Improving the performance of direct Monte Carlo optimization for large tumor volumes

Direct Monte Carlo Optimization (DMCO) is a powerful method for dose optimization with Monte Carlo accuracy and direct aperture optimization with simulated annealing. Recently, we presented quasi intensity modulated arc therapy (qIMAT), a step-and-shoot technique that simulates a rotational technique by using a high number of beams and reducing the number of segments. In the present work, we applied a combination of both techniques to optimize an anal cancer case. Because of the limited memory of standard computers, two techniques for reducing the size of the inverse kernel (IK) were investigated. The standard deviation degradation technique (SDDT) and the reduced resolution technique (RRT) were applied to a 7-field IMRT plan on the CarPet phantom. Several IKs with an estimated standard deviation (SD) of the MC-calculation of 5%, 10% and 15% and another three IKs with voxel size of 4, 8 and 16 mm were calculated. All IKs were optimized with DMCO; after optimization, a final dose calculation with 5% SD and 4 mm resolution was carried out. SDDT was a better compromise between plan quality and IK-size reduction than RRT. PTV homogeneity and dose sparing to the OAR was almost identical for SDDT, while for RRT the quality was degraded by low resolution. Therefore, SDDT was applied to the anal cancer case. The IK-file of a quasi-IMAT plan with 30 beams was calculated with XVMC with 15% SD and a voxel size of 4 mm. After optimization with DMCO using one segment per beam, a final dose calculation with 2% variance was performed. By comparing the DVHs of qIMAT with a 7-field IMRT (commercial therapy planning system) and with a 7-field IMRT (DMCO), qIMAT showed considerably advantages over IMRT in OARs dose sparing. In this way, the DMCO optimization with qIMAT of complex cases with large treatment volumes, such as anal cancer, are possible. Furthermore, for anal cancer, the comparison of qIMAT with IMRT showed that qIMAT can improve the plan quality.

ZusammenfassungDie direkte Monte-Carlo-Optimierung (DMCO) eignet sich hervorragend zur Dosisoptimierung mit Monte-Carlo-Genauigkeit und direkter Aperturoptimierung mit Simulated Annealing. Kürzlich stellten wir die quasi-IMAT-Methode (qIMAT) als simulierte Rotationsmethode mit beschränkter Segmentzahl vor, mit der eine bessere Planqualität erzielt wurde. In dieser Arbeit kombinierten wir beide Verfahren zur Planoptimierung beim Analkarzinom. Wegen des begrenzten Rechnerspeichers wurden zwei Techniken entwickelt, die das inverse Kernel (IK) reduzieren. Die Standardabweichung-Degradationstechnik (SDDT) und die reduzierte Resolutionstechnik (RRT) wurden auf einen 7-Felder-IMRT-Plan beim CarPet-Phantom angewandt. Es wurden IKs mit unterschiedlicher Standardabweichung (SD) bei der MC-Simulation von 5%, 10% und 15% und daneben solche mit Voxelgröße von 4, 8 und 16 mm berechnet und zur Optimierung mit DMCO verwendet. Anschließend wurde eine Dosisberechnung mit einer Standardabweichung (SD) von 5% und einer Voxelgröße von 4 mm durchgeführt. Die Auswertung zeigte, dass SDDT RRT überlegen war. SDDT lieferte einen besseren Kompromiss zwischen Planqualität und Reduktion des IKs als RRT. Die PTV-Homogenität und die Schonung des OARs waren bei SDDT ähnlich, während sich bei RRT die Planqualität mit zunehmender Voxelgröße verschlechterte. Deshalb wurde SDDT zur Optimierung des Analkarzinomfalles verwendet. Für den Analkarzinomfall wurde ein IK für einen qIMAT-Plan mit 30 äquidistanten Feldern mit SD=15% und einer Voxelgröße von 4 mm berechnet. Nach der Optimierung mit SDDT/DMCO mit 1 Segment pro Feld wurde eine Dosisberechnung mit SD=2% durchgeführt. Ein DVH-Vergleich von qIMAT und IMRT zeigte beträchtliche Vorteile bei der Schonung von Risikoorganen zugunsten von qIMAT. Es konnten Methoden aufgezeigt werden, die die Optimierung komplexer Fälle mit großen Volumina und großer Felderzahl mit DMCO erlauben. Mit qIMAT wurde eine bessere Planqualität erzielt.