ANALYSIS OF DOSE DISTRIBUTION WITH 3DCRT RADIOTHERAPY: SIMULATION AND EXPERIMENTAL OF A BREAST CANCER SCENARIO

Giulia Rita de Souza Faés; Mirko Salomón Alva-Sánchez; Viviane Rodrigues Botelho; Thatiane Pianoschi; Fábio Fernando  Brüning; Vinicius Fernando  dos Santos

doi:10.15628/holos.2025.16735

Autores

Giulia Rita de Souza Faés Universidade Federal de Ciências da Saúde Porto Alegre https://orcid.org/0000-0002-4748-5602
Mirko Salomón Alva-Sánchez Universiade Federal de Ciências da Saúde de Porto Alegre
Viviane Rodrigues Botelho Universidade Federal de Ciências da Saúde Porto Alegre https://orcid.org/0000-0003-1864-5926
Thatiane Pianoschi Universidade Federal de Ciências da Saúde Porto Alegre https://orcid.org/0000-0001-9552-6993
Fábio Fernando Brüning Hospital Erasto Gaertner, Curitiba-PR, Brasil https://orcid.org/0000-0001-9587-5771
Vinicius Fernando dos Santos Hospital de Câncer de Barretos no departamento de medicina nuclear, Barretos-SP, Brasil https://orcid.org/0000-0002-3691-7799

DOI:

https://doi.org/10.15628/holos.2025.16735

Palavras-chave:

gamma index, Simulação por monte Carlo, Controle da Qualidade, Parâmetros dosimétricos

Resumo

O câncer de mama é um dos cânceres mais comuns em todo o mundo. Avanços recentes no diagnóstico precoce e tratamento resultaram em uma alta probabilidade de sobrevivência do paciente. A radioterapia tem sido um tratamento crucial para casos de câncer de mama. Ao mesmo tempo, uma análise da distribuição de dose no corpo do paciente é necessária. Neste artigo, um tratamento de radioterapia para câncer de mama foi simulado usando o código de transporte de radiação PENELOPE e o phantom mamário PPMA. Parâmetros dosimétricos foram determinados para a configuração de irradiação nas três metodologias diferentes. As simulações foram realizadas em um equipamento LINAC Varian 600CD operado com um campo aberto a uma energia de 6 MV. Concluiu-se que as três condições de irradiação correlacionaram-se em 98,92%, de acordo com a análise gama realizada. A ferramenta computacional apresentada neste artigo pode ser utilizada para comparações de distribuições de dose em serviços de radioterapia que não possuem phantom específicos.

Downloads

Não há dados estatísticos.

Biografia do Autor

Giulia Rita de Souza Faés, Universidade Federal de Ciências da Saúde Porto Alegre

Graduada em Física Médica pela Universidade Federal de Ciências da Saúde de Porto Alegre (UFCSPA). Possui especialização em Física Médica da Radioterapia pelo Hospital São Lucas da PUCRS/Oncoclínicas (2021-2023). É supervisora de Radioproteção pela CNEN. Tem experiência na área de Física, com ênfase em Física Médica em tais tópicos: Sistema de planejamento Eclipse 15.6 e Mônaco, aceleradores Halcyon, iX e Trilogy e técnicas de planejamento 3D, IMRT, VMAT, SBRT e SRS. Além disso, teve como trabalho de conclusão de curso (TCC) uma pesquisa intitulada "Dosimetria e avaliação de risco do câncer secundário em radioterapia de mama: uma abordagem do Método de Monte Carlo" e como trabalho de conclusão de residência (TCR): " Monitoramento in vivo no Halcyon em tratamento radioterápico de mama VMAT". Telefone para contato: (54) 9 9940-9944 E-mail: giulia.faes@edu.pucrs.br

Viviane Rodrigues Botelho, Universidade Federal de Ciências da Saúde Porto Alegre

Graduada em Engenharia Química em 2009 pela Universidade Federal de Rio Grande (FURG). Possui mestrado (2012) e doutorado (2015) em Engenharia Química pela Universidade Federal do Rio Grande do Sul (UFRGS). Atualmente é docente do Departamento de Ciências Exatas, Sociais e Aplicadas da Universidade Federal de Ciências da Saúde de Porto Alegre (UFCSPA), com atuação nas disciplinas da área de matemática e computação científica. É docente permanente no Programa de Pós-Graduação em Tecnologia da Informação e Gestão em Saúde da UFCSPA. É membro do grupo de pesquisa Sistemas Inteligentes Aplicados à Saúde. Atualmente atua com pesquisas em modelagem matemática computacional, machine learning, simulação e otimização, com enfoque nas aplicações para a área da saúde.

