include anatomical characteristics of lung cancer. We have compared these values with the data from geant4 and TPS Pinnacle3calculations through different gamma analysis. We have distinguished in our study simple treatment plans composed by beams with apertures to region of interest and real complex treatment plans. In all the treatment plannings assessed we found the best agreement between geant4 data and experimental values. Therefore, we have done a dosimetric validation of the anthropomorphic phantom in geant4 which establishes a MC Phantom quality assurance system. 6.1. Introducción Por medio de técnicas de modulación de fotones (IMRT, VMAT), en adición a mejoras en sistemas de adquisición de imagen, se han conseguido optimizar los resultados dosimétricos en comparación con la 3D-CRT, i. e. maximizar la dosis absorbida en tumor y minimizar la dosis en los órganos a riesgo. Estas técnicas modernas de radioterapia emplean segmentos que pueden presentar formas irregulares y/o áreas inferiores a 2×2cm2. Junto a ello, nuestros estudios abarcan regiones en las cuales se producen gradientes extremos de densidad física así como variaciones en la composición química a tener en cuenta en la dosimetría. Para asegurar dichos resultados requerimos de cálculos dosimétricos exactos en zonas inhomogéneas, y por ello debemos aplicar factores específicos de corrección por heterogeneidad a nuestra herramienta de cálculo. Es obligatorio apreciar para la consecución de una exactitud dosimétrica conveniente, los efectos radiobiológicos en el tejido irradiado, la diferenciación clínica dosimétrica, el propio nivel de precisión fijado en nuestro estudio y la incertidumbre total en el proceso global (American Association of Physicists in Medicine, 2004). Acerca de la contribución de los cálculos dosimétricos a la incertidumbre dosimétrica total en paciente, como dijimos en el capítulo 4, dichos cálculos deben presentar una exactitud dosimétrica <2 % −3 % y desviaciones espaciales <2−3mm. De esta forma, conseguimos que las desviaciones dosimétricas asociadas a diferentes fuentes de incertidumbre, en el proceso global de irradiación del paciente, no superen el 5 %. En el TPS generamos la estrategia a seguir según parámetros definidos en el modelado existente del linac que se empleará en la irradiación del paciente. La cesión de energía de un haz de fotones en un medio concreto consta de 6.1. Introducción 83 dos pasos (American Association of Physicists in Medicine, 2004): 1. Los fotones primarios interactúan con el medio transmitiendo energía cinética a las partículas cargadas. 2. Estas partículas cargadas van a depositar toda su energía en el medio a través de procesos de ionización y excitación. En condiciones de equilibrio electrónico, el TERMA debido a la radiación incidente mantiene una relación lineal con la dosis absorbida en el medio en cuestión, de manera que los pasos descritos arriba se entremezclan en el cálculo dosimétrico. Sin embargo, si no se dan las condiciones necesarias para el equilibrio electrónico esta suposición no es válida y debemos distinguir nítidamente los procesos 1 y 2 (American Association of Physicists in Medicine, 2004). En el caso de usar técnicas modernas en radioterapia, la utilización de campos pequeños junto a la irradiación de zonas heterogénas hacen que las condiciones de equilibrio electrónico no se satisfagan. Este hecho propicia que nos cuestionemos las capacidades, en términos de exactitud dosimétrica, del algoritmo de cálculo existente en el TPS. Básicamente un TPS cuyo núcleo de cálculo efectúe una convolución de kernels invariantes, modificados según medidas experimentales en agua, no calcula adecuadamente la dosis absorbida en medios de baja densidad física (Carrasco et al., 2004). Ésto es debido a tener en cuenta exclusivamente un incremento de la fluencia de partículas incidentes al disminuir la densidad, obviando las variaciones de las secciones eficaces, así como posibles ocultamientos parciales de la fuente de radiación, en el cálculo. En adición a este hecho encontramos la pérdida de equilibrio electrónico lateral en los campos pequeños. Su origen reside en la existencia de un rango de electrones Compton superior o igual a las dimensiones del campo de radiación (Carrasco et al., 2004). Como consecuencia de ésto, encontraremos electrones que depositen su energía fuera de las dimensiones del campo de tratamiento y sin que hayan otros que lo reemplacen dentro de él, reduciendo la dosis en el eje central y generando un desequilibrio electrónico lateral. Estos factores mencionados proporcionan la base de nuestras dudas acerca de la exactitud dosimétrica de los algoritmos de cálculo analíticos, y su superposición ahonda en las posibles divergencias dosimétricas que podamos encontrar. Conforme más energético sea el haz, menos denso sea el medio y más pequeñas las dimensiones del segmento de radiación aumentará el desequilibrio electrónico lateral. Por otra parte, diferentes trabajos efectuados por diversos grupos de investigación han analizado la exactitud y precisión dosimétrica de los diversos algoritmos de cálculo. Aspradakis et al. (2003) encontró dosis calculadas con los algoritmos Collapsed Cone yPencil Beam en tolerancia con las medidas experimentales en agua. Se han hallado menores discrepancias en el cálculo dosimétrico en medios heterogéneos con el algoritmo Collapsed Cone 84 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 frente a los valores experimentales, en comparación con otros algoritmos analíticos de cálculo (Carrasco et al., 2004; Krieger y Sauer, 2005; Fogliata et al., 2007). No obstante en estos últimos trabajos se hace hincapié en la sobrestimación/infraestimación de dosis en la frontera con medios de baja densidad, evidenciando un modelado inexacto del transporte de partículas en medios en los cuales existe un gradiente importante de densidad física. Se han Resaltado por otro lado, la capacidad de los cálculos MC en reproducir con mayor fidelidad los resultados medidos. Chow et al. (2009) realizaron una evaluación más exhaustiva de los algoritmos de superposiciónconvolución frente a las simulaciones con BEAM/DOSXYZ, modificando la densidad electrónica de pulmón así como su geometría para analizar el impacto dosimétrico de estos parámetros en el cálculo analítico en medios heterogéneos. Estos análisis se materializaron con distintos valores de energía del haz de fotones y tamaño del campo de radiación. Finalmente Paelinck et al. (2005) compararon valores de dosis calculados en BEAM/DOSXYZ con los obtenidos usando película radiocrómica como detector en un medio heterogéneo. Junto a ello, evaluaron los cálculos MC frente a los hallados con algoritmos de superposición-convolución. En este estudio se refleja la necesidad de usar el método MC o películas radiocrómicas como sistemas de verificación de dosis en tejido pulmón o alrededor de éste, obviando así los algoritmos analíticos estudiados al no predecir valores de dosis similares a los de BEAM/DOSXYZ. Caccia et al. (2014) apuntan en la misma dirección en su trabajo con simulaciones geant4. Nuestro objetivo es verificar las dosis absorbidas medidas