A comparison of two clinical correlation models for dynamic tumor tracking with a focus on geometrical accuracy
P { margin-bottom: 0.08in; }
Laat even je verbeelding de vrije loop. Vandaag ben jij radiotherapeut. Je weet dat je met behulp van ioniserende straling weefsel kan laten afsterven. Gezien zowel een kwaadaardige tumor als gezond weefsel kan aangetast worden, is het noodzakelijk dat de therapie met een hoge precisie wordt uitgevoerd. De locatie van de tumor moet perfect gekend zijn en de straling moet exact op die locatie invallen, nergens anders. Je zit aan je bureau in het ziekenhuis waar je te werk gesteld bent en een nieuwe patiënt komt binnen. Diagnose? Een bewegende longtumor die enkele centimeter verschuift telkens de patiënt ademhaalt, hoest of zucht. Bij een standaard radiotherapie behandeling wordt een stilstaande stralingsbundel met millimeter nauwkeurigheid op de patiënt gericht, naar de plaats waar de tumor zich bevindt. Maar wat doe je, jij als radiotherapeut, in het geval van een bewegende tumor? Naar waar richt je de schadelijke ioniserende straling als de tumor zich na enkele seconden op een andere plaats bevindt?
Het antwoord bestaat uit twee toestellen die momenteel in gebruik zijn, de Cyberknife en de Vero. Beide toestellen zijn in staat om de stralingsbundel te laten bewegen en zo de bewegende tumor te volgen op zijn traject. Om dit echter mogelijk te maken is het noodzakelijk om continu en met grote precisie te weten waar de tumor zich bevindt. Hoe? Je denkt misschien meteen aan radiografie of een andere vorm van medische beeldvorming, maar dat is het niet. Ken je de slogan 'Medische beelden zijn geen vakantiekiekjes'? Hij komt uit een sensibiliseringscampagne van de federale overheid, die tracht duidelijk te maken dat ook medische beelden schadelijk zijn en slechts mogen gemaakt worden wanneer echt nodig. Waarom? Omdat ook hier opnieuw ioniserende straling gebruikt wordt. Een tumor lokaliseren met behulp van ioniserende straling tijdens een behandeling van mogelijk meer dan 30 minuten zou leiden tot een te grote stralingsdosis, hoofdzakelijk op de gezonde huid van de patiënt. Een andere methode moet dus aangewend worden om continu de locatie van de tumor te kennen. Kan jij een oplossing bedenken?
HET SURROGAAT
Wel, als je niet naar de tumor kan kijken, dan baseer je je op iets dat je wel kan zien. En dat is bij beide toestellen het borstoppervlak dat eveneens beweegt wanneer de patiënt ademt, zucht of hoest. Voor de start van elke behandeling wordt de beweging van de tumor met een wiskundig model gecorreleerd aan de beweging van het borstoppervlak. Zo kan men zich tijdens de behandeling baseren op het bewegende borstoppervlak om de positie van de tumor te achterhalen. Hoe beter de correlatie van het wiskundig model, hoe nauwkeuriger de lokalisatie van de tumor. De Cyberknife en de Vero gebruiken echter elk een verschillend wiskundig correlatiemodel. Bij de futuristisch klinkende Cyberknife is het wiskundig model vrij uitgebreid en complex, met meerdere onderdelen. De Vero daarentegen moet het stellen met een veel eenvoudigere versie, maar houdt naast de positie van het borstoppervlak ook rekening met de snelheid ervan.
