Académique Documents
Professionnel Documents
Culture Documents
Blazy Aubignac
Blazy Aubignac
U.F.R SCIENCES
THESE
présentée et soutenue
par
Léone BLAZY-AUBIGNAC
le 4 septembre 2007
JURY
M. M TERRISSOL Professeur, UFR Sciences Toulouse III - Paul Sabatier, Toulouse Président
M. S HACHEM Professeur, UFR Sciences-UNSA, Nice Rapporteur
M. A NOEL HDR, Chef du service de physique médicale Rapporteur
Centre Alexis Vautrin, Vandoeuvre les Nancy
M. J BARTHE Directeur de recherche CEA, Saclay Directeur de thèse
M. S BEAUMONT Physicien médical, La Roche-sur-Yon Examinateur
Directeur technique, société QUALIFORMED
M. JM BORDY Ingénieur chercheur CEA Examinateur
Responsable du Laboratoire de la Métrologie de la Dose, Saclay
M. L MAKOVICKA Professeur, UFR Franche-Comté, Montbéliard Examinateur
Remerciements
Je remercie Messieurs Bruno Chauvenet et François Damoy, responsables successifs du
Laboratoire National Henri Becquerel, pour m’avoir permis d’effectuer mes travaux de recherche
au sein de leur laboratoire.
Merci à toute l’équipe du Laboratoire de la Métrologie de la Dose pour leur accueil chaleureux,
leur constante bonne humeur et l’intérêt qu’ils ont porté à mes travaux. Je remercie plus
particulièrement, Didier Baltès, Dominique Cutarella, Eric Leroy et Aimé Ostrowsky qui
ont participé activement à la partie expérimentale de ce travail.
Je souhaite remercier très chaleureusement Frank Delaunay, qui m’a accueillie dans son bureau
durant cette thèse, pour ses conseils, son aide, sa disponibilité et sa gentillesse.
Je n’oublierai pas d’associer à ces remerciements Wassim Ksouri, doctorant au LNHB, avec qui
j’ai partagé ces trois années de thèse. Qu’il trouve ici le témoignage de ma profonde amitié.
Je dédie ce travail :
A mes parents qui m’ont toujours encouragée et soutenue durant toutes ces années et qui
m’ont permis d’aller au bout de mes projets. Merci d’avoir cru à mes choix d’étude et de m’avoir
donné les moyens d’accomplir ce travail dans les meilleures conditions.
A mes frères, Julien et Antoine, pour leur irremplaçable et inconditionnel soutien.
A Alexis pour sa présence et ses encouragements qui occupent une grande place dans
l’accomplissement de ces travaux. Merci de m’avoir tenu la main jusqu’à la dernière ligne de ce
manuscrit. Merci d’avoir toujours été là pour moi.
Table des matières
Introduction .............................................................................................................................. 1
Chapitre 1
I. Contexte .............................................................................................................................. 7
II. Principales fonctions des Systèmes de Planification des Traitements en radiothérapie.... 8
III. Contrôle qualité des Systèmes de Planification des Traitements ................................... 11
III.1] La réception du TPS................................................................................................ 12
III.2] La mise en service du TPS...................................................................................... 12
III.3] L’utilisation en routine clinique du TPS : contrôles périodiques ........................... 12
IV. Contrôle qualité des calculs de dose .............................................................................. 13
IV.1] Organisation du contrôle qualité............................................................................. 13
IV.2] Méthodes référencées pour la vérification des calculs de dose .............................. 15
IV.2.1] Méthode n°1 : « traditionnelle » ...................................................................... 15
IV.2.2] Méthode n°2 : « semi - automatisée » ............................................................. 16
IV.2.3] Méthode n°3 : « automatisée» ......................................................................... 17
V. Recherche avancée sur l’amélioration du contrôle qualité des calculs de dose .............. 19
Chapitre 2
Traitements ............................................................................................................................. 23
I. Introduction....................................................................................................................... 25
II. Code Monte-Carlo PENELOPE ...................................................................................... 26
II.1] Utilisation des codes Monte-Carlo en radiothérapie ................................................ 26
II.2] Principe de la méthode Monte-Carlo ....................................................................... 28
II.3] Simulations Monte-Carlo par le code PENELOPE.................................................. 29
II.3.1] Choix du code.................................................................................................... 29
II.3.2] Descriptif du code PENELOPE ........................................................................ 30
II.3.2.1] Structure générale....................................................................................... 30
II.3.2.2] Modèles de diffusion.................................................................................. 31
Table des matières
Chapitre 3
I. Introduction....................................................................................................................... 73
Table des matières
Chapitre 4
Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
................................................................................................................................................ 119
I. Introduction..................................................................................................................... 121
II. Etape préliminaire : modélisation de l’accélérateur SL-ELEKTA................................ 121
II.1] Géométrie ............................................................................................................... 122
II.1.1] Eléments non dépendant de l’énergie nominale des faisceaux de photons..... 122
II.1.2] Eléments spécifiques de l’énergie nominale des faisceaux de photons .......... 122
II.1.3] Système de collimation ................................................................................... 124
II.2] Matériaux ............................................................................................................... 128
II.3] Paramètres de simulation ....................................................................................... 129
III. Etape 1 : ajustement des paramètres des électrons initiaux ......................................... 129
III.1] Energie moyenne et dispersion en énergie des électrons initiaux......................... 130
III.1.1] Faisceau de photons de 6 MV........................................................................ 130
III.1.2] Faisceau de photons de 10 MV...................................................................... 132
III.1.3] Faisceau de photons de 18 MV...................................................................... 133
III.1.4] Conclusion ..................................................................................................... 135
III.2] Tâche focale .......................................................................................................... 135
III.3] Spectres en énergie résultant................................................................................. 137
Table des matières
Conclusion............................................................................................................................. 171
Bibliographie......................................................................................................................... 177
Glossaire
Introduction
Depuis une dizaine d'années, les avancées significatives en radiothérapie externe sont
fortement conditionnées à l’utilisation systématique d’outils informatiques qui permettent de
« piloter » de plus en plus précisément des dispositifs médicaux de plus en plus complexes.
Parmi ces outils, les Systèmes de Planification des Traitements (Treatment Planning System 1)
occupent une position clé au sein du service de radiothérapie. Ils recueillent les données
anatomiques du patient, assistent le médecin dans le choix des paramètres géométriques de
l’irradiation et réalisent le calcul prévisionnel de la distribution de la dose afin de s’assurer
que les objectifs thérapeutiques seront respectés. Ils permettent également de calculer les
quantités de rayonnement à délivrer par faisceau et par séance d’irradiation (Unités Moniteur)
pour respecter la prescription médicale. Compte tenu de ce rôle déterminant, il apparaît donc
essentiel que les TPS fassent l’objet d’un contrôle de performances approfondi afin de
garantir la qualité et la sécurité des traitements par radiothérapie. L’objectif de ce contrôle
qualité est d’une part, de vérifier la justesse des calculs de doses réalisées par les TPS et
d’autre part, de connaître les limites de leur utilisation (domaines de validité).