con película radiocrómica, en regiones donde existen gradientes de densidad física considerables, a través del código geant4. Compararemos los valres anteriores con los cálculos obtenidos en el planificador Pinnacle3v9.8 (Philips Medical Systems, Milpitas, CA) (Ahnesjö, 1989; Papanikolaou et al., 1993), existente en el HUVM, para comprobar la bondad del algoritmo analítico empleado en rutina clínica frente a métodos más sofisticados. Para realizar las medidas experimentales en condiciones cercanas a casos reales, contamos con un maniquí antropomórfico sobre el cual hemos efectuado una mejora en la región que simula pulmón, a fin de establecer una heterogeneidad idónea para la generación de desequilibrio electrónico. Sobre este maniquí colocaremos nuestro detector, con una determinada orientación, en posiciones estratégicas que aseguren gradientes de densidad física significativos y procederemos con los análisis gamma (Low et al., 1998) entre las distribuciones de dosis calculadas y medidas. Dicho análisis es el resultado de la comparativa espacial y dosimétrica entre dos distribuciones de dosis, tomando una de ellas como referencia, de manera que se obtiene un mapa de índices γpor cada punto de la distribución de dosis de referencia analizado, comparado con todos los puntos de la otra distribución de dosis. Este índice γse define como el 6.1. Introducción 85 mínimo de la siguiente expresión matemática (Low et al., 1998): Γ(rm, rc) = sr2 rm,rc ∆d2 M +δ2 rm,rc ∆D2 M ,(6.1) donde rrm,rc=|rm−rc|(6.2) y δrm,rc=Dc(rc)−Dm(rm),(6.3) siendo rmla distancia desde el origen del sistema de coordenadas al punto de la distribución de referencia, rcla distancia desde el origen hasta el punto de la distribución que se desea comparar, Dcla dosis en el punto de la distribución de dosis que se pretende comparar y Dmla dosis en el punto de referencia. El criterio gamma hace referencia al valor de las magnitudes ∆D2 M(variación dosimétrica) y ∆d2 M(variación espacial). Normalmente, en el proceso de verificación tratamientos de radioterapia se acepta como valores estándar 3% y 3 mm respectivamente. Figura 6.1: . Esquema de las magnitudes involucradas en el cálculo del índice γ(Low et al., 1998), necesario para la reproducción de los mapas de dicho índice que caracterizan los análisis entre distribuciones de dosis efectuados. Si el índice gamma adquiere un valor ≤1, el punto de la distribución de dosis de referencia habrá pasado el criterio gamma y si γ > 1no habrá cumplido satisfactoriamente dicho criterio. Normalmente, validamos la distribución de dosis comparada para un 95 % de puntos analizados que satisfacen el criterio gamma establecido. Todos los parámetros descritos aparecen esquematizados en la Fig. 6.1. 86 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 6.2. Material y Método 6.2.1. Maniquí antropomórfico Norma Como ya hemos explicado en la sección 6.1, precisamos de un medio heterogéneo sobre el cual queremos medir distribuciones de dosis en condiciones de desequilibrio electrónico. Para ello, contamos con el maniquí antropomórfico Norma (Sánchez-Doblado et al., 2012; Domingo et al., 2011) En su diseño original (Fig. 6.2) podemos apreciar diferentes regiones que simulan partes específicas del cuerpo de una mujer adulta. Siguiendo la descripción de los materiales del maniquí, en la región Tórax se tiene madera de balsa y polietileno. No obstante, para desarrollar nuestra idea de producir un medio heterogéneo con cambios de densidad abruptos más cercanos a la realidad anatómica humana, diseñamos una adaptación de uno de los bloques de madera de balsa, que forman parte del pulmón derecho del maniquí, hacia un nuevo volúmen que tenga presente tanto la caja torácica como la posibilidad de presencia de un volumen tumoral. Para ello, hemos incluido una sección en forma de “L” de polietileno albergando bloques de madera de balsa de dimensiones concretas. El soporte de polietileno presenta incursiones rectangulares sobre las cuales se disponen barras de teflón que simulan las costillas humanas. Los detalles de los elementos descritos se encuentran presentes en el Anexo I. Figura 6.2: . Esquema original del maniquí antropomórfico Norma (Sánchez-Doblado et al., 2012) en alzado (figura superior) y planta (figura inferior). En la Fig. 6.3, el maniquí está dispuesto sobre la mesa de tratamiento 6.2. Material y Método 87 Figura 6.3: . Disposición del maniquí antropomórfico Norma en la mesa de tratamiento del linac Siemens Oncor Impression Plus incluyendo las mejoras basadas en nuestro diseño para una mayor heterogeneidad del medio. del linac Siemens Oncor Impression Plus y observamos los cambios respecto al diseño original (Fig. 6.2) que hemos introducido con nuestro desarrollo. Es necesario recalcar que los bloques de madera de balsa (Fig. 6.4), situados debajo del soporte de polietileno, pueden permutar sus posiciones permitiendo disponer el detector en diferentes localizaciones. Como detalle de la situación del detector en nuestras medidas, en la Fig. 6.5 mostramos un cubo de madera de balsa de 6cm de arista, hueco con un borde 1cm, dentro del cual existen dos láminas de madera de balsa y dos láminas de polietileno que simular el volúmen tumoral. En el montaje experimental y dependiendo de la localización a estudiar, las láminas se han dispuesto con una orientación y posición individual específicas. En todos los casos analizados, el recorte de película radiocrómica se ha situado entre las dos láminas de polietileno. 94 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 (a) (b) Figura 6.8: Análisis gamma 3 % - 3 mm entre las distribuciones de dosis medida y calculada en a) geant4 y b) Pinnacle3, con un porcentaje respectivo de puntos que pasan el límite espacial-dosimétrico del 96,2% y 81,8%. El detector se estableció en la localización A para tratamientos simples (Fig. 6.7a). En el mapa de índices γel color azul representa un valor γ < 0,5, verde equivale a 0,5< γ < 0,75, gris por su parte 0,75 < γ ≤1, amarillo 1,0< γ < 1,5y rojo γ > 1,5. Siempre que el punto evaluado presente un índice γ≤1, habrá superado satisfactoriamente el criterio establecido. dosis son iguales a los descritos en la sección 4.1, pero definiendo factores de reciclaje de 25 y 50 en las fases segunda y tercera respectivamente. Junto a ello, hay que mencionar que contamos con un script en Matlab (MathWorks, Natick, MA) (MATLAB, 2008), que transforma nuestro fichero de texto con los resultados de los cálculos dosimétricos en geant4 en un archivo TIFF de 48 bits. Esta aplicación permite que nuestro fichero de salida esté en el mismo formato que los archivos generados tras las lecturas en escáner de los recortes de película radiocrómica. Por otro lado, la Planar Dose se mantiene en su formato original sin que efectúamos modificación alguna en el fichero. Para poder realizar las comparativas pertinentes entre distribuciones de dosis, contamos con el programa JJGamma codificado en Java y desarrollado por José Macías y Jesús Carlos Moreno en el Servicio de Radiofísica del HUVM. Nuestro propósito es obtener un mapa con el acuerdo obtenido entre distribuciones de dosis, según el índice gamma fijado, manteniendo como matriz de referencia la obtenida experimentalmente. 