'LESS IS MORE'
Beide modellen werden getest in dezelfde klinische omstandigheden, op data afkomstig van dezelfde patiënten. Hieruit bleek dat het eenvoudig model van de Vero op zijn minst evenredig is aan het complexe model van de Cyberknife. Beide modellen maken het mogelijk om op basis van het borstoppervlak de locatie van de tumor met de nodige nauwkeurigheid te bepalen. Ook werd bevestigd dat de hoeveelheid data en het type data om het model te bouwen van cruciaal belang zijn. Wel moet steeds de afweging gemaakt worden tussen de hoeveelheid data en de stralingsdosis voor de patiënt, gezien een deel van de data enkel kan bekomen worden met behulp van medische beeldvorming. Verder is het ook zo dat het wiskundig model bij beide toestellen doorheen elke behandeling een of meermaals moet geüpdatet worden. In werkelijkheid wordt het wiskundig model van de Vero helemaal opnieuw gebouwd wanneer blijkt dat het huidig model niet meer voldoet. De Cyberknife daarentegen update het wiskundig model continu maar slechts gedeeltelijk, tenzij het bekomen model ook dan nog niet voldoet, waarna een volledig nieuw model wordt gebouwd. Bij het testen van beide modellen kon worden vastgesteld dat de graduele update methode van de Cyberknife het meest effectief is, wat wil zeggen dat met deze methode de locatie van de tumor doorheen de ganse behandeling het best bepaald wordt. Verrassend genoeg kon er tenslotte ook worden vastgesteld dat de graduele update methode van de Cyberknife op het complexe Cyberknife model zelf eigenlijk geen invloed heeft. Dit zou te wijten zijn aan de beperkte hoeveelheid data dat het Cyberknife model gebruikt.
OPTIMALISATIE
Deze verzameling aan nieuwe informatie maakt het mogelijk om de behandeling van bewegende longtumoren verder te optimaliseren. De behandeling kan met een grotere precisie worden uitgevoerd wat de kans op complicaties vermindert en de controle van de tumor verhoogt. Ook het comfort van de patiënt kan mogelijks toenemen door een daling van de behandelingsduur.
De volgende uitdaging? De behandelingstechniek uitbreiden naar bewegende tumoren die niet worden aangestuurd door de ademhaling van de patiënt. Denk bijvoorbeeld aan tumoren nabij het hart, waar de bewegingen nog veel vlugger zijn en gestuurd worden door een compleet ander mechanisme. Enig idee op welk zichtbaar signaal we ons dan kunnen baseren om de locatie van de tumor te kennen? Jij was tenslotte de radiotherapeut vandaag, toch?
Bibliografie
[1] Belgium Cancer Registry. Belgium: Females/Males, number of invasive tu-
mours by primary site and age group in 2011. http://kankerregister.org/
[2] World Health Organization, International Agency for Research on Cancer.
Estimated Cancer incidence, mortality and prevalence worldwide in 2012:
GLOBOCAN 2012. http://globocan.iarc.fr/Pages/fact sheets cancer.aspx,
2014.
[3] Ferlay J., et al. Estimates of worldwide burden of cancer in 2008: GLOBO-
CAN 2008. International Journal of Cancer 2010;127:2893-917.
[4] Belgian Federal Government,
Algemene Directie Statistiek en
Economische Informatie.
Bevolking - Doodsoorzaken 1998-2011.
http://statbel.fgov.be/nl/statistieken/cijfers/bevolking/sterfte leven/oorzaken/,
2013.
[5] Edwards B.K., Brown M.L., Wingo P.A., et al. Annual Report to the Nation
on the Status of Cancer, 1975 2002, Featuring Population-Based Trends in
Cancer Treatment. Journal of the National Cancer Institute 2005;97:1407-27
[6] Lefemme C., Kelly W., Reynolds R., et al. Radiation, Cell Cycle and Cancer.
Los Alamos Science 1995;23:51-89.
[7] Joiner M. and van der Kogel A. Basic Clinical Radiobiology. by Hodder
Arnold 2009 ISBN 978-0-3409-2966-7.
[8] Slotman B.J., Solberg T.D., Verellen D. Extracranial Stereotactic Radiother-
apy and Radiosurgery. by Informa Healthcare 2005 ISBN 978-0-8247-2697-3.
[9] Leksell L. The stereotaxic method and radiosurgery of the brain. Acta Chir
Scand. 1951;102:316-9.
[10] Lax I., Blomgren H., Naslund I., et al. Stereotactic radiotherapy of malig-
nancies in the abdomen. Acta Oncologica 1994;33:677-83.
60[11] Blomgren H., Lax I., Naslung I., et al. Stereotactic high dose fraction radi-
ation therapy of extracranial tumors using an accelerator. Acta Oncologica
1995;34:861-70.
[12] Seppenwoolde Y., Shirato H., Kitamura K., et al. Precise and real-time
measurement of 3d tumor motion in lung due to beathing and heartbeat,
measured during radiotherapy. International Journal of Radiation Oncol-
ogy*Biology*Physics 2002;53:822-834.