Ces travaux de thèse proposent de réaliser le contrôle qualité des outils dosimétriques des TPS
au moyen de simulations Monte-Carlo réalisées avec le code PENELOPE. Ces simulations
peuvent se substituer avantageusement au processus habituel qui consiste à comparer les
distributions de dose calculées par le TPS avec des mesures dosimétriques. En effet, elles
permettent d’envisager le contrôle qualité du TPS sans monopoliser les appareils de
traitement et elles offrent dans de nombreuses configurations de test, une précision supérieure
aux mesures compte tenu du matériel dosimétrique dont peut disposer un centre de
radiothérapie. De plus, les simulations Monte-Carlo PENELOPE peuvent constituer une
référence de dosimétrie numérique dont le format facilite les opérations de comparaisons avec
les résultats des TPS, également numériques.
Ainsi, la simplification de la mise en œuvre du contrôle qualité des TPS, grâce notamment à
ces possibilités d’automatisation, devrait permettre aux centres de radiothérapie de disposer
d’un contrôle plus complet et plus approfondi.
1
Dans la suite du document, le Système de Planification des Traitements sera nommé TPS, pour l’anglais,
Treatment Planning System.
1
Introduction
Dans un souci de priorité, nos travaux ont porté sur la radiothérapie conformationnelle sans
modulation d’intensité puisque ce type de traitement représente encore, en termes de dose
délivrée, plus de 75% des traitements réalisés en radiothérapie.
Après une présentation de la méthodologie destinée à automatiser le contrôle qualité des TPS,
le second chapitre expose les trois outils indispensables à sa mise en œuvre. Tout d’abord, le
code Monte-Carlo PENELOPE est présenté en insistant sur les modifications apportées pour
les besoins de l’étude. Ensuite, l’outil d’évaluation des calculs de dose et les Objets Tests
Numériques consacrés au contrôle qualité sont détaillés. Enfin, une attention toute particulière
est portée aux critères d’acceptabilité nécessaires à la validation des calculs de dose des TPS.
Le dernier chapitre est consacré à l’application clinique du contrôle qualité automatisé. Cette
application a été menée pour le TPS Masterplan utilisé en routine à la Clinique du Parc de
Chalon sur Saône pour trois qualités de faisceaux de photons : 6 MV, 10 MV et 18 MV.
2
Introduction
Toutes les étapes nécessaires au contrôle qualité que nous proposons sont détaillées dans ce
chapitre :
- tout d’abord, le paramétrage de la simulation Monte-Carlo comprend la modélisation
géométrique de l’accélérateur ELEKTA utilisé en routine clinique, l’ajustement des
paramètres initiaux des électrons à l’origine de la production des faisceaux de photons et la
validation des simulations Monte-Carlo, dans une cuve à eau, pour différentes dimensions de
champ d’irradiation.
- ensuite, les calculs de dose sont effectués, en 3 Dimensions, par le code Monte-Carlo
PENELOPE (référence) et par le TPS Masterplan dans douze Objets Tests Numériques
préalablement identifiés.
- enfin, ces calculs de dose sont comparés et validés à l’aide de l’outil d’évaluation et des
critères présentés conjointement dans le chapitre 2. Le détail des résultats obtenus fait l’objet
d’un document annexe.
Les travaux de recherche menés au cours de cette thèse ont été effectués dans le cadre d’un
partenariat entre le Laboratoire National Henri Becquerel (CEA Saclay, 91) et la société
QuaLiformeD (La Roche-sur-Yon, 85). Ils ont également bénéficié du concours du service de
radiothérapie de la Clinique du Parc (Chalon-sur-Saône, 71) et de la Ligue contre le Cancer
(Comité de Vendée).
3
4
Chapitre 1 : Nature et Objet de l’étude
Chapitre 1
5
6
Chapitre 1 : Nature et Objet de l’étude
I. Contexte
Aujourd’hui, la moitié des cancers sont traités par radiothérapie. L'effet biologique étant en
relation avec l’énergie absorbée par les tissus, le développement de la radiothérapie ne saurait
être dissocié de celui de la dosimétrie des rayonnements ionisants. L'étalonnage des faisceaux
d’irradiation et la détermination de la répartition spatiale de la dose absorbée à l'intérieur de
l'organisme sont donc déterminants pour la qualité de prise en charge des patients.
Pour les TPS, les années 1970 sont marquées principalement par la recherche de méthodes de
modélisation dosimétriques compatibles avec des temps de calculs raisonnables compte tenu
des capacités informatiques de l’époque. Dans ce contexte, les TPS étaient capables de
reproduire des distributions de dose bidimensionnelles pour des situations géométriques
simples. Les calculs de dose pour des situations complexes (prise en compte des
hétérogénéités, des irrégularités de surface…) étaient, quant à eux, très imprécis voire
impossibles. Au cours de cette même décennie, les protocoles établis par des commissions
d'experts (ICRU-29 1978, IAEA 1987) ont permis la mise en place des programmes
d'intercomparaisons dosimétriques qui ont constitué le point de départ des programmes
d'assurance qualité en radiothérapie externe.
Les années 1980-1990 apportent une évolution des techniques de traitements en radiothérapie
externe. Les développements rapides des systèmes d'imagerie diagnostiques, des accélérateurs
linéaires à collimateur multilames (Figure 1) mais surtout, des moyens informatiques mis à
profit dans les TPS et également dans les réseaux d’échanges et de vérification d’information
(Record and Verify) ont ouvert de nouvelles voies pour des traitements plus efficaces. Un
traitement efficace limite au maximum l’irradiation des tissus sains et accroît l’irradiation des
tumeurs.
Désormais, les techniques de l’information et de la communication sont au cœur des
processus de décisions et de réalisation des traitements par radiothérapie externe (acquisition
des images diagnostiques, planification géométrique des traitements, calcul des distributions
de dose, pilotage des irradiations délivrées par les accélérateurs linéaires).
De nos jours, la radiothérapie est devenue conformationnelle : les faisceaux sont
systématiquement conformés aux contours des tumeurs grâce à l’utilisation conjointe du
scanner pour l’obtention des données anatomiques en position de traitement, des TPS pour
recueillir ces données en assistant le médecin dans la préparation d’une balistique optimale et
du collimateur multilames pour délimiter l’irradiation au strict minimum.
7
Chapitre 1 : Nature et Objet de l’étude
L’AAPM (1998) définit la planification des traitements en radiothérapie externe comme étant
la procédure mise en œuvre pour déterminer le nombre, l’orientation, le type et les
caractéristiques des faisceaux utilisés pour délivrer une dose de rayonnement à un patient
présentant une tumeur cancéreuse. Les sept étapes de cette procédure sont présentées dans le
Tableau 1.
