Return to search

L'analyse de frontières stochastiques appliquée à la prédiction dosimétrique pour la planification de traitement en radiothérapie externe

Thèse ou mémoire avec insertion d'articles / Cette thèse porte sur le développement de modèles mathématiques qui permettent de prédire des métriques quantifiant la dose pour la planification de radiothérapie externe. La planification de traitement en radiothérapie externe est un processus complexe et itératif. Le planificateur spécifie des objectifs à atteindre et l'optimisation du plan de traitement est faite par ordinateur. Chaque patient ayant une anatomie propre, il peut être difficile de savoir si le plan de traitement est optimal c.à.d. où les objectifs de couverture en dose du volume cible sont remplis tout en minimisant la dose aux organes sains pour diminuer la possibilité d'effets secondaires néfastes. Afin de pallier cette problématique, plusieurs types de contrôles de qualité (CQ) en planification de traitement ont été développés. Plus précisément, le projet proposé utilise l'analyse de frontières stochastiques, une méthode mathématique conçue pour l'économétrie, afin de déterminer la dose minimale atteignable aux organes à risque. La planification de traitement en radiothérapie externe, les techniques utilisées ainsi que les principaux défis sont d'abord présentés dans le cadre de cette thèse. Une revue des principaux types de contrôles de qualité des plans de traitement est par la suite présentée afin de mettre en contexte le projet doctoral. Les principaux principes mathématiques employés tels que l'analyse de frontières stochastiques et la gestion de données manquantes sont par la suite abordés. Finalement, l'analyse de frontières stochastiques appliquée à la prédiction de paramètres dosimétriques en planification de traitement est présentée. Son approche fréquentiste est utilisée pour la prédiction dosimétrique pour le rectum et la vessie pour le cancer de la prostate traité par VMAT. Sept paramètres géométriques ont été extraits afin de caractériser la relation entre les organes à risque et le volume cible. Au total, 37 paramètres dosimétriques ont été prédits pour les deux organes à risque. Le modèle développé a été testé sur une cohorte de 30 patients avec une dose de prescription de 60-70 Gy où 77% (23 sur 30) des DVH prédits pour le rectum et la vessie présentent une déviation de 5% ou moins avec le DVH planifié. De plus, l'analyse de frontières stochastiques bayésienne, en plus d'un modèle de gestion de données manquantes, sont utilisés pour la prédiction dosimétrique de six organes à risque pour le cancer du poumon traité par SBRT. Au total, 16 indices dosimétriques ont été prédits pour l'arbre bronchique principal, le cœur, l'œsophage, le PRV de la moelle, les vaisseaux ainsi que la paroi thoracique. Le modèle prédictif est testé sur une cohorte de 50 patients. La différence moyenne entre la dose prédite et planifiée pour le se situe à 1.5 ± 1.9 Gy et 4.9 ± 5.3 Gy pour le D0.35cc du PRV de la moelle et le D0.035cc de l'arbre bronchique principal respectivement. L'analyse de frontières stochastiques est ainsi démontrée comme une solide base pour un CQ en planification de traitement en radiothérapie externe. / This thesis is on the development of mathematical models predicting dosimetric metrics for treatment planning in external beam radiation therapy (EBRT). EBRT treatment planning is complex and iterative. Planner sets plan objectives to attain during the computerized plan optimization process. Because of specific patient anatomical variation, it is difficult to determine if a plan is optimal regarding the target coverage and the sparing of the organs-at-risk. Several quality control such as knowledge-based planning and multicriteria optimization were developed in order to address this problematic. This thesis focus on the use of an econometric method, Stochastic Frontier Analysis, to predict minimum achievable dose to organs-at-risk for several treatment sites. EBRT treatment planning, techniques and challenges are first discussed. A review of the most common quality controls is made in order to assess the importance of the project presented in this thesis. Mathematical considerations such as the theoretical foundation of stochastic frontier analysis and missing data management are also discussed. Stochastic frontier analysis is used to develop predictive models of dose distribution in treatment planning. Frequentist stochastic frontier analysis is used to predict dosimetric metrics for the rectum and the bladder for prostate cancer treated by VMAT. Seven geometric parameters are extracted to characterize the relationship between the organs-at-risk with the planning volume. In total, 37 dosimetric parameters are tested. The developped model is tested using validation cohort (30 patients with prescribed dose between 60 and 70 Gy) where 77% (23 out of 30) of the predicted DVHs present a 5% or less dose deterioration with the planned DVH. Bayesian stochastic frontier analysis with a missing data management is then presented for the prediction of dosimetric parameters for 6 organs-at-risk for lung cancer treated by SBRT. 16 DVH metrics were predicted for the main bronchus, heart, esophagus, spinal cord PRV, great vessels and chest wall. The predictive model is tested on a test group of 50 patients. The mean difference between the observed and predicted values ranges between 1.5 ± 1.9 Gy and 4.9 ± 5.3 Gy for the spinal cord PRV D0.35cc and the main bronchus D0.035cc respectively. Stochastic frontier analysis is considered to be a new and valid method used in order to develop a quality control for EBRT treatment planning.

Identiferoai:union.ndltd.org:LAVAL/oai:corpus.ulaval.ca:20.500.11794/132485
Date16 January 2024
CreatorsKroshko, Angelika
ContributorsMorin, Olivier, Archambault, Louis
Source SetsUniversité Laval
LanguageFrench
Detected LanguageFrench
TypeCOAR1_1::Texte::Thèse::Thèse de doctorat
Format1 ressource en ligne (xv, 111 pages), application/pdf
Rightshttp://purl.org/coar/access_right/c_abf2

Page generated in 0.0025 seconds