دوره 34، شماره 12 - ( 10-1402 )
جلد 34 شماره 12 صفحات 793-781 |
برگشت به فهرست نسخه ها
Research code: 3097
Ethics code: IR.MAZUMS..REC.1397.3097
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Pourfallah T, Nematpour M, Seifi Makarani D, Mihandoost E, Davoodian S. CALCULATION OF SPINAL CORD RECEIVED DOSE IN ESOPHAGEAL CANCER RADIOTHERAPY: A COMPARISON BETWEEN MONTE CARLO SIMULATION AND TREATMENT PLANNING SYSTEM. Studies in Medical Sciences 2023; 34 (12) :781-793
URL: http://umj.umsu.ac.ir/article-1-6108-fa.html
URL: http://umj.umsu.ac.ir/article-1-6108-fa.html
پورفلاح طیب، نعمت پور محمد، سیفی ماکرانی دانیال، میهن دوست احسان، داودیان سعید. محاسبه دز دریافتی نخاع در پرتودرمانی سرطان مری؛ مقایسه شبیه‌سازی مونت‌کارلو و سیستم طراحی درمان. مجله مطالعات علوم پزشکی. 1402; 34 (12) :781-793
دکتری فیزیک پزشکی، گروه آموزشی فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مازندران، ساری، ایران ، tpourfallah@gmail.com
چکیده: (1587 مشاهده)
پیش‌زمینه و هدف: طناب نخاعی یکی از ارگان‌های در معرض خطر در پرتودرمانی سرطان مری می‌باشند. تفاوت بین توزیع دز محاسبه‌شده توسط سیستم طراحی درمان و دز واقعی رسیده به بیمار بستگی به الگوریتم محاسباتی سیستم طراحی درمان دارد که در ناهمگونی‌هایی مانند طناب نخاعی، برجسته‌تر است. در این مطالعه، توزیع دز سیستم طراحی درمان با محاسبات مونت‌کارلو در هر دو بافت همگن و ناهمگن مقایسه شده است.
مواد و روش‌ها: در این مطالعه توصیفی-تحلیلی، طرح درمانی سه‌بعدی متشکل از چهار میدان با استفاده از سیستم طراحی درمان CorPLAN از یک سیستم شتاب‌دهنده خطی زیمنس بر روی تصاویر CT انجام شد. از کد شبیه‌سازی مونت‌کارلوی EGSnrc نیز برای همان شرایط استفاده شد. توزیع دز به‌دست‌آمده از شبیه‌سازی و سیستم طراحی درمان با استفاده از منحنی درصد دز عمقی و شاخص درصد اختلاف دز مقایسه شده است.
یافته‌ها: با توجه به نتایج، میزان خطا از سیستم طراحی درمان در بافت همگن کمتر از 3درصد بود، درحالی‌که خطای محاسباتی در ناهمگنی طناب نخاعی معنی‌دار بود (بیش از 5درصد).
بحث و نتیجه‌گیری: دقت سیستم طراحی درمان CorPLAN در بافت همگن بیش از ناهمگنی طناب نخاعی است. همچنین می‌توان نتیجه‌گیری کرد که کد مونت‌کارلوی مذکور به‌منظور شبیه‌سازی و ارزیابی توزیع دز در رادیوتراپی قابل‌اعتماد بوده و در مواردی که اندازه‌گیری عملی برخی پارامترهای دزیمتریک غیرممکن یا دشوار باشد، می‌توان از این کد برای پیش‌بینی و بهینه‌سازی طرح‌های درمانی استفاده نمود.
مواد و روش‌ها: در این مطالعه توصیفی-تحلیلی، طرح درمانی سه‌بعدی متشکل از چهار میدان با استفاده از سیستم طراحی درمان CorPLAN از یک سیستم شتاب‌دهنده خطی زیمنس بر روی تصاویر CT انجام شد. از کد شبیه‌سازی مونت‌کارلوی EGSnrc نیز برای همان شرایط استفاده شد. توزیع دز به‌دست‌آمده از شبیه‌سازی و سیستم طراحی درمان با استفاده از منحنی درصد دز عمقی و شاخص درصد اختلاف دز مقایسه شده است.
یافته‌ها: با توجه به نتایج، میزان خطا از سیستم طراحی درمان در بافت همگن کمتر از 3درصد بود، درحالی‌که خطای محاسباتی در ناهمگنی طناب نخاعی معنی‌دار بود (بیش از 5درصد).