Le TPS construit un modèle virtuel en 3D du patient à partir des multiples coupes du patient
acquises au cours de l’examen scannographique réalisé en position de traitement (étape 1 et
2). Le TPS offre ensuite des outils de contourage et d’expansion qui permettent de délimiter
les volumes du patient à traiter et à protéger (étape 3). Au cours de l’étape 4, les données
anatomiques (contour de tumeur et des organes à protéger) servent à la définition des
caractéristiques physiques (énergie et type) et géométriques (nombre, incidences, dimensions
et formes) des faisceaux d’irradiation. Des modificateurs de faisceaux (bolus, filtre en coin)
peuvent également être utilisés pour adapter les distributions de dose aux volumes à irradier:
modification de la profondeur du maximum de dose, compensation des obliquités de surface,
irradiation des volumes concaves.
L'analyse quantitative et qualitative de la répartition des doses autour du volume tumoral est
faite, au cours des étapes 5 à 7, en tenant compte des hétérogénéités du milieu. Cette analyse
8
Chapitre 1 : Nature et Objet de l’étude
doit garantir la justesse dosimétrique du traitement. Cela implique, le calcul des distributions
de dose en 3D, autour du volume tumoral grâce à un algorithme de calcul de dose adapté, et
également le calcul des temps d’irradiation, par faisceau et par séance (Unité Moniteur),
nécessaires pour délivrer la dose prescrite.
Tableau 1 : Procédure de planification des traitements par radiothérapie (AAPM 1998).
9
Chapitre 1 : Nature et Objet de l’étude
L’analyse du Tableau 1 met en évidence la place qu’occupe l’outil TPS dans la procédure de
planification des traitements et les possibilités offertes par cet outil. Le TPS apparaît comme
l’une des ressources essentielles dans la préparation des traitements par radiothérapie et où ses
fonctions multimodales - de la définition anatomique au calcul de la dose – impliquent le
suivi et le contrôle de la conformité des résultats.
Les possibilités de traitement offertes, par les équipements actuels et les nouvelles
technologies, impliquent des contrôles drastiques pour s’assurer du respect de la
recommandation de l’ICRU-29 et pour garantir l’efficacité, la qualité et la sécurité des
traitements prescrits. Ainsi, les performances des dispositifs médicaux permettant de préparer
les traitements (TPS, systèmes d’imagerie) et de les réaliser (accélérateurs linéaires) font
l’objet d’une surveillance particulière. A titre d’exemple, les mesures in vivo ont pour
fonction de valider la dose délivrée par l’appareil de traitement, lors des séances d’irradiation,
en positionnant des dosimètres à semi-conducteur à l’entrée et à la sortie du patient (Noel et al
1995).
Pour les TPS, le contrôle qualité doit permettre de vérifier la conformité de leurs
performances, de surveiller toutes dérives des performances initiales et de connaître les
limites de validité des logiciels exploités sur ces TPS. Des documents de référence pour ce
contrôle qualité ont été établis, successivement, par diverses commissions étrangères (AAPM
1995 et 1998, ESTRO 2004, IPEMB 1996, IAEA 2004, NCS 1997 et 2006, SSRMP 1997).
10
Chapitre 1 : Nature et Objet de l’étude
La Société Française de Physique Médicale (SFPM) mène, actuellement, une réflexion afin
d’éditer des recommandations nationales. Les experts français mandatés par la SFPM ont pu
définir, sans encombre, les différents paramètres permettant de quantifier les performances
des TPS et les méthodes associées en constatant, cependant, le manque d’outils pratiques pour
mettre aisément en œuvre ces contrôles qualité.
Cette étude de thèse a pour objectif de fournir des outils d’évaluation des performances
dosimétriques des TPS (étape 5 du Tableau 1). En complément, d’autres travaux de recherche
ont été menés à l’Institut de Recherche en Communications et CyberNétique (IRCCyN) de
Nantes sur les aspects géométriques des TPS (Denis et al 2005).
Les TPS simulent les dépôts d’énergie, dans les tissus, au moyen d’algorithmes de calcul des
distributions de dose. Ces algorithmes ont été développés pour permettre un calcul de dose
dans quasiment n’importe quelle condition géométrique de traitement et ce, dans un temps
raisonnable, compatible avec la routine clinique (maximum de 15 minutes par plan de
traitement). Il en résulte, bien entendu, un compromis en termes de précision des calculs de
dose dont il faut s’assurer avant toute utilisation clinique. Par ailleurs, les algorithmes utilisés
par les TPS sont paramétrés par des données de base constituées de mesures dosimétriques
particulières, réalisées directement sous l’appareil de traitement. De fait, il convient
également de s’assurer de la pertinence de ces données de base.
Tandis que la plupart des TPS ont recours à un calcul analytique pour réduire les temps de
calcul, cette étude s’appuie sur l’utilisation d’un algorithme de calcul de dose fondé sur la
méthode Monte-Carlo. Cet algorithme simule, individuellement, le transport de chaque
particule incidente du faisceau d’irradiation et permet d’obtenir, au détriment des temps de
calcul, des distributions de dose plus détaillées. Les doses calculées au cours de cette étude
couvrent uniquement quelques conditions particulières caractéristiques d’irradiation pour
lesquels les compromis en termes de temps de calcul sont beaucoup moins critiques qu’en
routine clinique.
Le contrôle qualité intègre tout le cycle de vie d’un TPS : de sa réception, en passant par sa
mise en service, jusqu'à son utilisation en routine clinique.
11
Chapitre 1 : Nature et Objet de l’étude
2
Le logiciel de simulation virtuelle permet de simuler les conditions géométriques de l’irradiation (nombre de
faisceau, incidence, orientation…) délivrée lors d’un traitement par radiothérapie en fonction de la localisation et
de la forme du volume cible et des organes sensibles qui lui sont proches.
12
Chapitre 1 : Nature et Objet de l’étude
Depuis une vingtaine d’années, de nombreux efforts ont été menés par les acteurs de la
physique médicale pour adapter le contrôle qualité aux possibilités dosimétriques des TPS
(AAPM 1995 et 1998, Belleti et al 1996, Brahme et al 1988, ESTRO 2004, IAEA 2004,
IPEMB 1996, Kolitsi et al 1997, NCS 1997 et 2006, Panista et al 1997, Rosenwald 1998,
SSRMP 1997, Van Dyk et al 1993, Venselaar et al 2001a).