6.2. Material y Método 95 (a) (b) (c) Figura 6.9: Curvas de isodosis referidas a las distribuciones de dosis a) experimental, b) geant4 y c) Pinnacle3. Hemos representado las curvas del 105 % (naranja), 100 % (rojo), 95 % (verde) y 90 % (amarillo) de dosis normalizadas a 2Gy. El detector se dispuso en la configuración A de tratamientos simples (Fig. 6.7a). 96 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 (a) (b) (c) Figura 6.10: Análisis gamma entre las distribuciones de dosis medida y calculada geant4 a) 3 % - 3 mm, b) 2 % - 2 mm y c) 2 % - 1 mm, con un porcentaje respectivo de puntos que pasan el límite espacial-dosimétrico del 99,7%, 98,3% y 96,4% respectivamente. El detector se colocó en la localización B para tratamientos simples (Fig. 6.7a). En el mapa de índices γel color azul representa un valor γ < 0,5, verde equivale a 0,5< γ < 0,75, gris por su parte 0,75 < γ ≤1, amarillo 1,0< γ < 1,5y rojo γ > 1,5. 6.3. Resultados 97 (a) (b) Figura 6.11: Análisis gamma entre las distribuciones de dosis medida y calculada en Pinnacle3a) 3 % - 3 mm, b) 2 % - 2 mm, con un porcentaje respectivo de puntos que pasan el límite espacial-dosimétrico del 96,2% y 84,5%. El detector se situó en la localización B para tratamientos simples (Fig. 6.7a). En el mapa de índices γel color azul representa un valor γ < 0,5, verde equivale a 0,5< γ < 0,75, gris por su parte 0,75 < γ ≤1, amarillo 1,0< γ < 1,5y rojo γ > 1,5. 6.3. Resultados Verificación de tratamientos simples Localización A En este caso el tratamiento implica cuatro incidencias y un total de 307 MUs. En la Fig. 6.8 se muestran los mapas de las respectivas comparativas gamma entre la película radiocrómica y el TPS (Fig. 6.8b), con un 81,8% de puntos satisfaciendo un critero dosimétrico-espacial de 3 % - 3 mm, y entre la película radiocrómica y los cálculos geant4 (Fig. 6.8a), con un 96,2% cumpliendo el mismo criterio. Junto a ello, hemos representado las curvas de isodosis ligadas a las distribuciones de dosis calculadas y medida (Fig. 6.9). La incertidumbre local relativa (1σ) para los cálculos MC en la zona del máximo de dosis fue del 0,73 %, habiendo utilizado un vóxel de cálculo con dimensiones 1×1×0,028 mm3. Localización B En la localización B utilizamos cuatro incidencias y 291 MUs. Respecto a la diferenciación entre las medidas experimentales y los cálculos geant4 (Fig. 6.10) para criterios gamma de 3% - 3 mm, 2% - 2 mm y 2% - 1 mm, 98 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 (a) (b) (c) Figura 6.12: Curvas de isodosis referidas a las distribuciones de dosis a) experimental, b) geant4 y c) Pinnacle3. Hemos representado las curvas del 105 % (naranja), 100 % (rojo), 95 % (verde) y 90 % (amarillo) de dosis normalizadas a 2Gy. El detector se dispuso en la configuración B de tratamientos simples (Fig. 6.7a). 6.3. Resultados 99 (a) (b) (c) Figura 6.13: Análisis gamma entre las distribuciones de dosis medida y calculada geant4 a) 3 % - 3 mm y b) 2 % - 2 mm, con un porcentaje respectivo de puntos que pasan el límite espacial-dosimétrico del 99,3% y 95,9%. En la comparativa gamma 3 % - 3 mm entre los valores de dosis calculados en Pinnacle3y los medidos experimentalmente (subfigura c)) se detectó que un 90,4% de puntos lo cumplieron. El detector se estableció en la localización C para tratamientos simples (Fig. 6.7a). En el mapa de índices γel color azul representa un valor γ < 0,5, verde equivale a 0,5< γ < 0,75, gris por su parte 0,75 < γ ≤1, amarillo 1,0< γ < 1,5y rojo γ > 1,5. 100 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 (a) (b) (c) Figura 6.14: Curvas de isodosis referidas a las distribuciones de dosis a) experimental, b) geant4 y c) Pinnacle3. Hemos representado las curvas del 105 % (naranja), 100 % (rojo), 95 % (verde) y 90 % (amarillo) de dosis normalizadas a 2Gy. El detector se dispuso en la configuración C de tratamientos simples (Fig. 6.7a). 6.3. Resultados 101 (a) (b) (c) Figura 6.15: Análisis gamma entre las distribuciones de dosis medida y calculada geant4 a) 3 % - 3 mm y b) 2 % - 2 mm, con un porcentaje respectivo de puntos que pasan el límite espacial-dosimétrico del 98,0% y 89,9%. En la comparativa gamma 3 % - 3 mm entre los valores de dosis calculados en Pinnacle3y los medidos experimentalmente (subfigura c)) se detectó que un 83,3% de puntos lo cumplieron. El detector se estableció en la localización A para tratamientos complejos (Fig. 6.7b). En el mapa de índices γel color azul representa un valor γ < 0,5, verde equivale a 0,5< γ < 0,75, gris por su parte 0,75 < γ ≤1, amarillo 1,0< γ < 1,5y rojo γ > 1,5. 102 Capítulo 6. Limitaciones dosimétricas del TPS en medios heterogéneos. Comparativa con el código geant4 (a) (b) (c) Figura 6.16: Curvas de isodosis referidas a las distribuciones de dosis a) experimental, b) geant4 y c) Pinnacle3. Hemos representado las curvas del 105 % (naranja), 100 % (rojo), 95 % (verde) y 90 % (amarillo) de dosis normalizadas a 2Gy. El detector se dispuso en la configuración A de tratamientos complejos (Fig. 6.7b). 6.3. Resultados 103 (a) (b) (c) Figura 6.17: Análisis gamma entre las distribuciones de dosis medida y calculada geant4 a) 3 % - 3 mm y b) 2 % - 2 mm, con un porcentaje respectivo de puntos que pasan el límite espacial-dosimétrico del 98,0% y 93,1%. En la comparativa gamma 3 % - 3 mm entre los valores de dosis calculados en Pinnacle3y los medidos experimentalmente (subfigura c)) se detectó que un 74,2% de puntos lo cumplieron. El detector se estableció en la localización B para tratamientos complejos (Fig. 6.7b). En el mapa de índices γel color azul representa un valor γ < 0,5, verde equivale a 0,5< γ < 0,75, gris por su parte 0,75 < γ ≤1, amarillo 1,0< γ < 1,5y rojo γ > 1,5. Parte III Evaluación dosimétrica MC vs TPS de tratamientos de radioterapia en geometrías voxelizadas Capítulo 7 Herramienta universal geant4 para la simulación de geometrías voxelizadas a partir de ficheros DICOM Resumen: Hemos creado e implementado en el código geant4 para la simulación del linac Siemens Oncor Impression Plus una herramienta de carácter universal y versátil para la creación de geometría voxelizadas, a partir de la lectura de ficheros DICOM procedentes de un estudio CT de imagen. Nuestra idea es ahondar en la dependencia en términos de exactitud dosimétrica y tiempo de computación de parámetros clave propios del proceso de voxelización. Para ello, hemos usado un maniquí antropomórfico con materiales de distinta densidad, a fin de asegurar unas condiciones de heterogeneidad determinadas, y hemos validado los cálculos MC en geometrías voxelizadas frente a los resultados obtenidos experimentalmente. Además, una comparativa entre dichos cálculos y los obtenidos con el método geométrico intrínseco (descrito en el capítulo 6) fue efectuado para evaluar los límites dosimétricos de la aplicación desarrollada. Abstract: We have created and implemented a universal and versatile tool for the voxelized geometries creation, through CT scan DICOM files reading, in our geant4 code for the simulation of the Siemens Oncor Impression Plus linac. Our task is to delve into the dependence of key parameters exclusive of the voxelization process in terms of dosimetric accuracy and computation time. For that purpose, we have used an anthropomorphic phantom with materials of different known physical density (in order to ensure a heterogeneus medium with known properties) and we have validated our MC calculations at 113 114 Capítulo 7. Herramienta universal geant4 para la simulación de geometrías voxelizadas a partir de ficheros DICOM voxelized geometries, comparing them with our experimental results. Moreover, a comparison between these calculations and those obtained with the geometric intrinsic method (described in chapter 6) was done to assess the dosimetric limits of our developed application. 