[13] Keall P., Mageras G., Balter J., et al. The management of respiratory motion
in radiation oncology. Report of AAPM Task Group 76. Medical Physics
33;10:3874-3900.
[14] US NAtional Institutes of Health, National Cancer Institute, DCCPS, Surveil-
lance Research Program, Cancer Statistics Branch. Surveillance, Epi-
demiology and End Results (SEER) Program Research Data (1975-2011).
http://www.seer.cancer.gov, 2014.
[15] Liu H.H., Balter P., Tutt T., et al. Assessing respiration-induced tumor mo-
tion and internal target volume using four-dimensional computed tomography
for radiotherapy of lung cancer. International Journal of Radiation Oncol-
ogy*Biology*Physics 2007;68:531-40.
[16] Schlegel W., Bortfeld T., Grosu A.-L. New technologies in Radiation Oncol-
ogy. by Springer 2006 ISBN 978-3-5400-0321-2.
[17] Verellen D., Ridder M.D., Linthout N., et al. Innovations in image-guided
radiotherapy. Nature Review Cancer 2007;7:949-60.
[18] Stroom J.C. and Heijmen B.J.M. The effectiveness of an immobilization device
in conformal radiotherapy for lung tumor: Reduction of respiratory tumor
movement and evaluation of the daily setup accuracy. Radiotherapy and
Oncology 2002;64:75-83.
[19] International Commission on Radiation Units and Measurements. ICRU re-
port 62. Prescribing, recording and reporting photon beam therapy. Bethesda,
MD:ICRU;1999.
[20] International Commission on Radiation Units and Measurements. ICRU re-
port 83. Prescribing, recording and reporting intensity-modulated photon-
beam therapy (IMRT). Bethesda, MD:ICRU;2010.
[21] Lax I., Blomgren H., Naslund I., et al. Stereotactic radiotherapy of malignan-
cies in the abdomen. Methodological aspects. Acta Oncologica 1994;33:677-83.
61[22] Blomgren H., Lax I., Naslund I., et al. Stereotactic high dose fraction radiation
therapy of extracranial tumors using an accelerator. Clinical experience of the
first thirty-one patients. Acta Oncologica 1995;34:861-70.
[23] Negoro Y., Nagata T., Aoki T., et al. The effectiveness of an immobilization
device in conformal radiotherapy for lung tumor: Reduction of respiratory
tumor movement and evaluation of the daily setup accuracy. International
Journal of Radiation Oncology*Biology*Physics 2001;50:889-98.
[24] Wu H., Zhao Q., Berbeco R.I., et al. Gating based on internal/external
signals with dynamic correlation updates. Physics in Medicine and Biology
2008;53:7137-50.
[25] Willoughby T.R., Forbes A.R., Buchholz D., et al. Evaluation of an infrared
camera and X-ray system using implanted fiducials in patients with lung tu-
mors for gated radiation therapy. International Journal of Radiation Oncol-
ogy*Biology*Physics 2006;66:568-575.
[26] Guckenberger M., Kavanagh A., Webb S., et al. A novel respiratory motion
compensation strategy combining gated beam delivery and mean target po-
sition concept - a compromise between small safety margins and long duty
cycles. Radiotherapy and Oncology 2011;98:317-22.
[27] Linthout N., Bral S., Van de Vondel I., et al. Treatment delivery time opti-
mization of respiratory gated radiation therapy by application of audio-visual
feedback. Radiotherapy and Oncology 2009;91:330-5.
[28] Pollock S., Lee D., Keall P., et al. Audiovisual biofeedback improves motion
prediction accuracy. Medical Physics 2013;40:041705.
[29] Verellen D., Soete G., Linthout N., et al. Quality assurance of a system
for improved target localization and patient set-up that combines real-time
infrared tracking and stereoscopic X-ray imaging. Radiotherapy and Oncology
2003;67:129-41.
[30] Keall P.J., Cattell H., Pokhrel D., et al. Geometric accuracy of a real-time
target tracking system with dynamic multileaf collimator tracking system.
International Journal of Radiation Oncology*Biology*Physics 2008;74:297-
303.
[31] Hoogeman M., Prvost J.-B., Nuyttens J., et al. Clinical accuracy of the
respiratory tumor tracking system of the cyberknife: assessment by analysis
of log files. International Journal of Radiation Oncology*Biology*Physics
2006;65:1579-84.