Dans les années 70-80, au début de l’utilisation des TPS, la plupart des utilisateurs avaient
déjà conscience des enjeux et des risques liés aux calculs de dose et avaient, dès lors, pris
l’habitude d’effectuer des tests ponctuels sur leurs systèmes pour vérifier la corrélation entre
les doses calculées et mesurées. Cette réflexion scientifique a donné lieu à de nombreuses
publications traitant exclusivement de la vérification des calculs de dose en 2-D (McCullough
et al 1980 ; Westernamm et al 1984 ; Davis et al 1997) et a conduit plusieurs groupes
d’experts à développer des protocoles de contrôle qualité (AAPM 1995, NCS 1997, IPEMB
1996, Kolitsi et al 1997, SSRMP 1997, Panista et al 1997).
Bien que le travail de Van Dyk et al (1993) propose de nombreuses recommandations
permettant une vérification plus complète, plus spécifique et plus précise des possibilités
dosimétriques des TPS, il a fallu attendre les rapports AAPM (1998), IAEA (2004), ESTRO
(2004) et plus, récemment le rapport NCS (2006), fondé sur les travaux de Venselaar et al
(2001a), pour disposer d’outils qui traitent, en détail, de tous les aspects présents dans le
développement du contrôle qualité des calculs de dose.
D’ores et déjà, ces rapports permettent d’une part, de seconder l’utilisateur dans le
développement et la mise en œuvre du contrôle qualité et d’autre part, de donner une vision
réaliste et complète de la charge de travail associé à ce contrôle (nombre de tests à réaliser,
fréquence des tests, choix des critères d’acceptabilité…).
13
Chapitre 1 : Nature et Objet de l’étude
Tableau 2 : Items pour le contrôle qualité des calculs de dose (AAPM, 1998).
1. Vérification des données de base implémentées dans le TPS
Æ Objectif : Vérifier que le TPS est capable de reproduire précisément les données d’entrée.
Les données d’entrée sont les données expérimentales des accélérateurs du service de radiothérapie qui sont
nécessaires pour effectuer les calculs de dose. Ces données proviennent, principalement, de mesures réalisées
au sein de cuve à eau. Ce sont généralement des courbes de rendement en profondeur, de profils de dose, de
débit de dose en fonction des dimensions des champs d’irradiation et des profondeurs utilisées en clinique.
L’influence des modificateurs de faisceaux (filtre en coin, caches moulés) est également prise en compte avec
des mesures additionnelles de profils de dose et de facteurs de transmission.
Cela implique des tests extrêmes éloignés de la réalité clinique et des tests « simples ».
La lecture de ce tableau illustre cinq points de contrôle et des objectifs précis nécessitant des
outils appropriés. De fait, la vérification de ces items fait appel à des tests spécifiques qui sont
étroitement corrélés aux matériels disponibles pour effectuer les tests et à l’utilisation du TPS
en routine clinique. Ces tests de vérification dosimétrique peuvent être classés en deux
catégories :
- catégorie 1 : des tests « simples » (IAEA 2004, AAPM 1998, ESTRO 2004, Van
Dyk et al 1993)
Ils font référence à des géométries simples et sont effectués dans une cuve d’eau. Les résultats
sont faciles à interpréter lors des comparaisons calculs-mesures.
14
Chapitre 1 : Nature et Objet de l’étude
- catégorie 2 : les tests « complexes » (AAPM 1998, Caneva et al 2000, ESTRO 2004,
IAEA 2004, NCS 2006, Panista et al 1997, Simonian-Cauve et al 1998, Venselaar et al
2001a)
Ils concernent des géométries plus complexes (hétérogénéités, manque de volume diffusant,
obliquité de surface…) et peuvent faire appel à des fantômes, plus ou moins,
anthropomorphiques pour simuler des conditions, plus ou moins, réalistes de traitement. Les
résultats sont souvent difficiles à interpréter, lors des comparaisons calculs - mesures, compte
tenu des incertitudes relatives aux mesures, aux données de base (Tableau 2) et à l’algorithme
de calcul de dose implémenté dans le TPS.
Même si la plupart des tests « simples » peuvent être communs, à tous les services de
radiothérapie, il est essentiel que chaque service adapte ce contrôle qualité à ses propres
besoins cliniques. Le contrôle des calculs de dose, développé dans le Tableau 2, impose aux
utilisateurs une batterie de tests difficilement gérables dans un environnement de routine
clinique (« temps machine », « temps humain »).
Ainsi, l’évolution de l’environnement en radiothérapie suggère le besoin d’outils de contrôle
plus simples à mettre en œuvre. Les travaux de thèse vont donc se positionner sur ce besoin,
mis en exergue par les acteurs de la physique médicale, et vont tenter de compléter et de
simplifier les méthodes référencées.
15
Chapitre 1 : Nature et Objet de l’étude
informatique, pour les mêmes conditions d’irradiation. Les conditions d’irradiation du test
doivent être reproduites sur le TPS pour obtenir les calculs des distributions de dose pour les
fantômes.
Cette méthode, performante et maîtrisée, est bien adaptée aux cas simples (irradiations de
milieux simples sans obliquité de surface ni hétérogénéité). Dans ce cas, le test peut être
réalisé avec un matériel dosimétrique standard constitué, d’une cuve à eau, d’un explorateur
de fantôme, de chambres d’ionisation associées à un électromètre. De nombreux paramètres
peuvent être testés, dans ces conditions, tels que l’influence : de la distance à la source, de la
profondeur, de la taille du champ, de l’asymétrie et des accessoires modificateurs de
faisceaux, des caches moulés, du collimateur multilames, du filtre en coin…
En revanche, ces conditions restent assez éloignées de la réalité clinique pour laquelle le
milieu irradié est beaucoup plus complexe. Tester de telles conditions fait intervenir, cette
fois, des fantômes plus élaborés (hétérogénéités, manque de milieu diffusant, obliquité de
surface) dont il est difficile de disposer et dans lesquels, les mesures de dose sont beaucoup
plus délicates à mettre en œuvre. Pour palier ce problème de mesure de dose, Guillerminet et
al (2003a) ont proposé une dosimétrie par gels polymères qui s’adapte facilement aux
conditions d’irradiations complexes et qui permet de déterminer, expérimentalement, les
distributions de dose en 3D.
Malheureusement, le contexte actuel de manque de disponibilité des installations en dehors du
temps de traitement des patients rend cette méthode chronophage difficilement utilisable.
16
Chapitre 1 : Nature et Objet de l’étude
données de ces deux appareils sont rentrées dans la bibliothèque, la comparaison peut se faire
entre les données calculées par le TPS et les données mesurées pour les configurations
proposées dans le rapport 55.
L’avantage de cette méthode est qu’aucune mesure n’est nécessaire ce qui libère les machines
de traitement. En revanche, cette méthode ne correspond à aucun appareil utilisé pour les
traitements et est lourde à implémenter (configuration de la bibliothèque des TPS, analyse et
traitement des résultats). De plus, les récents développements technologiques tels que les
collimateurs multilames ne peuvent être incorporés dans ces tests « clé en main » car les
accélérateurs qui ont été utilisés ne proposent pas ces nouveaux accessoires. L’utilisation de
cette méthode statique, dépendante des appareils de traitement, est limitée au regard de
l’évolution technologique rapide de la radiothérapie (Caneva 2001).