7.1. Fundamentos y descripción de la clase El protocolo DICOM(National Electrical Manufacturers Association (NEMA), 2003) se considera el estándar en los procesos de intercambio de información entre personal clínico e instalaciones operativas. En el caso que nos ocupa para radioterapia, las imágenes DICOM son obtenidas del estudio CT del paciente y serán empleadas en el TPS, a fin de proporcionar la información morfológica requerida en la planificación del tratamiento. Por lo tanto, es obligatorio trasladar esta información en los cálculos dosimétricos que llevemos a cabo en nuestras simulaciones MC. Según hemos podido constatar existen plataformas basadas en geant4 como GAMOS (Arce et al., 2011), GATE (Santin et al., 2013; Jan et al., 2011), PTSIM (Aso et al., 2010; Akagi et al., 2011) y TOPAS (Akagi et al., 2011; Perl et al., 2011) que han desarrollado e implementado sus propios códigos para proceder con la construcción de la geometría paciente. Mejoras en la implementación de este tipo de geometrías complejas, según estudios de diferentes grupos de investigación, han sido llevadas a cabo a fin de optimizar el cálculo de la dosis absorbida. Encontramos aplicaciones orientadas hacia una reducción de los tiempos de computación, basadas en modificaciones del código fuente geant4 (Jiang y Paganetti, 2004) y que realizan una asignación dinámica de densidad física, o clases originales que presentan ciertas mejoras en comparación con las ya existentes en el momento de desarrollo. Acerca del segundo tipo de aplicaciones, resaltamos el uso de algoritmos de compresión de vóxeles, basados en agrupación de elementos con características similares, capaces de reducir el número de vóxeles necesarios para reproducir los volúmenes a estudiar sin pérdidas significativas en el cálculo de dosis (Hubert-Tremblay et al., 2006). Otro ejemplo es el uso de una segmentación adaptada al volumen que se quiere modelar con una rutina para determinar las distancias entre puntos, permitiendo eliminar las fronteras entre materiales idénticos, lo cual reduce el tiempo de computación, y sin modificar el algoritmo de transporte de partículas (Sarrut y Guigues, 2008). Nuevas clases (Arce et al., 2008; Schümann et al., 2012) basadas en el método de navegación presentado por Jiang y Paganetti (2004) exponen mejoras en cuanto a un menor uso de memoria y una disminución considerable de los tiempos de cálculo, frente a los métodos convencionales de segmentación vóxel a vóxel encontrando reducciones en tiempos de computación de hasta un 27 %, manteniendo la 7.2. Desarrollo de la aplicación 115 misma cantidad de memoria a usar en las simulaciones MC. Una comparativa entre códigos de propósito general fue efectuada por Xiao et al. (2010) con el propósito de ilustrar resultados para geometrías voxelizadas con diferentes plataformas de simulación MC. También destacamos la inclusión de modelos híbridos que compreden voxelización y algoritmos analíticos para modelar los elementos a simular dentro de investigaciones en el marco de la física médica (Bert et al., 2016). En nuestro caso hemos desarrollado una clase para geant4, denominada DPatientConstruction, que permite una lectura universal de ficheros DICOM, i. e. sin importar el formato de exportación del archivo en sí, gracias a las librerías DCMTK (OFFIS - Institute for Information Technology, 1996). Nuestro objetivo es adaptar e implementar esta herramienta en nuestra aplicación geant4 para la simulación del cabezal del linac Siemens Oncor (ver capítulo 4). Se trata pues, de una clase c++ versátil capaz de integrarse en cualquier aplicación geant4 mediantes las obvias adaptaciones de la propia aplicación. Su campo de trabajo con ficheros DICOM engloba los ficheros DICOM-RTPlan y DICOM-RTDose, los cuales almacenan información relativa al tratamiento de radioterapia y a las matrices de dosis exportadas del TPS, respectivamente. De esta forma, tenemos una herramienta con una considerable utilidad para la verificación de tratamientos de radioterapia. En cuanto al proceso de voxelización, llevado a cabo por la herramienta presentada en este capítulo, todos los parámetros pueden ser establecidos por el usuario, lo que permite saber el impacto de cada uno de ellos en el cálculo de la dosis absorbida y en el tiempo de computación. Por lo tanto, nuestro premisa es adquirir la información asociada a la geometría del paciente y alcanzar el mejor balance entre el detalle anatómico y la velocidad de cálculo. A fin de ahondar en este objetivo, hemos efectuado una comparativa entre las distribuciones de dosis calculada y medida en el maniquí antropomórfico, presentado en el capítulo 6, el cual presenta regiones entre las cuales existe un alto gradiente de densidad. El fundamento de esta configuración reside, principalmente, en la comprobación de la bondad del modelo geométrico geant4 así como tener una cierta complejidad conocida en los materiales usados en esta evaluación. 7.2. Desarrollo de la aplicación Partiendo del ejemplo DICOM disponible en la documentación de la plataforma geant4 versión 10.01.p01 (/examples/extended/medical/DICOM), hemos realizado una serie de modificaciones en el código para conseguir una herramienta más compacta, flexible y versátil. Como resultado de estas variaciones hemos creado la clase DPatientConstruction como elemento principal para la creación de geometrías voxelizadas en las simulaciones 116 Capítulo 7. Herramienta universal geant4 para la simulación de geometrías voxelizadas a partir de ficheros DICOM MC, a partir de la lectura de ficheros DICOM. Esta clase se encuentra integrada en el código de la aplicación del cabezal del linac Siemens Oncor (capítulo 4), gracias a una serie de modificaciones efectuadas en la clase DetectorConstruction de dicha aplicación. Para poder establecer una comunicación por medio de comandos con la aplicación Siemens Oncor, en lo referente al proceso de creación de la geometría con DPatientConstruction, hemos generado la clase DPatientConstructionMessenger. Por otra parte, se han efectuado ligeras modificaciones en las clases encargadas del proceso de navegación de vóxeles, que será descrito más adelante, dando lugar a las clases DNestedParameterisation yDRegularParameterisation presentadas como las opciones disponibles para la navegación de vóxeles en la aplicación Siemens Oncor. Finalmente, en el proceso de producción del output hemos desarrollado la clase DicomPrinter que hace uso de un