بحث و نتیجه‌گیری: دقت سیستم طراحی درمان CorPLAN در بافت همگن بیش از ناهمگنی طناب نخاعی است. همچنین می‌توان نتیجه‌گیری کرد که کد مونت‌کارلوی مذکور به‌منظور شبیه‌سازی و ارزیابی توزیع دز در رادیوتراپی قابل‌اعتماد بوده و در مواردی که اندازه‌گیری عملی برخی پارامترهای دزیمتریک غیرممکن یا دشوار باشد، می‌توان از این کد برای پیش‌بینی و بهینه‌سازی طرح‌های درمانی استفاده نمود.
نوع مطالعه: پژوهشي(توصیفی- تحلیلی) |
موضوع مقاله:
فیزیک پزشکی
فهرست منابع
1. Reya T, Morrison SJ, Clarke MF, Weissman ILJn. Stem cells, cancer, and cancer stem cells. nature 2001;414(6859):105. [DOI:10.1038/35102167] [PMID]
2. Ghavamzadeh A, Moussavi A, Jahani M, Rastegarpanah M, Iravani M. Esophageal cancer in Iran. Seminars in oncology 2001;28(2):153-7. [DOI:10.1053/sonc.2001.21957] [PMID]
3. Samadi F, Babaei M, Yazdanbod A, Fallah M, Nouraie M, Nasrollahzadeh D, et al. Survival rate of gastric and esophageal cancers in Ardabil province, North-West of Iran. Arch Iran Med 2007;10(1):32-7. [Google Scholar]
4. Radmard AR. Five common cancers in Iran. Arch Iran Med 2010;13(2):143. [Google Scholar]
5. Kamangar F, Malekzadeh R, Dawsey SM, Saidi F. Esophageal cancer in Northeastern Iran: a review. Arch Iran Med 2007;10(1):70-82. [Google Scholar]
6. Asmarian NS, Ruzitalab A, Amir K, Masoud S, Mahaki. Area-to-area poisson kriging analysis of mapping of county-level esophageal cancer incidence rates in Iran. Arch Iran Med 2013;14(1):11-3. [DOI:10.7314/APJCP.2013.14.1.11] [PMID]
7. Liang J, Mingyan E, Wu G, Zhao L, Li X, Xiu X, et al. Nimotuzumab combined with radiotherapy for esophageal cancer: preliminary study of a Phase II clinical trial. Onco Targets Ther 2013;6:1589. [DOI:10.2147/OTT.S50945] [PMID] []
8. Thwaites DI, Williams JR. Radiotherapy physics in practice: Oxford University Press; 1993. [URL]
9. Formenti SC, Demaria S. Systemic effects of local radiotherapy. Lancet Onc 2009;10(7):718-26. [DOI:10.1016/S1470-2045(09)70082-8] [PMID]
10. Barrett A, Morris S, Dobbs J, Roques T. Practical radiotherapy planning: CRC Press; 2009. [DOI:10.1201/b13373]
11. Atun R, Jaffray DA, Barton MB, Bray F, Baumann M, Vikram B, et al. Expanding global access to radiotherapy. Lancet Onc 2015;16(10):1153-86. [DOI:10.1016/S1470-2045(15)00222-3] [PMID]
12. Pourfallah T, Shahidi M, Seifi Makrani D, Mihandoust E, Davodian S. Dosimetric Evaluation of Target Volume in Breast Boost Radiotherapy: Comparison of Electron and Photon Beam. J Mazandaran Univ Med 2019;29(175):65-75. [Google Scholar]
13. Knöös T, Wieslander E, Cozzi L, Brink C, Fogliata A, Albers D, et al. Comparison of dose calculation algorithms for treatment planning in external photon beam therapy for clinical situations. Phys Med 2006;51(22):5785. [DOI:10.1088/0031-9155/51/22/005] [PMID]
14. Seifi Makrani D, Pourfallah T. Evaluation of CorePlanTM treatment planning system for 6 and 15 MV photon irradiation. Iran J Med Physics 2018;15:343-. [Google Scholar]
15. Khan FM, Gibbons JP. The physics of radiation therapy: Lippincott Williams & Wilkins; 2014. [URL]
16. Arnfield MR, Siantar CH, Siebers J, Garmon P, Cox L, Mohan R. The impact of electron transport on the accuracy of computed dose. Med Phys 2000;27(6):1266-74. [DOI:10.1118/1.599004] [PMID]
17. Akino Y, Das IJ, Bartlett GK, Zhang H, Thompson E, Zook JEJMp. Evaluation of superficial dosimetry between treatment planning system and measurement for several breast cancer treatment techniques. Med Phys 2013;40(1):011714. [DOI:10.1118/1.4770285] [PMID]