Thatiane Pianoschi, Universidade Federal de Ciências da Saúde Porto Alegre

Possui graduação em Física Médica pela Universidade de São Paulo (2006), mestrado em Física Aplicada à Medicina e Biologia pela Universidade de São Paulo (2008) e doutorado em Física Aplicada à Medicina e Biologia pela Universidade de São Paulo (2014). Atualmente é professor de magistério superior da Fundação Universidade Federal de Ciências da Saúde de Porto Alegre. Tem experiência na área de Física, Médica com ênfase em Radioterapia. Atualmente tem interesse em Radiodiagnóstico, Radiobiologia e Inteligência Artificial. Participa do programa de residência uniprofissional em física médica com ênfase em Radioterapia. Além disso, é professora do programa de pós-graduação em Tecnologia da Informação e Gestão em Saúde.

Fábio Fernando Brüning, Hospital Erasto Gaertner, Curitiba-PR, Brasil

Possui graduação em Física pela Universidade Federal de Santa Catarina (UFSC) e mestrado em Ciências pelo Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial da Universidade Tecnológica Federal do Paraná (CPGEI-UTFPR), com ênfase em dosimetria de radiações ionizantes. É Especialista em Física Médica na área de Radioterapia pelo Instituto Nacional de Câncer (INCA), Supervisor de Radioproteção em Radioterapia pela Comissão Nacional de Energia Nuclear (CNEN) e Especialista em Física Médica na área de Radioterapia pela Associação Brasileira de Física Médica (ABFM). Atua como Físico Médico e Preceptor de residência no Departamento de Radioterapia do Hospital Erasto Gaertner em Curitiba. Presta consultoria em implementação, cálculo de blindagem e comissionamentos para serviços de radioterapia na América Latina.

Vinicius Fernando dos Santos, Hospital de Câncer de Barretos no departamento de medicina nuclear, Barretos-SP, Brasil

Possui graduação em Tecnologia em Radiologia pela Universidade de Franca (2009), graduação em Física Médica pelo Centro Universitário da Fundação Educacional de Barretos (2013) e mestrado em Física Aplicada à Medicina e Biologia pela Universidade de São Paulo (2017), atuando principalmente nos seguintes temas: radioterapia, nanopartículas de ouro, fator de aumento de dose e simulação Monte Carlo com pacote PENELOPE. Atualmente, é físico médico do Hospital de Câncer de Barretos no departamento de medicina nuclear.

Referências

A Biblioteca Padrão do Python. (n.d.). Python Documentation. Retrieved June 11, 2023, from https://docs.python.org/pt-br/3/library/

Anetai, Y., Sumida, I., Kumazaki, Y., Kito, S., Kurooka, M., Ueda, Y., Otani, Y., Narita, Y., Kawamorita, R., Akita, K., Kato, T. & Nakamura, M. (2022). Assessment of using a gamma index analysis for patient-specific quality assurance in Japan. Journal of Applied Clinical Medical Physics, 23(10), e13745. https://doi.org/10.1002/acm2.13745

C. Querebalú Garcia, E. Carrasco Solis, Rangel, L. & J. Centeno Ramos. (2021). Evaluation of the impact of parameters on the gamma index for breast cancer treatments. 67(6 Nov-Dec). https://doi.org/10.31349/revmexfis.67.061101

Drzymala, R. E., Mohan, R., Brewster, L., Chu, J., Goitein, M., Harms, W., & Urie, M. (1991). Dose-volume histograms. International Journal of Radiation Oncology*Biology*Physics, 21(1), 71–78. https://doi.org/10.1016/0360-3016(91)90168-4

Estimativa 2023: incidência de câncer no Brasil. (2023, February 1). INCA - Instituto Nacional de Câncer. ttps://www.inca.gov.br/publicacoes/livros/estimativa-2023-incidencia-de-cancer-no-brasil

Ezzell, G. A., Burmeister, J. W., Dogan, N., LoSasso, T. J., Mechalakos, J. G., Mihailidis, D., Molineu, A., Palta, J. R., Ramsey, C. R., Salter, B. J., Shi, J., Xia, P., Yue, N. J., & Xiao, Y. (2009). IMRT commissioning: Multiple institution planning and dosimetry comparisons, a report from AAPM Task Group 119. Medical Physics, 36(11), 5359–5373. https://doi.org/10.1118/1.3238104

Hussein, M., Clark, C. H., & Nisbet, A. (2017). Challenges in calculation of the gamma index in radiotherapy – Towards good practice. Physica Medica, 36, 1–11. https://doi.org/10.1016/j.ejmp.2017.03.001

Hussein, M. H., Pejman Rowshanfarzad, Ebert, M. A., Nisbet, A., & Clark, C. H. (2013). A comparison of the gamma index analysis in various commercial IMRT/VMAT QA systems. 109(3), 370–376. https://doi.org/10.1016/j.radonc.2013.08.048

Laís Bhering Martins, Lima, C., Garcia, P. A., Trindade, C., Maíra Rocha Santos, & Delano. (2013). Verificação tridimensional pré-tratamento de radioterapia de intensidade modulada utilizando o software 3DVHTM. 7(2), 45–48. https://doi.org/10.29384/rbfm.2013.v7.n2.p45-48