programa externo (sumDicomMaps), para la suma de todas las simulaciones desarrolladas en el clúster de computación. Un esquema resumido de las características principales de la aplicación Siemens Oncor con esta nueva herramienta lo encontramos en la Fig. 7.1, donde podemos observar que partiendo de la lectura de los ficheros DICOM de imagen exportados del TPS, producimos la geometría tras la lectura de la información de entrada por medio de la la clase DPatientConstruction. Es necesario mencionar que para efectuar esta voxelización conforme a nuestros requerimientos, debemos definir los parámetros concernientes a dicho proceso en un fichero de entrada *mac que será leído por nuestra aplicación Siemens Oncor. Como resultado de nuestros cálculos MC, en los volúmenes geométricos generados, tenemos un fichero .3ddose con la información dosimétrica. Figura 7.1: . Esquema del código global Siemens Oncor mostrándo los items requeridos para la generación de un fichero de dosis absorbida en formato .3ddose. Las flechas indican la relación entre los elementos expuestos, i. e. la clase DPatientConstruction hace uso de los ficheros DICOM de imagen exportados del TPS, la aplicación Siemens Oncor que contiene dicha clase hace uso de los parámetros establecidos en el fichero de entrada, para establecer los parámetros del procesos de voxelización gobernado por DPatientConstruction y como resultado de nuestras simulaciones tenemos un fichero de salida en formato .3ddose. 7.2. Desarrollo de la aplicación 117 En primer lugar, necesitamos leer cualquier formato DICOM exportable de diferentes TPSs, contando para tal propósito con las librerías DCMTK. Se trata de un código capaz de analizar los datos contenidos en un fichero DICOM, siempre y cuando en el desarrollo de nuestra aplicación, empleando el lenguaje c++, hagamos una correcta selección de las cabeceras (ficheros de extensión .h) para poder acceder a los métodos que permiten el análisis de la información contenida en los ficheros DICOM de imagen y DICOM-RTPlan. Al margen de este proceso de creación de geometrías voxelizadas, es necesario mencionar que la rutina creada lee y almacena los datos relativos a cada campo de radiación perteneciente al tratamiento de un paciente, almacenados en el fichero DICOM-RTPlan, i. e. ángulo de gantry, colimador, aperturas de colimadores, peso relativo en el tratamiento, MUs, coordenadas del isocentro, etc. A continuación, almacenamos en un fichero ASCII (meta.data) aspectos de las matrices de imágen del estudio como el número de filas, el número de columnas, el tamaño de píxel, etc. Por otro lado, creamos un fichero ASCII (nombre-fichero-DICOM.data) por archivo DICOM de imagen donde guardaremos los valores de píxel expresados en HU (Hounsfield Unit). Éstos representan el coeficiente de atenuación (relativo al coeficiente de atenuación del agua) de un material en el caso de maniquí, o tejido para el caso del cuerpo humano, que ha sido irradiado. Como sabemos, es factible generar una relación entre el valor de píxel y la composición del tejido o material(Schneider et al., 2000), con lo cual gracias a esta primera etapa hemos obtenido todos los elementos requeridos para construir la geometría de interés. Otra característica exclusiva que cabe destacar de nuestra herramienta es la posibilidad de eliminar la mesa del equipo CT de las imágenes del estudio, para así conseguir condiciones de cálculo similares a las del TPS. Esta prestación afecta la exactitud de los resultados en el cálculo dosimétrico, al igual que el valor de compresión de píxel. La compresión es el proceso agrupación de píxeles con un valor que debe ser múltiplo de las dimensiones de la matriz de píxeles, dando un píxel resultante cuyo magnitud es el promedio los píxeles agrupados y sus dimensiones la suma de las pertenecientes a cada componente de la agrupación. En nuestro caso, para una matriz de imágenes DICOM de dimensiones 512×512 y tamaño de píxel 1×1mm2la compresión puede comprender valores que son potencia de 2, por ejemplo al hacer una compresión 4 reducimos las dimensiones de la matriz original a 128 ×128 y el tamaño de píxel pasa a ser 4×4mm2. Por otro lado, esta magnitud compremete la velocidad de cálculo de manera que a menor compresión mayor tiempo de cálculo. El modo de navegación de vóxeles también está relacionado con el tiempo de cálculo. En concreto, geant4 permite escoger varios algoritmos para llevar a cabo dicho proceso, existiendo diversos estudios que han comparado 118 Capítulo 7. Herramienta universal geant4 para la simulación de geometrías voxelizadas a partir de ficheros DICOM la eficiencia de cada unos de ellos (Sarrut y Guigues, 2008; Schümann et al., 2012). La parametrización (Jiang y Paganetti, 2004), un método que reduce el uso de memoria en la simulación MC y que es exclusivo de geant4, se encuentra disponible en nuestra aplicación siendo posible elegir entre dos opciones para la construcción del modelo geométrico del paciente, que concretamente son DNestedParameterisation yDRegularParameterisation que derivan de las clases G4VNestedPArameterisation y G4PhantomParameterisation, descritas en Schümann et al. (2012). Respecto a la interfaz gráfica usada en la visualización de volúmenes, que en nuestro caso hemos usado OpenGL complementado por las librerías Qt (Qt Company, 1997), podemos emplear diversos mapas de colores de manera que los volúmenes modelados en geant4 aparezcan caracterizados de forma específica. El fichero de dosis a la salida sigue el formato .3ddose, propiciando una comparativa con los resultados dosimétricos calculados con el código DOSXYZnrc (Walters et al., 2009). Es muy importante mencionar que todas estas prestaciones se establecen a través de comandos, de manera que podemos fijar un valor determinado para los parámetros descritos anteriormente en un fichero de texto editable. Figura 7.2: . Esquema de la clase DPatientConstruction para la creación del modelo geométrico voxelizado del maniquí en geant4, a partir de la lectura de los ficheros de imagen DICOM exportados del TPS. Junto a esta clase principal para la voxelización de geometrías de interés, encontramos la clase DPatientConstructionMessenger necesaria para la comunicación por comandos con DPatientConstruction a través de un fichero de entrada macro .mac. Por otro lado, DPatientConstruction puede hacer uso de DNestedParameterisation oDRegularParameterisation para la navegación de vóxeles, y de la clase DicomPrinter para la generación del fichero .3ddose de salida. En la Fig. 7.2 observamos un análisis en profundidad de la clase DPatientConstruction como vector principal del proceso de voxelización. El establecimiento de los parámetros principales, que marcan dicho proceso, es 7.2. Desarrollo de la aplicación 119 factible gracias al archivo de entrada editable .mac que presenta una serie de comandos definidos en la clase DPatientConstructionMessenger. Por otro lado, para la navegación de vóxeles la clase DPatientConstruction hace uso de la clase DNestedParameterisation oDRegularParameterisation, según el usuario haya elegido un modo u otro en el archivo .mac. Los parámetros, junto a sus respectivos comandos