Une remise à niveau a été proposée en 2001 par Vensalaar et al (2001a). La méthode de
vérification dosimétrique est similaire mais elle est, cette fois-ci, fondée sur un jeu de données
expérimentales obtenu pour deux accélérateurs modernes équipés de collimateur multilames
(Elekta SL-15 et SL-20) et pour 3 énergies photons. Ce nouveau jeu de données permet de
tester le calcul de dose des TPS dans le cas de nouvelles techniques de traitements (champs de
forme complexe) ou dans le cas de traitements existants spécifiques (manque de volume
diffusant). Il est important de souligner qu’aucun jeu de données n’est actuellement
disponible pour les faisceaux d’électrons.
- niveau 2 (item 3, Tableau 2): évaluation quantitative du TPS pour apprécier le calcul
de dose pour des configurations simples, indispensables avant toute utilisation clinique.
L’utilisateur compare des données mesurées pour des cas simples avec des données calculées
17
Chapitre 1 : Nature et Objet de l’étude
par le TPS.
- niveau 3 (item 4, Tableau 2): évaluation quantitative du TPS pour apprécier la justesse
des calculs de dose pour des configurations complexes.
Cette évaluation repose sur l’obtention de facteurs correctifs qui expriment les modifications
de la dose induites par une situation complexe par rapport à une situation simple de référence.
La complexité peut apparaître par la présence de modificateurs de faisceaux (caches moulés,
filtre en coin) ou par la présence d’hétérogénéités, d’irrégularités de surface…
Les « facteurs correctifs de référence » fournis dans les travaux de Caneva et al (2000) ont été
obtenus pour des faisceaux de photons soit, expérimentalement soit, à partir des données
publiées. Ils sont exprimés en fonction de l’indice de qualité du faisceau et ne dépendent donc
pas de l’accélérateur où ils sont mesurés.
Pour vérifier le calcul de dose dans une configuration complexe, l’utilisateur doit dans un
premier temps, reproduire sur son TPS les configurations tests proposées et, dans un second
temps, effectuer le calcul des facteurs correctifs à partir des doses calculées par le TPS. Les
facteurs correctifs, ainsi calculés pour chaque configuration, sont comparés aux « facteurs
correctifs de référence » fournis pour un indice de qualité de faisceau donné.
Cette méthode présente deux avantages majeurs : une mise en œuvre très simple, aucune
mesure ne doit être faite par l’utilisateur lors du niveau 3 - le plus complexe à mettre en œuvre
- et des résultats faciles à interpréter. Cette méthode a d’ailleurs été utilisée pour vérifier les
calculs de dose des TPS, en mode photon, dans les milieux équivalent-poumon (Tsiakalos et
al 2004) et au voisinage des interfaces air/tissu (Caneva et al 2006).
Cependant, la nécessité de mesures initiales, pour déterminer les « facteurs correctifs de
référence », confère un inconvénient à cette méthode. En effet, le degré de complexité des
configurations tests se trouve limité d’une part, par la disponibilité des milieux de référence
adaptés à la réalisation de ces tests et d’autre part, par la difficulté de réalisation de mesures
dans bon nombre de situation de tests. Cette méthode est donc difficilement adaptable à des
configurations tests, proches de la réalité clinique des traitements.
18
Chapitre 1 : Nature et Objet de l’étude
Le potentiel et les limites des méthodes précédemment évoquées, montrent que la mise en
œuvre d’un contrôle qualité des calculs de dose réalisés par les TPS se heurte à deux
difficultés majeures :
- l’évolution des appareils et des techniques de traitement,
- l’obtention de données de référence dosimétriques pour les conditions d’irradiation
proches des traitements.
19
Chapitre 1 : Nature et Objet de l’étude
et la précision. La performance des moyens informatiques nous conduisent, hélas, à limiter les
temps de calcul et donc à faire des approximations dont les conséquences, en termes de
justesse, doivent être moins importantes que celles constatées avec la méthode traditionnelle
[cf IV.2.1].
La méthodologie que nous proposons, fondée sur des « données de référence » calculées par
le code Monte-Carlo PENELOPE, doit apporter une solution aux lacunes de la méthode
traditionnelle notamment, dans le cas des situations complexes. L’approche totalement
numérique et automatique du contrôle qualité des TPS sera facilitée par la création d’Objets
Tests Numériques (faisceau et dose) voxélisés et par la nature numérique des données à
comparer. La simplification de la mise en œuvre du contrôle de qualité devrait permettre de
mettre au point des contrôles plus complets et plus précis que ceux proposés avec la méthode
traditionnelle. Pour en faire un algorithme de référence nous nous efforcerons d’obtenir des
distributions de dose MC avec une précision (1 σ):
- inférieure à 2% dans les régions de forte dose (supérieures à 30% du maximum de
dose)
- comprise entre 2% et 5% dans les régions de faibles doses (inférieures à 30 % du
maximum de dose).
20
Chapitre 1 : Nature et Objet de l’étude
La méthodologie proposée exclue toute partie expérimentale pour la seconde étape et inclut la
sous-traitance de la prestation Monte-Carlo (modélisation de l’accélérateur linéaire de
l’utilisateur, création d’Objets Tests Numériques complets adaptés aux besoins, calculs des
données de référence) à une société de contrôle qualité des installations en radiothérapie.
Cette méthodologie simplifie le travail de l’utilisateur, lui donne ainsi les moyens de mener à
terme un contrôle qualité approfondi de son TPS.
21
22
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Chapitre 2
Méthodologie
du contrôle qualité automatisé des
Systèmes de Planification des Traitements
23
24
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
I. Introduction
25
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Plate-forme de conversion
INDEX GAMMA
26
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Une meilleure connaissance des sections efficaces d’interactions des particules avec la
matière ainsi que l’augmentation considérable des puissances de calcul a contribué à
l’apparition de nombreux codes de Monte-Carlo tels que EGS4 (Nelson et al 1985),
EGS4/BEAM (Rogers et al 1995), EGSnrc (Kawrakow 2000), MCNP4 (Briesmeister 2000),
GEANT (1995) et PENELOPE (Salvat et al 2001). Des améliorations continues leur ont
permis de s’imposer dans le domaine de la dosimétrie.
Au cours des trente dernières années, de nombreux travaux ont porté sur la simulation des
faisceaux de particules issus des accélérateurs linéaires utilisés en radiothérapie. Au départ,
seules de très simples géométries ont pu être modélisées en raison de la puissance de calcul
des ordinateurs. A titre d’exemple, McCall et al (1978) s’étaient intéressés à l’influence que
pouvait avoir certains éléments de la tête d’irradiation d’un accélérateur linéaire (cibles et
filtres) sur l’énergie moyenne d’un faisceau de photons de 25 MV en utilisant le code EGS3
(Ford and Nelson, 1978).
