Development of tools for the analysis of combined radiotherapy approaches for malignant neoplasms of the head and neck

Abstract

Hintergrund und Zielsetzung:Bösartige Tumoren im Kopf- und Halsbereich stellen die Strahlentherapie vor besondere Herausforderungen, da sich in unmittelbarer Nähe der Zielvolumina zahlreiche lebenswichtige Strukturen befinden. Die Kombination von Photonen- und Protonenbehandlungsphasen kann die Dosisverteilung verbessern, erschwert jedoch die Nachverfolgung der insgesamt verabreichten Dosis über verschiedene Behandlungsphasen und Einrichtungen hinweg. Um diese Lücke zu schließen, war es das primäre Ziel dieser Arbeit, modulare Python-basierte Tools innerhalb des Behandlungsplanungssystems RayStation zu entwickeln, um diese kombinierten Ansätze zu analysieren, wobei der Schwerpunkt auf der Quantifizierung der Unsicherheit der kumulativen Dosis lag, die sich aus verschiedenen Dosisakkumulationsstrategien ergibt. Konkret beinhalten diese Strategien den Vergleich der Dosissummation auf Basis starrer Bildregistrierung mit einem fortgeschrittenen Voxel-zu-Voxel-Dosismapping mittels deformierbarer Bildregistrierung.Materialien und Methoden:Es wurde eine retrospektive Analyse an einer Kohorte von 20 Patienten durchgeführt, die mit einem sequenziellen Boost-Workflow behandelt wurden, bestehend aus einer Photonen-Basisphase, gefolgt von einem Protonen-Boost. Die elastische Bildregistrierung wurde unter Verwendung des ANACONDA-Algorithmus mit unterschiedlichen Kontrollstrukturen und Konfigurationsparametern durchgeführt. Die Qualität wurde anhand geometrischer Metriken, insbesondere des Dice Similarity Coefficient und der Hausdorff Distance, quantifiziert und mit der starren Bildregistrierung verglichen. Die kumulativen Dosisverteilungen und die damit verbundenen Unsicherheiten der interdeformierbaren Bildregistrierung wurden für Zielvolumina und Risikoorgane unter Verwendung von Dosis-Volumen-Parametern bewertet.Ergebnisse:Die geometrische Auswertung zeigte, dass die deformierbare Bildregistrierung die volumetrische Überlappung bei Strukturen, die anatomischen Veränderungen unterliegen, wie beispielsweise den Ohrspeicheldrüsen, signifikant verbesserte, wobei der mediane Dice Similarity Coefficient von 0,73 bei der starren Registrierung auf 0,94 bei der deformierbaren Registrierung anstieg. Bei den Dosis-Volumen-Parametern wurde für die Mehrheit der Risikoorgane kein signifikanter Unterschied zwischen starrer und verformbarer Bildregistrierung festgestellt (p > 0,05), mit Ausnahme des Chiasma opticum. Diese Struktur zeigte einen signifikanten Anstieg der mittleren Dosis um 0,73 Gy (p = 0,009). Bemerkenswert ist, dass die Unsicherheit bei der deformierbaren Bildregistrierung häufig die systematische Dosisdifferenz überstieg, insbesondere bei kleinen Strukturen in Bereichen mit hohem Dosisgradienten, wie dem Chiasma opticum. Die Zielabdeckung blieb bei allen Registrierungsmethoden robust.Schlussfolgerung:Während die starre Bildregistrierung eine solide Grundlage für die Dosisabschätzung bleibt, ist die elastische Bildregistrierung notwendig, um registrierungsbedingte Dosis-Unsicherheiten in Bereichen mit hohem Gradienten zu quantifizieren. Die entwickelten modularen Skripten und die Ergebnisse bieten eine wissenschaftlich fundierte Grundlage für effizientere klinische Arbeitsabläufe in der multi-institutionellen Boost-Strahlentherapie.

Background and Objective:Malignant neoplasms of the head and neck create challenges in radiation oncology due to the high density of vital structures in immediate proximity to the target volumes. Combining photon and proton treatment phases can improve dose distributions, but it also makes it harder to track the total delivered dose across different treatment phases and institutions. To address this issue, the main goal of this thesis was to develop modular Python tools within the RayStation treatment planning system. These tools analyze combined approaches, focusing on quantifying the uncertainty in the total dose across different accumulation strategies. Specifically, these strategies involve comparing dose summation based on rigid image registration with advanced voxel-to-voxel dose mapping via deformable image registration.Materials and Methods:A retrospective analysis was carried out on 20 patients treated with a sequential boost workflow, consisting of a photon base phase followed by a proton boost. Deformable image registration was performed using the ANACONDA algorithm with different controlling structures and configuration parameters. Performance was quantified using geometric metrics, specifically the Dice Similarity Coefficient and Hausdorff Distance, to measure performance and compare it to rigid image registration. Cumulative dose distributions and their associated Inter-deformable image registration uncertainties were evaluated for target volumes and organs at risk using dose-volume parameters.Results:Geometric evaluation showed that deformable image registration significantly improved volumetric overlap of structures that changed shape, such as the parotid glands. The median Dice Similarity Coefficient increased from 0.73 for rigid registration to 0.94 for deformable registration. For dose-volume parameters, no significant difference was found between rigid and deformable image registration for the majority of organs at risk (p > 0.05), except for the Chiasma opticum. This structure showed a significant increase in median dose of 0.73 Gy (p = 0.009). Additionally, inter-deformable image registration uncertainty often exceeded the systematic dose difference, especially for small structures in high-dose gradient areas, such as the Chiasma opticum. However, target coverage remained consistent across all registration methods.Conclusion:While rigid image registration remains a solid basis for dose estimation, deformable image registration is crucial for quantifying registration-related dose uncertainties in high-gradient areas. The modular scripts and results provide a scientifically grounded foundation for more efficient clinical workflows in multi-institutional boost radiotherapy.