para su establecimiento en la simulación MC, que definen la construcción del modelo geométrico basado en los ficheros de imagen DICOM son los siguientes: Directorio DICOM (/DicomPatient/ImagesDirectory): Contiene los ficheros ASCII con los valores de píxel de cada imagen del estudio CT, (nombre-fichero-DICOM.data), además del fichero con la información global de dicho estudio (meta.data). Curva Calibración CT (/DicomPatient/FCalibration): Definida para el equipo CT Toshiba XVision/EX presente en el HUVM, permite establecer una correspondencia entre densidad física y valor de píxel en HU. La obtención de esta curva se realizó siguiendo el procedimiento descrito en (Schneider et al., 1995) utilizando el maniquí estequiométrico CIRS 062M. Los materiales incluidos son los existentes en el maniquí y sus respectivas composiciones fueron precisadas según especificaciones del fabricante. Mapa para Representación Gráfica (/DicomPatient/FMap- Colour): Empleado para otorgar un aspecto gráfico concreto a los volúmenes a representar en OpenGL. Navegación Vóxel (/DicomPatient/Navigation): Permite elegir entre las dos opciones de navegación de vóxel mencionadas, i. e. G4VNestedParameterisation yG4PhantomParameterisation, según las clases DNestedParameterisation yDRegularParameterisation respectivamente. Compresión Valores CT (/DicomPatient/compression): Establecemos la compresión de valores píxel en un valor potencia de 2 a partir de las dimensiones iniciales del fichero de imagen, i. e. 512 ×512 píxeles. Altura Eliminación Mesa CT (/DicomPatient/HeightLimit): Definimos la altura, según el sistema de coordenadas DICOM, por debajo de la cual eliminamos toda la información de píxel existente en las imágenes. De esta forma, excluimos del cálculo dosimétrico la mesa del equipo CT, a fin de situarnos en el mismo contorno geométrico que el TPS. En sustitución de dicho tablero generaremos, con la clase G4Box, la mesa del acelerador Siemens Oncor Plus Impression siguiendo las especificaciones del fabricante. 126 Capítulo 7. Herramienta universal geant4 para la simulación de geometrías voxelizadas a partir de ficheros DICOM (a) (b) Figura 7.9: Dosis calculadas con geometrías voxelizadas a) en geant4 y b) en el TPS Pinnacle3(líneas gruesas) comparadas con la calculada en la geometría generada a través del método intrínseco(línea delgada). Hemos representado las isodosis, respecto al máximo de dosis, del 100 % (rojo), 90 % (naranja), 80 % (amarillo), 70 % (verde) y 50 % (cyan). 7.3. Evaluación dosimétrica de los cálculos Montecarlo 127 para así comprobar el grado de similitud dosimétrico-espacial entre ellas. Para un criterio de 3 % - 3 mm hemos realizado una comparativa de la distribución de dosis calculada, con un factor de compresión de píxel 1, frente a la medida experimentalmente (Fig. 7.7). Encontramos que un 96,34 % de puntos que satisfacen los criterios de limitación espacial (3mm) y dosimétrico (3 %) que hemos concretado en nuestro estudio. Una vez validada la voxelización del maniquí, debemos contrastar las distribuciones de dosis obtenidas en geant4 con el método intrínseco frente a las reproducidas con geometrías voxelizadas. Para ello, partimos del resultado conseguido con geant4 (Figs. 7.4-7.5), con esta configuración del maniquí, y lo compararemos con cálculos reproducidos según distintas magnitudes de compresión de píxeles. En la Fig. 7.8 apreciamos la evolución de la distribución de dosis (línea gruesa) calculada en geometrías voxelizadas frente a la obtenida (línea fina) con la geometría creada según el método intrínseco, para valores de compresión de 1, 2 y 4. Junto a ello, y a fin de evaluar la relación exactitud frente al coste de tiempo, en la Tabla 7.1 hemos detallado los tiempos de cálculo, según la compresión descrita en el cálculo, para una simulación MC de una de las incidencias tratadas. Un último aspecto relevante en este estudio reside en el modo de navegación escogido. Dosimétricamente no hemos visto grandes diferencias entre los modos analizados, aunque sí existe un notable diferencia en los tiempos de computación. Concretamente, hemos detectado un incremento de tiempo del 45 % al usar la clase DNestedParameterisation frente a DRegularParameterisation. Finalmente, y a modo de ilustrar las ventajas en términos de precisión y exactitud espacial-dosimétrica del cálculo MC con geant4 frente a los del TPS, hemos representado gráficamente en CARMEN las curvas de isodosis correspondientes a las distribuciones de dosis geant4 y TPS Pinnacle3frente a la calculada en geant4 con las clases geométricas propias (Fig. 7.9). Es necesario indicar que en el TPS se estableció una resolución de cálculo de 2×2×2mm3y se empleó la opción más exacta del algoritmo de cálculo. Valor de compresión 1 2 4 Tiempo 152m 46s 93m 44s 74m 18s Tabla 7.1: Tiempo de computación global en geant4 para diferentes valores de compresión de píxel. 128 Capítulo 7. Herramienta universal geant4 para la simulación de geometrías voxelizadas a partir de ficheros DICOM 7.4. Discusión y conclusiones Los valores calculados con geant4 tras culminar la voxelización del maniquí arrojan una precisión y exactitud espacial-dosimétrica, que se encuentran dentro de los límites habituales en los procesos de verificación de tratamientos de radioterapia. Esta afirmación se basa en el alto porcentaje de puntos que cumplen la comparativa gamma de 3 %-3mm efectuada, así como la concordancia con la solución obtenida en el capítulo 6 para la configuración de elementos que hemos estudiado. Además, a menor compresión de píxel la distribución de dosis calculada se asemeja a la obtenida con el metodo intrínseco. Por tanto, esta magnitud juega un papel importante a la hora de determinar la exactitud que precisamos en el cálculo, pero también influye notablemente en el tiempo de computación requerido, como hemos observado en la Tabla 7.1. En lo referente a los modos de navegación, destacamos el mayor tiempo de cálculo necesario para la clase DNestedParameterisation, lo cual evidencia las ventajas de emplear la clase DRegularParameterisation a fin de optimizar las simulaciones MC. Por tanto, para medios heterogéneos como el examinado (e incluso casos más complejos) se requiere de una compresión igual a 1 y una navegación de vóxeles basada en la clase G4PhantomParameterisation. En este capítulo, hemos validado dosimétricamente una herramienta que permite incluir en aplicaciones geant4 geometrías obtenidas a partir de estudios de imagen médica. Es decir, hemos creado la base para la inclusión del paciente en nuestros estudios MC. De esta forma, implementamos completamente en nuestra aplicación Siemens Oncor todos los elementos clave para llevar a cabo la verificación MC de un tratamiento de radioterapia, y así comenzar la evaluación de las desviaciones dosimétricas, respecto a los cálculos en el TPS, observadas en paciente y sus posibles implicaciones clínicas. Por otra parte, su carácter versátil facilita su adaptación a cualquier aplicación desarrollada en geant4, efectuando una serie de modificaciones en la clase DetectorConstruction de dicha plataforma. Para culminar, recordamos la capacidad de lectura de cualquier