Les années 80 sont marquées par les premières modélisations complètes des têtes d’irradiation
des accélérateurs linéaires ; on peut citer, en référence, les travaux de Patau et al (1978),
Nilsson et Brahme (1981), Peti et al (1983) et Mohan (1985). Il est désormais possible de
modéliser les géométries les plus complexes de la cible aux systèmes de collimation (Chaney
et al 1994, Lovelock et al 1995, Rogers et al 1995, Lee 1997, Sheikh-Bagheri and Rogers
2002, Lewis et al 1999, Mazurier et al 1999). Enfin les années 2000, sont les années au cours
desquelles se généralise l’utilisation de collimateur multilames sur les accélérateurs de
radiothérapie (De Vlamynck et al 1999, Haryanto et al 2002 et Van de Walle et al 2003)..
L’utilisation de nombreux faisceaux de faible section, pour lesquels les mesures de dose sont
délicates, a également fortement relancé l’intérêt des codes MC en radiothérapie
27
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Les synthèses bibliographiques sur l’utilisation des codes MC en radiothérapie, réalisées par
Ma and Jiang (1999) et Verhaegen and Seuntjens (2003), concluent que les codes MC
occuperont, dans les années à venir, une place privilégiée au sein des outils mis à disposition
des services de radiothérapie, tant au niveau de la planification des traitements qu’au niveau
du contrôle qualité des calculs de dose.
28
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
29
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Le code MC PENELOPE présente donc toutes les caractéristiques requises, dans la gamme
d’énergie des faisceaux rencontrés en radiothérapie, pour fournir des OTN de sortie de
référence et ainsi répondre aux exigences de ce travail pour le contrôle qualité des TPS.
Données matériaux
(électrons, photons et positrons)
MATERIAL
Création du fichier matériau
SIMULATION
PENGEOM PENDOSES PENELOPE
Géométrie Programme principal Modèles de diffusion
Pendoses.out
Fichiers résultats
30
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
II.3.2.3] Incertitudes
Les incertitudes non statistiques de type B sont difficiles à évaluer. Elles peuvent avoir pour
origine le degré de précision des modèles physiques utilisés, les erreurs de programmation et
les sections efficaces employées. Le benchmark expérimental réalisé par Sempau et al (2003)
a montré un excellent accord entre les simulations PENELOPE et les données expérimentales
et confirme la fiabilité du modèle de diffusion implémenté dans le code.
Les incertitudes statistiques de type A, inhérentes au calcul de type MC, sont évaluées selon
des méthodes classiques. Si Q est la quantité d’intérêt déterminée à partir d’une simulation
détaillée avec N histoires, la valeur moyenne de Q est donnée par :
N
1
Q=
N
∑q
i =1
i où qi est la valeur calculée à la ième histoire (Eq. 1)
var(q ) ⎛⎜ 1 ⎛ 1 N
2 ⎞⎟
⎞
σQ =
N
= ⎜
⎜ N⎝N ∑ q ² i − Q ⎟
⎠ ⎟⎠
où var (q) est la variance (Eq. 2)
⎝ i =1
31
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
oui non
La particule traverse-t-elle une interface ?
Changement
de milieu
non
non
Fin de la simulation
32
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Aussi, l’utilisation d’un espace des phases semble pertinente pour réduire les temps de calcul.
Cette méthode, aujourd’hui très répandue (Libby et al 1999, Mazurier 1999, Van der Zee and
Welleweerd 1999, Siebers et al 1999, Bramoullé 2000, Sempau et al 2001, Sheikh-Bagheri
and Rogers 2002a-b, Tzedakis et al 2004, Serrano 2006), consiste à diviser la simulation du
transport des particules en deux étapes : une première étape commune à toutes les simulations
et des deuxièmes étapes variables selon l’objet test simulé. Dans notre cas, les particules sont
suivies à travers la tête d’irradiation de l'accélérateur. Leurs caractéristiques sont enregistrées
lorsqu’elles traversent le plan d’enregistrement positionné à l’entrée de l’Objet Test (Figure
5).
Etape 1
Simulation des particules
dans la tête d’irradiation
Etape 2
Objet Test Simulation des particules
dans l’Objet Test
33
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Ce plan d’espace des phases est utilisé, dans un second temps, comme source d'irradiation
secondaire et les particules sont alors suivies, au sein de l’Objet Test, pour le calcul des
distributions de dose. Cette méthode permet un gain de temps de calcul total considérable,
sans compromis en terme de précision ou de biais.
Toutefois, lorsque la simulation est divisée en deux étapes, une incertitude statistique limite
est associée à l’espace des phases. Cette incertitude, appelée « variance latente » (Sempau et
al 2001), est une propriété intrinsèque de l’espace des phases.
Pour réduire encore les temps de calcul ( Δt ), les techniques de réduction de variance (σ²) et
l’utilisation des symétries (Sempau et al 2001) sont employées. L’utilisation des réductions de
variance nécessite quelques précautions car mal utilisées, elles peuvent conduire à une
⎛ 1 ⎞
dégradation de l’efficacité du calcul ⎜ ⎟.
⎝ σ ².Δt ⎠
La technique des symétries tire profit des symétries de la tête d’irradiation des accélérateurs.
Pour un champ carré, l’incertitude statistique associée à la dose absorbée peut être réduite
d’un facteur 2. Pour cela, le nombre de particules de l'espace des phases est multiplié par un
facteur 4 en considérant, pour chaque particule de coordonnées (x,y,u,v), ses symétriques (-
x,y,-u,v), (x,-y,u,-v), (-x,-y,-u,-v) avec (Oz) l’axe d’irradiation, (Ox) et (Oy) les axes
perpendiculaires à l’axe d’irradiation, u et v les cosinus directeurs suivants (Ox) et (Oy).
Pour le mode photon, les techniques de réduction de variance ont été appliquées dans la cible
où se produit le rayonnement de freinage. Trois techniques ont été utilisées :
34
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Chaque particule initiale primaire possède un poids WGHT (WeiGHT) égal à 1. Les
particules secondaires produites, lors de l'interaction forcée, ont leur poids divisé par ce
facteur F. Le poids des particules secondaires issues de l’interaction forcée est également
divisé par F. Les particules secondaires générées lors d’interactions non forcées ont, quant à
elles, un poids inchangé. Lorsque la particule dépose son énergie dans le milieu, cette quantité
d’intérêt est pondérée par le poids de la particule.
Comme pour les interactions forcées, ces deux techniques modifient le poids des particules
pour garder le résultat final inchangé.
