Multivariate statistische Modellierung von Prompt Gamma-Ray Timing Spektren für die Behandlungsverifikation der Protonentherapie

Einleitung

Aufgrund der steilen Dosisgradienten und der Variabilität des Bremsvermögens kann die Präzision der Protonentherapie durch Bewegungen und anatomische Veränderungen stark kompromittiert werden. Hieraus resultiert ein hoher Bedarf für eine Online-Verifizierung der Behandlung. Als leichtes, kollimatorfreies System, das einfach in bestehende Anlagen integriert werden kann, ist die Prompt Gamma-Ray Timing (PGT) Methode eine vielversprechende Kandidatin für diese Anwendung. Die Entwicklung eines solchen Systems stellt jedoch eine Herausforderung dar, da die im Patienten applizierte Protonenreichweite mit hoher Genauigkeit aus der zeitlichen Verteilung einer limitierten Anzahl von Gammaquanten rekonstruiert werden muss. Bisher basierte diese Rekonstruktion auf dem arithmetischen Mittel und der Standardabweichung der Verteilung, aber die Genauigkeit dieser Methode erwies sich als begrenzt. Ziel dieser Studie war deshalb die Entwicklung multivariater statistischer Modelle auf Basis weiterer Histogramm-Merkmale und somit eine Optimierung der Verifikationsgenauigkeit der PGT-Methode.

Material & Methoden

Es wurden PGT-Verteilungen analysiert, die während einer statischen Pencil-Beam-Bestrahlung eines Acrylglasphantoms mit unterschiedlich dicken Lufthohlräumen aufgenommen wurden. Relevante Histogramm-Merkmale wurden aus den Empfehlungen der Image Biomarker Standardisation Initiative abgeleitet und automatisiert mittels Vorwärtsauswahl (Forward Selection) sowie der Least Absolute Shrinkage and Selection Operator (LASSO) Methode ausgewählt. Diese Merkmale wurden anschließend in multivariaten linearen Regressionsmodellen genutzt um die Hohlraumdicke vorherzusagen. Die Güte der Modelle wurde anhand ihres Bestimmtheitsmaßes R2 und ihres mittleren quadratischen Fehlers RMSE an einem unabhängigen Datensatz bewertet. Abschließend wurde ein homogenes Bestrahlungsfeld im Pencil-Beam-Scanning-Verfahren appliziert und die Modellvorhersage anhand von zweidimensionaler Bildgebung verglichen.

Ergebnisse

Die neu entwickelten Modelle zeigen eine stark verbesserte Vorhersagekraft (R2 > 0,6) im Vergleich zur bisherigen Methodik (R2 < 0,1, s. Abbildung 1). Beide Selektionsmethoden erreichen eine ähnliche Vorhersagekraft. Die Modelle erzielen ihre maximale Vorhersagekraft ab etwa vier kombinierten Histogramm-Merkmalen, wobei sich insbesondere die robuste mittlere Abweichung und die Kurtosis als starke Prädiktoren erweisen. Die neu entwickelten Modelle ermöglichen die Identifizierung der eingebrachten Lufthohlräume im gescannten Bestrahlungsfeld (Abbildung 2).

Diskussion

Diese Ergebnisse zeigen, dass die statistische Modellierung ein wertvolles Instrument zur Optimierung der Prompt Gamma-Ray Timing Methode ist und demonstrieren ihr Potential zur Anwendung für die Behandlungsverifikation der Protonentherapie.