18. Verhaegen F, Seuntjens J, biology. Monte Carlo modelling of external radiotherapy photon beams. Phys Med 2003;48(21):R107. [DOI:10.1088/0031-9155/48/21/R01] [PMID]
19. Makrani DS, Hasanzadeh H, Pourfallah TA, Ghasemi A, Jadidi M, Babapour H. Determination of primary electron beam parameters in a Siemens Primus Linac using Monte Carlo simulation. Arch Adv Biosci 2015;6(1):2008-4978. [Google Scholar]
20. Pourfallah TA, Allahverdi M, Zahmatkesh MH. Evaluation of the effects of inhomogeneities on dose profiles using polymer gel dosimeter and Monte Carlo simulation in Gamma Knife. Iran J Medphys 2012;9(1):1-8. [Google Scholar]
21. Chang-Ming, Li J, Pawlicki T, Jiang S, Deng J, Lee M, et al. A Monte Carlo dose calculation tool for radiotherapy treatment planning. Phys in Med 2002;47(10):1671. [DOI:10.1088/0031-9155/47/10/305] [PMID]
22. Chow JC, Leung MK, editors. A graphical user interface for calculation of 3D dose distribution using Monte Carlo simulations. J of phys Conf Series; 2008; 102:012003. [DOI:10.1088/1742-6596/102/1/012003]
23. Spezi E, Lewis DG. Gamma histograms for radiotherapy plan evaluation. Radiother Oncol 2006;79(2):224-30. [DOI:10.1016/j.radonc.2006.03.020] [PMID]
24. Tugrul T. Comparison of Monaco treatment planning system algorithms and Monte Carlo simulation for small fields in anthropomorphic RANDO phantom: The esophagus case. J Cancer Res Therapeutics 2021;17(6). [DOI:10.4103/jcrt.JCRT_1143_20] [PMID]
25. Altuwayrish A, Ghorbani M, Bakhshandeh M, Roozmand Z, Hoseini-Ghahfarokhi M. Comparison of PRIMO Monte Carlo code and Eclipse treatment planning system in calculation of dosimetric parameters in brain cancer radiotherapy. Rep Pract Oncol Radiother 2022;27(5):863-74. [DOI:10.5603/RPOR.a2022.0091] [PMID] []
26. Chaikh A, Balosso JJQIiM, Surgery. Quantitative comparison of dose distribution in radiotherapy plans using 2D gamma maps and X-ray computed tomography. Quant Imaging Med Surg 2016 2016;6(3):243-9. [DOI:10.21037/qims.2016.06.04] [PMID] []
27. Yu L, Baker A, Kairn T, Livingstone A, Trapp J, Crowe SB. A structure-based gamma evaluation method for identifying clinically relevant dose differences in organs at risk. Phys Eng Sci Med 2023;46(3):1033-41. [DOI:10.1007/s13246-023-01270-3] [PMID] []
28. Tuğrul T. The Effect of Algorithms on Dose Distribution in Inhomogeneous Phantom: Monaco Treatment Planning System versus Monte Carlo Simulation. J Med Phys 2021;46(2):111-5. [DOI:10.4103/jmp.JMP_21_21] [PMID] []
29. Reis CQM, Nicolucci P, Fortes SS, Silva LP. Effects of heterogeneities in dose distributions under nonreference conditions: Monte Carlo simulation vs dose calculation algorithms. Med Dosimetry 2019;44(1):74-82. [DOI:10.1016/j.meddos.2018.02.009] [PMID]
30. Oliveira C, Yoriyaz H, Oliveira MC, Ferreira L. Monte Carlo simulation for dose distribution calculations in a CT-based phantom at the Portuguese gamma irradiation facility. Nucl Inst 2004;213:662-5. [DOI:10.1016/S0168-583X(03)01682-3]
31. Chiavassa S, Bardiès M, Guiraud-Vitaux F, Bruel D, Jourdain J-R, Franck D, et al. OEDIPE: a personalized dosimetric tool associating voxel-based models with MCNPX. Cancer Biother Radiopharm 2005;20(3):325-32. [DOI:10.1089/cbr.2005.20.325] [PMID]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