L’efficacité de ces trois techniques de réduction de variance repose sur le choix approprié des
paramètres F, NSPLIT et Pkill. Les valeurs, retenues pour ces trois paramètres, seront
précisées dans le paragraphe II.3.4].
Pour le mode électron, une technique de réduction de variance couramment utilisée est
appelé « range rejection » (Bjork et al 2002, Huang et al 2005, Verhaegen et al 2001). Cette
35
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
technique consiste à « tuer » tout électron qui ne peut pas quitter la région où il se situe. Son
énergie est absorbée localement et les photons de freinage qui auraient pu être créés et quitter
la région ne le seront pas. Il est donc nécessaire de s’assurer que ces photons ne sont pas
essentiels au calcul des quantités d’intérêt. Puisque la tête d’irradiation de l’accélérateur est
beaucoup moins complexe en mode électron (très peu d’interactions secondaires), cette
technique de réduction de variance pouvant fausser le résultat ne sera pas appliquée.
Le spectre en énergie des photons ou des électrons atteignant le plan de référence peut être
facilement obtenu à partir de l'espace des phases. Ce spectre dépend des différents
composants de la tête d’irradiation et permet donc de vérifier la modélisation géométrique
d’un accélérateur.
36
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Ce spectre se caractérise par trois grandeurs : l’énergie maximale, l’énergie la plus probable et
l’énergie moyenne. L’énergie moyenne, notée Emoy, est obtenue à l’aide de la formule
suivante :
k = max
∑E k × P( E k )
Emoy = k =1
k = max
(Eq. 5)
∑ P( E
k =1
k )
37
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
PEINIT N=0
Nouvelle cascade
N=N+1
CLEANS
START
JUMPF
VKIL
non Particule dans
bonne direction ?
oui
STORES
Splitting (Stockage des particules splittées)
particule survit
KNOCK
Calcul de la
nouvelle position
oui non
E < Eabs
oui
Particule sort du système ?
non
Changement de
particule tuée SECPAR corps (IBODY) et
(Rappel des particules secondaires) de matériaux
oui
LEFT > 0
non
oui
N < NTOTAL
non
FIN
38
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
PEINIT
Lecture de l’espace
des phases
Nouvelle cascade
Npart=Npart+1
Npart : nombre de particule dans l’espace des phases
Symétrie
Sym=Sym+ 1
CLEANS
START
Splitting STORES
(Stockage des particules splittées)
JUMP
non
Calcul de la Ajustement de la distance à
nouvelle position parcourir pour arrêter le
trajet avant l’interface
KNOCK
non
oui
Sym < 4
non
FIN
39
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Toutes les surfaces (plans, sphères, cylindres, cônes, ellipsoïdes, hyperboles…) sont décrites
selon les indices Ii. Les surfaces et indices associés utilisées pour coder les différentes
géométries, réalisées au cours de cette étude, sont reportés dans le Tableau 3. Pour adapter la
géométrie aux dimensions réelles de l’élément à modéliser, il est possible de dilater ou de
translater les surfaces. Ces surfaces peuvent également subir, si cela est nécessaire, des
rotations définies à l’aide des angles d’Euler (Ω, θ, Φ).
Indices
Equation réduite Type de quadratique
I1 I2 I3 I4 I5
z-1=0 0 0 0 1 -1 plan
z² - 1 = 0 0 0 1 0 -1 plans parallèles
x² + y²+ z² - 1 = 0 1 1 1 0 -1 sphère
x² + y² - 1 = 0 1 1 0 0 -1 cylindre
x² - y² - 1 = 0 1 1 -1 0 0 cône
40
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
rencontrés, dans les têtes d’irradiation des accélérateurs linéaires. Il est également possible de
créer un matériau en spécifiant: les éléments composant le matériau, sa composition chimique
(index stoïchiométrique ou fraction massique) et sa masse volumique.
3
Dans le code PENELOPE, le générateur de nombre pseudo-aléatoires est celui de l’Ecuyer (Salvat et al 2003).
Il produit des nombres codés sur 32 bits, uniformément distribués entre 0 et 1 et avec une période de 1018.
41
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Quelle que soit l’énergie du faisceau étudié, les valeurs retenues, pour les réductions de
variance sont: NSPLIT= 5, F= 6 et Pkill=0,9. Ces valeurs sont très proches de celles qui ont
été choisies indépendamment par Franchisseur (2007) à la suite de travaux menés sur
l’influence des réductions de variance sur les résultats de simulation.
En ce qui concerne la roulette russe, l’angle de coupure TETACUT correspond à l’angle à
partir duquel le photon est dans une mauvaise direction et doit être éliminé avec une
probabilité Pkill. La valeur de TETACUT est déterminée, pour chaque taille de champ
d’irradiation, à partir de l'angle d'ouverture maximal du faisceau. Par exemple, pour un champ
d'irradiation de 10 × 10 cm² défini à 1 mètre de la cible, TETACUT est égal
⎛ x² + y ² ⎞
à : arctan⎜ ⎟ = arctan( 50 ).
⎜ D ⎟ 100
⎝ ⎠
42
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
cartographies était leur grande sensibilité, dans les régions à fort gradient de dose. En effet,
dans ces régions, une grande différence de dose peut résulter d’un faible décalage spatial entre
les distributions de dose calculée et mesurée. Or ces régions de fort gradient de dose
correspondent en radiothérapie aux limites du volume à irradier et le critère le plus pertinent
n’est donc pas la différence de dose pour une même position mais, la différence de position
pour une même dose.
Van Dyk et al (1993) ont été les premiers à proposer des méthodes d’évaluation dédiées à la
comparaison des distributions de dose mesurées et calculées par les TPS. Ils ont pour cela
subdivisé les distributions de dose en deux régions (régions à fort gradient de dose et régions
à faible gradient de dose) et ont appliqué un critère d’acceptabilité spécifique à chacune de ces
régions.
Le critère de différence de dose, exprimé en pourcentage, est appliqué dans les régions à
faible gradient de dose. Dans ces régions, une erreur de position, entre les deux distributions
de dose à comparer, conduit à un faible écart de dose : l’écart de dose prévaut alors sur l’écart
de distance. En revanche, le critère d’écart de distance ou « Distance To Agreement » (Dahlin
et al 1983, Harms et al 1998, Hogstrom et al 1984), exprimé en millimètre, est associé aux
régions à fort gradient de dose. Dans ces régions, une petite erreur de position, entre les deux
distributions de dose à comparer, conduit à un fort écart de dose : l’écart de distance prévaut
alors sur la différence de dose.
Force est de constater que les critères d’écart de distance et de différence de dose permettent
d’identifier les régions des distributions de dose qui ne répondent pas aux tolérances fixées.