formato DICOM con nuestra herramienta, gracias a la implementación de las librerías DCMTK, otorgándole un carácter ampliamente universal. En cuanto a otros parámetros que son clave para la definición de la geometría voxelizada, con respecto al factor de compresión de píxel hemos encontrado como mejor opción la no compresión de las matrices de imagen. Pese a que esto supone un mayor tiempo de cálculo y memoria disponible, esta opción permite obtener valores de dosis acordes con los requerimientos espacio-dosimétricos según American Association of Physicists in Medicine (2004). En lo que respecta al modo de navegación, sólo hemos hallado cambios en los tiempos de computación sin observar discrepancias dosimétricas significativas. Finalmente, las divergencias apreciadas en la Fig. 7.9 nos 7.4. Discusión y conclusiones 129 indican que nuestra herramienta es capaz de generar una solución más exacta y precisa que la conseguida a través del TPS. Este hecho justifica que se verifique también con geant4 los cálculos de TPS en tratamientos clínicos reales para pacientes, los cuales presentan áreas de tratamiento con un alto grado de heterogeneidad, y hace enfásis en las capacidades de la plataforma geant4 y su validez dentro del marco de la física médica. Capítulo 8 Determinación de las desviaciones dosimétricas del TPS en tratamientos de radioterapia de cáncer de pulmón Resumen: Nuestro objetivo en este capítulo es efectuar verificaciones de tratamientos de radioterapia de pacientes con cáncer de pulmón, con el código geant4, a través de nuestra aplicación Siemens Oncor. Se han analizado tres casos clínicos de cáncer de pulmón con un esquema de fraccionamiento convencional (2 Gy/fracción), diferenciados por el tamaño y localización tumoral, evaluando las distribuciones de dosis calculadas con geant4 y TPS en paciente y los histogramas dosisvolumen asociados a ambas distribuciones. También, se ha efectuado una comparativa gamma 3 %-3 mm entre dichas distribuciones de dosis por cada caso clínico en particular. Como parámetros clave en la distribuciones de dosis se han comparado los índices CI (Conformity Index) y HI (Homogeneity Index) entre los cálculos con geant4 y los del TPS en cada tratamiento. Junto a ello, se han estimado las variaciones de la TCP (Tumor Control Probability) en función de las heterogeneidades asociadas a las distribuciones de dosis calculadas con geant4 y TPS, empleando el modelo lineal-cuadrático con una relación α βde 10 Gy y densidad de células tumorales ρde 107células/cm3. Se han obtenido variaciones de la TCP cercanas al 4 % conformes a los valores de CI y HI obtenidos por caso clínico. Por otro lado, se han observado principalmente sobrestimaciones o infraestimaciones, según el caso clínico, del valor de dosis absorbida en el volumen tumoral, lo 131 132 Capítulo 8. Determinación de las desviaciones dosimétricas del TPS en tratamientos de radioterapia de cáncer de pulmón cual evidencia la individualidad en el comportamiento de los cálculos obtenidos con el método MC. Además, las distribuciones de dosis calculadas con geant4 han sido más heterogéneas. A la vista de estos resultados, nuestra aplicación Siemens Oncor permite llevar a cabo la evaluación dosimétrica y radiobiológica de tratamientos de radioterapia para casos clínicos reales, lo que implica la conformación de un sistema MC de verificación dosimétrica. Abstract: In this chapter our task is to perform verification of treatment plans of lung cancer patients with the geant4 code using our Siemens Oncor application. Three clinical lung cancer cases with a normal fractionation scheme (2 Gy/fraction) have been analysed. These cases are distinguished by their tumoral size and localization. An evaluation of the dose distributions in patient calculated with geant4 and TPS and dose-volume histograms associated to both dose distributions has been done in every single treatment. Furthermore a gamma analysis 3 %-3 mm has been done and we have compared CI and HI index, which are dose distribution key parameters, between geant4 and TPS calculations for each clinical case. Moreover we have estimated TCP variations due to heterogeneties associated to calculated dose distributions with geant4 and TPS. Lineal-quadratic model has been used for this purpose with a α βratio f 10 Gy and aρtumoral cell density of 107cells/cm3. TCP variations close to 4 % have been obtained which are agree with are in agreement with the CI and HI values calculated in each clinical case. On the other hand, we have detected overestimation or underestimation, depending on the particular treatment, of dose values in tumoral volume which evidences the individual behaivour of the calculations achieved with MC method. Furthermore, geant4 calculated dose distributions are more heterogeneous. In view of this outcome, our Siemens Oncor application allows to obtain a radiobiologic and dosimetric evaluation of radiotherapy treatment plans for real clinical cases, which implies the constitution of a MC system of dosimetric verification. 8.1. Introducción En la planificación de un tratamiento de radioterapia partimos de una dosis prescrita en el PTV necesaria para alcanzar una TCP, de tal magnitud que asegure el control de la enfermedad. En el proceso de planificación debemos hallar una solución dosimétrica que además de administrar la dosis prescrita en PTV minimize la dosis en OARs, tomando como valor límite las ligaduras dosis-volumen en órganos sanos basadas en estudios retrospectivos (Marks et al., 2010), de forma que las probabilidades de aparición de toxicidades (cuantificadas según la NTCP) sean lo más bajas posible. El uso de técnicas de intensidad modulada como la IMRT, permiten conformar altas 8.1. Introducción 133 dosis en volúmen tumoral, minimizando la dosis en OARs; para ello deben establecerse altos gradientes de dosis que deben ser verificados. Por lo tanto, es necesario usar algoritmos de cálculo de dosis con una alta exactitud y una incertidumbre asociada máxima situada entre 2%-3% (Fraass et al., 2003), dentro de una incertidumbre global ≤5 %. Estas técnicas llevan asociadas, en general, la presencia de campos de radiación pequeños respecto al rango de electrones puestos en movimiento. En dicho campos no existe, por tanto, equilibrio electrónico lateral e incluso se ocluye parcialmente la fuente de radiación. Junto a ello, la presencia de heterogeneidades en el cálculo dosimétrico exige métodos capaces de modelar todos los procesos físicos involucrados en el transporte de partículas, a fin de determinar correctamente la distribución de dosis como vimos en el capítulo 6. Los resultados expuestos en dicho capítulo demuestran la capacidad del método MC (en particular del código geant4) de cumplir dichos requerimientos, planteándonos su viabilidad en la planificación y/o verificación de casos clínicos reales. En el caso de cáncer de pulmón, y dadas la composición química y baja densidad física del tejido pulmonar, los efectos de desequilibrio electrónico lateral son notables, propiciando que el cálculo de dosis con algoritmos convencionales no sea el más adecuado. Este hecho provoca divergencias dosimétricas