MétaCan
Menu
← Retour à la cohorte
Enregistrement W4320167746 · doi:10.1002/mp.16288

Evaluation of plan quality and treatment efficiency in cranial stereotactic radiosurgery treatment plans with a variable source‐to‐axis distance

2023· article· en· W4320167746 sur OpenAlexaff
Cody Church, R. Lee MacDonald, David Parsons, Alasdair Syme

Notice bibliographique

RevueMedical Physics · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Radiotherapy Techniques
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésIsocenterRadiosurgeryTruebeamNuclear medicineRadiation treatment planningDosimetryMedicineMedical imagingComputer scienceMedical physicsRadiation therapyLinear particle acceleratorRadiologyPhysicsImaging phantomBeam (structure)Optics

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Radiotherapy deliveries with dynamic couch motions that shorten the source‐to‐axis distance (SAD) on a C‐arm linac have the potential to increase treatment efficiency through the increase of the effective dose rate. In this investigation, we convert clinically deliverable volumetric modulated arc therapy (VMAT) and dynamic conformal arc (DCA) plans for cranial radiosurgery into virtual isocenter plans through implementation of couch trajectories that maintain the target at a shortened but variable SAD throughout treatment. Materials and Methods A randomly sampled population of patients treated with cranial radiosurgery from within the last three years were separated into groups with one, two, and three lesions. All plans had a single isocenter (regardless of number of targets), and a single prescription dose. Patient treatment plans were converted from their original delivery at a standard isocenter to a dynamic virtual isocenter in MATLAB. The virtual isocenter plan featured a variable isocenter position based upon the closest achievable source‐to‐target distance (referred to herein as a virtual source‐to‐axis distance [vSAD]) which avoided collision zones on a TrueBeam STx platform. Apertures were magnified according to the vSAD and monitor units at a given control point were scaled based on the inverse square law. Doses were calculated for the plans with a virtual isocenter in the Eclipse (v13.6.23) treatment planning system (TPS) and were compared with the clinical plans. Plan metrics (MU, Paddick conformity index, gradient index, and the volume receiving 12 Gy or more), normal brain dose–volume differences, as well as maximum doses received by organs at risk (OARs) were assessed. The values were compared between standard and virtual isocenter plans with Wilcoxon Sign Ranked tests to determine significance. A subset of the plans were mapped to the MAX‐HD anthropomorphic phantom which contained an insert housing EBT3 GafChromic film and a PTW 31010 microion chamber for dose verification on a linac. Results Delivering plans at a virtual isocenter resulted in an average reduction of 20.9% (p= 3×10−6) and 20.6% (p= 3.0×10−6) of MUs across all VMAT and all DCA plans, respectively. There was no significant change in OAR max doses received by plans delivered at a virtual isocenter. The low dose wash (1.0–2.0 Gy or 5–11% of the prescription dose) was increased (by approximately 20 cc) for plans with three lesions. This was equivalent to a 2.7%–3.8% volumetric increase in normal tissue receiving the respective dose level when comparing the plan with a virtual isocenter to a plan with a standard isocenter. Gamma pass rates with a 5%/1mm analysis criteria were 96.40% ± 2.90% and 95.07% ± 3.10% for deliveries at standard and virtual isocenter, respectively. Absolute point dose agreements were within −0.36% ± 3.45% and −0.55% ± 3.39% for deliveries at a standard and virtual isocenter, respectively. Potential time savings per arc were found to have linear relationship with the monitor units delivered per arc (savings of 0.009 s/MU with anr2= 0.866 when fit to plans with a single lesion). Conclusions Converting clinical plans at standard isocenter to a virtual isocenter design did not show any losses to plan quality while simultaneously improving treatment efficiency through MU reductions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,334
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Physics→Même sujetAdvanced Radiotherapy Techniques→Travaux en français237 207→