Lavor, M., Rodrigues, L. N., & Silva, M. A. (2015). Avaliação das ferramentas de controle da qualidade para pacientes submetidos ao IMRT. Revista Brasileira De Física Médica, 7(1), 3–8. https://doi.org/10.29384/rbfm.2013.v7.n1.p3-8

Li, H., Peng, X., Zeng, J., Xiao, J., Nie, D., Zu, C., Wu, X., Zhou, J., & Wang, Y. (2022). Explainable attention guided adversarial deep network for 3D radiotherapy dose distribution prediction. 241, 108324–108324. https://doi.org/10.1016/j.knosys.2022.108324

Marini, G. (2013). Avaliação de distribuições de dose em tratamentos radioterápicos utilizando filmes radiocrômicos. https://doi.org/10.11606/d.59.2013.tde-19112013-144036

Nonato, L., Adelaide de Almeida, & Linda V.E. Caldas. (2016). MEDIÇÕES ESPECTROFOTOMÉTRICAS DA OXIDAÇÃO NO DOSÍMETRO QUÍMICO FRICKE XYLENOL GEL (FXG): AVALIAÇÃO DAS DISPOSIÇÕES DAS AMOSTRAS PÓS-IRRADIAÇÕES. Holos, 4, 153–161. https://doi.org/10.15628/holos.2016.1890.

Palmer, A. L., Bradley, D. A., & Nisbet, A. (2015). Evaluation and mitigation of potential errors in radiochromic film dosimetry due to film curvature at scanning. Journal of Applied Clinical Medical Physics, 16(2), 425–431. https://doi.org/10.1120/jacmp.v16i2.5141

Prescribing, Recording, and Reporting Photon-Beam Intensity-Modulated Radiation Therapy (IMRT): (2010). Journal of the ICRU, 10(1), NP.3-NP. https://doi.org/10.1093/jicru/ndq002

Ramos Poli, M. E. (n.d.). Definição do volume de planejamento do alvo (PTV) e seu efeito na radioterapia (IPEN, Ed.) [Review of Definição do volume de planejamento do alvo (PTV) e seu efeito na radioterapia]. https://www.teses.usp.br/teses/disponiveis/85/85131/tde-27112007-144824/publico/tese_maria_esmeralda.pdf

Salvat, F., Fernández-Varea, J. M., & Sempau, J. (2006, July). PENELOPE-2006: A code system for Monte Carlo simulation of electron and photon transport. In Workshop proceedings (Vol. 4, No. 6222, p. 7). Barcelona, Spain: Nuclear Energy Agency, Organization for Economic Co‐operation and Development.

Santos, T. B. dos, Borges, A. K. da M., Ferreira, J. D., Meira, K. C., Souza, M. C. de, Guimarães, R. M., & Jomar, R. T. (2022). Prevalência e fatores associados ao diagnóstico de câncer de mama em estágio avançado. Ciência & Saúde Coletiva, 27(2), 471–482. https://doi.org/10.1590/1413-81232022272.36462020.

Sperling, S. G., Mugnol, T., Hammes, T. P., Zanella, J. F. P., & Coser, J. (2021). VALIDAÇÃO DE INSTRUMENTO PARA AVALIAÇÃO DO RASTREAMENTO DO CÂNCER DO COLO DO ÚTERO EM MULHERES COM DEFICIÊNCIA FÍSICA. HOLOS, 1, 1–19. https://doi.org/10.15628/holos.2021.10733

Shah, C., Al-Hilli, Z., & Vicini, F. (2021). Advances in Breast Cancer Radiotherapy: Implications for Current and Future Practice. JCO Oncology Practice, 17(12). https://doi.org/10.1200/op.21.00635.

Sheikh-Bagheri, D., & Rogers, D. W. O. (2002). Monte Carlo calculation of nine megavoltage photon beam spectra using the BEAM code. Medical Physics, 29(3), 391–402. https://doi.org/10.1118/1.1445413.

Van Rossum, Guido. (1995). Python Tutorial.

Wang, W., Sheng, Y., Manisha Palta, Czito, B. G., Willett, C. G., Hito, M., Yin, F.-F., Wu, Q., Ge, Y., & Wu, Q. (2021). Deep Learning–Based Fluence Map Prediction for Pancreas Stereotactic Body Radiation Therapy With Simultaneous Integrated Boost. 6(4), 100672–100672. https://doi.org/10.1016/j.adro.2021.100672.

Zati Ferreira Machado, P., Funchal, M., Prado Lyra, J. G., De Oliveira Fernandes, T. C., & Bruning, F. F. (2019). Levantamento dos Pontos Reprovados pela Análise Gama em Distribuições Planares de Controle de Qualidade de IMRT de Planejamentos de Cabeça e Pescoço. Revista Brasileira de Física Médica, 12(2), 2. https://doi.org/10.29384/rbfm.2018.v12.n2.p2-6.

Zulunov, Ravshanbek and Bakhromjon Soliev. "Importance of python language in development of artificial intelligence." Потомки Аль-Фаргани 1.1 (2023): 7-12.