notables en el cubrimiento dosimétrico del PTV, homogeneidad de la distribución dosimétrica en el tumor y dosis en OARs, al comparar resultados en pacientes entre diversos algoritmos de cálculo (Vanderstraeten et al., 2006; Hasenbalg et al., 2007; Altman et al., 2012; Ojala et al., 2014; Hardcastle et al., 2016; Disher et al., 2012; Liu et al., 2016; Zvolanek et al., 2017). Vanderstraeten et al. (2006) efectuaron una evaluación de cálculos dosimétricos en pacientes con cáncer de pulmón llevados a cabo por algoritmos de superposición-convolución y Pencil Beam. Se registraron discrepancias máximas superiores al 5 % frente a los valores MC (obtenidos con el código MCDE) según el algoritmo de cálculo y la energía de los haces de fotones. Hasenbalg et al. (2007) obtuvieron desviaciones medias en tumores de pulmón cercanas al 0.4% efectuando un estudio similar al anterior para algoritmos de superposición-convolución., remarcando que el cubrimiento tumoral y la homogeneidad de la distribución en éste se ve seriamente afecta por la exactitud del algoritmo empleado. En esta misma línea apuntan otros estudios que señalan además una menor dosis en OARs(Altman et al., 2012; Ojala et al., 2014; Hardcastle et al., 2016). Junto a estos estudios de análisis de algoritmos, otros grupos de investigación han apreciado una notable dependencia de la dosis con la densidad en pulmón. Concretamente, encontramos el trabajo efectuado por Liu et al. (2016) que partiendo de estudios dosimétricos en maniquíes heterogéneos, similares a estudios anteriores (Aarup et al., 2009), afirma la necesidad de incluir una tolerancia específica para el material equivalente 134 Capítulo 8. Determinación de las desviaciones dosimétricas del TPS en tratamientos de radioterapia de cáncer de pulmón a pulmón, en el proceso de obtención de la curva de calibración del CT. Zvolanek et al. (2017) señalan la versatilidad y exactitud del método MC para obtener la dosis en situaciones de cambios de densidad abruptos, habituales en la región del tórax, y movimientos de órganos frente a opciones más comunes, i. e. algoritmos de superposición-convolución y pencil beam. Otro de los efectos estudiados es el desequilibrio electrónico lateral (Disher et al., 2012). Si bien se ha apuntado a futuras mejoras terapéuticas según el conocimiento dosimétrico dado a través de los cálculos MC, también se ha tratado las ventajas clínicas del uso de los gradientes de dosis, derivados por la falta de equilibrio electrónico lateral, para tratar tumores de pulmón pequeños (Disher et al., 2013). Gracias a la exactitud de los cálculos dosimétricos, por medio de simulaciones MC, es factible establecer una relación causa-efecto más certera en células tumorales y sanas, a lo que se añade, según el caso estudiado, la posibilidad de escalamiento de la dosis en tumor. Nuestro objetivo en este capítulo es evaluar tratamientos en pacientes reales con cáncer de pulmón. Para ello, se obtendrán distribuciones de dosis a través de la plataforma geant4 y compararlas con las alcanzadas con el TPS Pinnacle3v9.8 (Philips Medical Systems, Milpitas, CA) existente en el HUVM, registrando las principales diferencias en valores dosis-volumen para los tejidos evaluados en pacientes de cáncer de pulmón. Tras ello, se valorarán las TCPs de las distribuciones de dosis calculadas en cada paciente con el propósito de esclarecer las cualidades radiobiológicas de las planificaciones de tratamientos analizadas. Hasta la fecha y según nuestro conocimiento, no se han registrado trabajos con geant4 que contemplen una evaluación completa de distribuciones de dosis en pacientes, con este tipo de tratamientos, incluyendo distribuciones de dosis superpuestas a las imágenes CT, resúmenes de cada tratamiento por medio de la representación del DVH (Dose-Volume Histogram), el análisis gamma (Low et al., 1998) (mirar sección 6.1) entre las distribuciones de dosis calculadas en TPS y geant4, y las implicaciones radiobiológicas según los valores de TCP y dosis en OARs hallados. Por tanto, contemplamos una doble finalidad en esta tarea, pues por un lado vamos a verificar la exactitud dosimétrica de la opción rutinaria frente al método MC, a través de la plataforma geant4, y en relación a estas discrepancias vamos a determinar el impacto que conllevan en paciente según el control local de la enfermedad. 8.2. Material y Método 8.2.1. Planificaciones de tratamientos estudiadas Hemos estudiado las planificaciones de tres casos de cáncer de pulmón, y en cada una de las cuales se ha empleado una técnica con fotones concreta, cubriendo así las diversas opciones de tratamiento radioterápico con fotones. 8.2. Material y Método 135 Como ya hemos visto anteriormente, la herramienta fundamental en el cálculo clínico de la distribución de dosis en pacientes es el programa TPS Pinnacle3v9.8 (Ahnesjö, 1989; Papanikolaou et al., 1993). Para todas las planificaciones de tratamiento hemos establecido una energía de fotones de 6MV, y se ha usado el algoritmo de cálculo Collapsed Cone con un tamaño de vóxel de 2×2×2mm3. Además, presentan el mismo esquema de fraccionamiento basado en 33 fracciones (con 2Gy por fracción) para administrar la dosis prescrita en PTV de 66 Gy. Paciente Estadio Volumen Técnica Incidencias Segmentos MUs tumoral tumoral (cm3) de tratamiento 1 IIIB 116,07 IMRT Directa 4 11 301 2 IIIB 347,03 IMRT Inversa 9 34 729 3 IIIA 83,06 3D-CRT 6 6 291 Tabla 8.1: Características generales de las planificaciones de tratamiento estudiadas. Las diferencias de los tratamientos residen en el estadio del tumor, según los criterios estudiados en la sección 1.1.4, y en la técnica de tratamiento establecida para la administración de la dosis, i. e. 3D-CRT o IMRT inversa o directa. En la Tabla 8.1 observamos las características de cada uno de los casos clínicos verificados, en base a las cualidades mencionadas anteriormente. Una vez obtenidas las distribuciones de dosis en el TPS por cada caso, procedemos a exportar la información concerniente a cada planificación de tratamiento. Básicamente, necesitamos extraer de Pinnacle3los ficheros de imagen CT, el archivo DICOM-RTStruct que presenta las distribuciones espaciales de todas las órganos y volúmenes de interés y el fichero DICOM- RTDose con las matrices de dosis calculadas. El contenido anatómico y de volúmenes de interés es la base sobre la que se dispondrán las matrices de dosis calculadas, en el TPS y geant4, en el proceso de verificación. 8.2.2. Caracteríticas de las simulaciones Geant4 Por cada planificación se han simulado 2×1010 eventos en la aplicación global Siemens Oncor, empleando la clase DPatientConstruction (ver capítulo 7) para poder incluir la anatomía particular de cada paciente en la simulación MC, a través de la segmentación de los ficheros DICOM de imagen pertenecientes al estudio CT. Hemos establecido como elementos de registro de dosis cada vóxel que constituye el volumen del paciente, hemos eliminado la mesa del equipo CT de la geometría paciente, mientras que no hemos efectuado ninguna compresión de valores en las matrices de imagen, tal y como aconsejamos anteriormente. El esquema de simulaciones es idéntico al