62[32] Depuydt T., Poels K., Verellen D., et al. Initial assessment of tumor tracking
with a gimbaled linac system in clinical circumstances: A patient simulation
study. Radiotherapy and Oncology 2013;106:236-40.
[33] Pepin E.W., Wu H., Zhang Y., et al. Correlation and prediction uncertainties
in the Cyberknife Synchrony respiratory tracking system. Medical Physics
2011;38:4036-44.
[34] Seppenwoolde Y., Berbeco R.I., Nishioka S., et al. Accuracy of tumor mo-
tion compensation algorithm from a robotic respiratory tracking system; a
simulation study. Medical Physics 2007;34:2774-84.
[35] Malinowski K.T., McAvoy T.J., George R., et al. Mitigating errors in external
respiratory surrogate-based models of tumor position. International Journal
of Radiation Oncology*Biology*Physics 2012;82:709-16.
[36] Hoogeman M., Prvost J-B., Nuyttens J., et al. Clinical accuracy of the res-
piratory tumor tracking system of the cyberknife: assessment by analysis
of log files. International Journal of Radiation Oncology*Biology*Physics
2009;74:297-303.
[37] Depuydt T., Verellen D., Haas O., et al. Geometric accuracy of a novel gimbals
based radiation therapy tumor tracking system. Radiotherapy and Oncology
2011;98:365-72.
[38] Hoisak J.D.P., Sixel K.E., Tirona R., et al. Correlation of lung tumor motion
with external surrogate indicators of respiration. International Journal of
Radiation Oncology*Biology*Physics 2004;60:1298-1306.
[39] McClelland J.R., Hawkesa D.J., Schaeffterb T., et al. Respiratory Motion
Models: A Review. Medical Image Analysis 2012;17:19-42.
[40] Lu W., Low D.A., Parikh P.J., et al. Comparison of spirometry and abdominal
height as four-dimensional computed tomography metrics in lung. Medical
Physics 2005;32:2351-57.
[41] Low D.A., Parikh P.J., Lu W., et al. Novel breathing motion model for
radiotherapy. International Journal of Radiation Oncology*Biology*Physics
2005;63:921-29.
[42] Lim S., et al. Guiding curve based on the normal breathing as monitored by
thermocouple for regular breathing. Medical Physics 2007;34:4514-18.
63[43] Timinger H., Krueger S., Borgert J., et al. Motion compensation for interven-
tional navigation on 3D static roadmaps based on an affine model and gating.
Physics in Medicine and Biology 2004;49:719-32.
[44] Atkinson D., Burcher M., DeClerck J., et al. Respiratory motion compensa-
tion for 3-D freehand echocardiography. Ultrasound in Medicine and Biology
2001;27;161520.
[45] Blackall J.M., Penney G.P., King A.P., et al. Alignment of sparse freehand 3-
D ultrasound with preoperative images of the liver using models of respiratory
motion. IEEE Transactions on Medical Imaging 2005;24:140516.
[46] Ehrhardt J., Werner R., Schmidt-Richberg A., et al. Statistical modeling
of 4D respiratory lung motion using diffeomorphic image registration. IEEE
Transactions on Medical Imaging 2011;30:25165.
[47] Fayad H., Clement J.F., Pan T., et al. Towards a generic respiratory mo-
tion model for 4D CT imaging of the thorax. IEEE Nuclear Science Sympo-
sium/Medical Imaging Conference 2009
[48] He T., Xue Z., Xie W., et al. Online 4-D CT estimation for patient-specific
respiratory motion based on real-time breathing signals. Proceedings Medical
Image Computing and Computer-Assisted Interventions 2010
[49] Klinder T., Lorenz C., Ostermann, J. Free-breathing intra- and intersubject
respiratory motion capturing, modeling, and prediction Proceedings SPIE
Medical Imaging 2009
[50] Ionascu D., Jiang S.B., Nishioka S., et al. Internal-external correlation in-
vestigations of respiratory induced motion of lung tumors. Medical Physics
2007;34:3893-903.
[51] Ernst F., Bruder R., Schlaefer A., et al. Correlation between external and
internal respiratory motion: a validation study. International Journal of Com-
puter Assisted Radiology and Surgery 2011;7:483:92.
[52] Ernst F., Martens V., Schlichting S., et al. Correlating Chest Surface Mo-
tion to Motion of the Liver Using -SVR - A Porcine Study. Medical Image
Computing and Computer-Assisted Intervention MICCAI 2009;5762:356-64.
[53] Wilson P.L. and Meyer J. A spring-dashpot system for modelling lung tu-
mour motion in radiotherapy. Computational and Mathematical Methods in
Medicine 2010;11:13-26.
64[54] Ackerley E.J., Cavan A.E., Wilson P.L., et al. Application of a spring-dashpot
system to clinical lung tumor motion data. Medical Physics 2013;40:021713-
1:10.
[55] Poels K., Depuydt T., Verellen D., et al. A complementary dual-modality
verification for tumor tracking on a gimbaled linac system. Radiotherapy and
Oncology 2013;109:469-74.
[56] Kamino Y., Takayama K., Kokubo M., et al. Development of a four-
dimensional image-guided radiotherapy system with a gimbaled X-ray head.
International Journal of Radiation Oncology*Biology*Physics 2006;66:271-78.
[57] Takayama K., Mizowaki T., Kokubo M., et al. Initial validations for pursuing
irradiation using a gimbals tracking system. Radiotherapy and Oncology
2009;93:45-49.
[58] Depuydt T., Poels K., Verellen D., et al. Initial assessment of tumor tracking
with a gimbaled linac system in clinical circumstances: A patient simulation
study. Radiotherapy and Oncology 2013;106:236-40.
[59] Kilby W., et al. The CyberKnife Robotic Radiosurgery System in 2010.
Technology in Cancer Research and Treatment, 2010;9:433-52
[60] Ozhasoglu C., Saw C.B., Chen H., et al. Synchrony - Cyberknife Respiratory
Compensation Technology. Medical Physics 2008;33:117-23.
[61] Sheng Y., Li S., Sayeh S., et al. Fuzzy and hybrid prediction of position
signal in Synchrony Respiratory Tracking System. Proceedings of the Ninth
IASTED International Conference 2007 ISBN Hardcopy 978-0-88986-675-1.
[62] Urschel H.C., Kresl J.J., Luketich J.D., et al. Treating tumors that move with
respiration. by Springer 2007 ISBN 978-3-540-69885-2.
[63] Ernst F. Compensating for Quasi-periodic Motion in Robotic Radiosurgery.
by Springer 2012 ISBN 978-1-4614-1911-2.
[64] Sayeh S., Wang J., Main W.T., et al. Respiratory motion tracking for robotic
radiosurgery. Treating Tumors that Move with Respiration 2007:15-29.
[65] Hoisak J.D.P., Sixel K.E., Tirona R., et al. Correlation of lung tumour motion
with external surrogate indicators of respiration. International Journal of
Radiation Oncology*Biology*Physics 2004;60:1298-306.
65[66] Lu W., Low D.A., Parikh P.J., et al. Comparison of spirometry and abdominal
height as four-dimensional computed tomography metrics in lung. Medical
Physics 2005;32:2351-57.
[67] Imura M., Yamazaki K., Shirato H., et al. Insertion and fixation of fiducial
markers for setup and tracking of lung tumors in radiotherapy. International
Journal of Radiation Oncology*Biology*Physics 2005;63:144247.
[68] Brown W.T., Wu X., Fowler J.F., et al. Lung metastases treated by Cy-
berKnife image-guided robotic stereotactic radiosurgery at 41 months. South
Medical JoSayehurnal 2008;101:376-82.
[69] Schweikard A., Shiomi H., Adler J. Respiration tracking in radiosurgery with-
out fiducials. The International Journal of Medical Robotics and Computer
Assisted Surgery 2005;1:1927.
[70] Schweikard A., Shiomi H., Fisseler J., et al. Fiducial-Less Respiration Track-
ing in Radiosurgery. Medical Image Computing and Computer-Assisted In-
tervention 2004;3217:992-99.
[71] Poels K., Depuydt T., Verellen D., et al. Improving the intra-fraction update
efficiency of a correlation model used for internal motion estimation during
real-time tumor tracking for SBRT patients: fast update or no update? Ra-
diotherapy and Oncology 2014;under review.
[72] Depuydt T., Poels K., Verellen D., et al. Treating patients with real-time
tumor tracking using the Vero gimbaled linac system: implementation and
first review. Radiotherapy and Oncology 2014;under review.