Pourtant, aucun de ces critères ne fournit une évaluation quantitative complète des
distributions de dose avec un indicateur unique. C’est dans cette optique que Low et al (1998)
ont développé l’index gamma γ qui combine simultanément un test d’écart de distance et un
test de différence de dose. Cet outil a été redéfini par différents groupes d’auteurs (Depyudt et
al 2002, Low et Dempsey 2003, Bakai et al 2003) et il est, aujourd’hui, couramment utilisé,
en routine clinique, pour évaluer les distributions de dose calculées par les TPS (Stock et al
2005, Van der Zee et al 2005, Childress et al 2005, Zeidan et al 2006).
III.2] Définition
L’index gamma γ permet de comparer deux distributions de dose, l’une étant considérée
comme la distribution de référence Dr(x) et l’autre étant celle à évaluer De(x).
43
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Une ellipse est définie, autour de chaque point (xr,Dr), appartenant à la distribution de
référence. Le demi-grand axe et le demi-petit axe de cette ellipse correspondent aux deux
critères d’acceptabilité propres à l’index gamma γ. Il s’agit respectivement de Δx max (en mm)
qui définit l’écart de distance maximal acceptable et de ΔDmax (en %) qui décrit la différence
de dose maximale acceptable (Figure 8).
Dose, D
xr,Dr
xe,De
ΔDmax
ΔD
Δx
xe Position, x
Δxmax
où, Δx = xe − x r
ΔD = De ( xe ) − Dr ( x r )
Pour que la distribution de dose à évaluer De(x) concorde avec la distribution de référence Dr
au point xr, il est nécessaire qu’au moins un point de la distribution De(x) soit dans l’ellipse
d’acceptabilité, c'est-à-dire qu’au moins un point (xe, De) réponde à:
2 2
⎛ Δx ⎞ ⎛ ΔD ⎞
Γ( xe, De) = ⎜ ⎟ +⎜ ⎟ ≤ 1 (Eq. 9)
⎝ Δx max ⎠ ⎝ ΔD max ⎠
évaluer De(x). Pour chaque position xr, la valeur minimale de Γ( xe , De ) correspond au point
de la distribution à évaluer De(x) qui a le plus petit écart avec le point de référence (xr, Dr).
Cette valeur minimale, nommée index gamma γ, est égale à:
γ ( x r ) = min[Γ( xe , De )] ∀xe (Eq. 10)
44
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Si γ(xr) est ≤ 1, le point (xe, De) répond aux critères d’acceptabilité. Si γ(xr) est > 1, le point
(xe, De) est situé en dehors de l’ellipse d’acceptabilité.
III.3] Utilisation
Au cours de cette étude, l’utilisation de l’index gamma a permis d’ajuster les paramètres
initiaux des simulations (Blazy et al 2006, cf Chapitres 3 et 4) et de quantifier les écarts de
dose entre les OTN de sortie de référence (calculs Monte Carlo PENELOPE) et les calculs
dosimétriques du TPS. Des distributions de dose en 1 Dimension (rendements en profondeur,
profils de dose) et en 2 Dimensions (isodoses) ont pu être vérifiées.
Les logiciels actuellement disponibles pour la vérification des distributions de dose
permettent uniquement de calculer l’index gamma en 2D. Par conséquent, le programme
Gamma, écrit en Fortran 77, a été développé pour calculer l’index gamma en 1D. En
revanche, le logiciel DOSELAB 4.00 (N. Childress and University of Texas - M.D Anderson
Cancer Center) a servi de référent pour réaliser les comparaisons en 2D.
Toutefois, préalablement à l’utilisation de l’index gamma, il est nécessaire de ré-
échantillonner les distributions de dose à évaluer afin de réduire les faux positifs ou négatifs
induits, plus particulièrement dans les régions de forts gradients, par un défaut de résolution
spatiale (Depuydt et al 2002).
Bakai et al (2003) ont apporté une solution à ce problème d’échantillonnage en développant
un nouvel outil, nommé index khi. L’index khi ne considère plus un ensemble discontinu
d’ellipses mais un tube continu qui enveloppe l’ensemble de la distribution de référence
(Figure 9). Sur la Figure 9, la distribution de référence et la distribution à évaluer sont
représentées avec la même résolution ; cette résolution est symbolisée par les points
régulièrement espacés le long de l’axe x. Les points de la distribution de référence sont
enveloppés par le tube d’acceptabilité (khi-index) et par les ellipses d’acceptabilité (index
gamma). Si l’on s’intéresse aux régions 2 et 3, les deux tests (index gamma et index khi)
conduisent au même résultat :
- un rejet du test dans la région 2
- une validation du test dans la région 3
Au contraire dans la région 1 (région de fort gradient), les résultats des deux tests sont
différents. Alors que le test de l’index khi est validé pour les deux points de référence a et b,
respectant ainsi la réalité des écarts entre les 2 distributions, le test de l’index gamma n’est
45
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
validé que pour le point de référence a, le point b étant pour sa part un faux négatif. Bien que
la distribution de dose à évaluer croise l’ellipse d’acceptabilité, le point à évaluer b est situé
en dehors de l’ellipse en raison du pas d’échantillonnage de la distribution.
Dose
région 3
région 2
région 1 point à évaluer (xe, De)
point de référence (xr, Dr)
distribution de référence (Dr(x))
distribution à évaluer (De(x))
b
a
Position (x)
Figure 9: Illustration des tests de l’index gamma et de l’index khi (Bakai et al, 2003).
Il est évident que l’index khi apporte la solution au problème d’échantillonnage des données.
Malheureusement, cet outil n’est pas encore utilisé en routine clinique et à ce jour, seul
l’index gamma est reconnu et utilisé en radiothérapie. Par conséquent, pour être en adéquation
avec les outils utilisés en routine clinique, nous avons uniquement utilisé l’index gamma pour
valider les résultats de cette étude.
46
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Sur la base de ces études, vingt-six Objets Tests Numériques (OTN) ont été identifiés pour le
contrôle qualité des TPS et ont été regroupés en 4 familles (simple, hétérogène, décrochement
et anatomique). Un OTN reproduit les propriétés physiques et chimiques d’un objet réel ainsi
que les conditions géométriques de l’irradiation. Ils sont de deux types :
- soit, un OTN d’entrée s’il est constitué d’un série d’images scanner,
- soit, un OTN de sortie (référence ou à tester) s’il contient l’information 3D voxélisée du
calcul de la distribution de la dose.
Les OTN d’entrée ont été mis au point sur la plate-forme logicielle « OTN-Creator »
développée dans le cadre d’un programme de recherche entre l’IRCCyN de Nantes et la
société QUALIFORMED (Denis et al 2005). Malheureusement, ces OTN d’entrée ne peuvent
pas être utilisés directement dans le code MC PENELOPE qui utilise une description
géométrique continue des objets tests. Il a donc fallu définir les données géométriques et
physiques de chaque objet test dans le code MC PENELOPE.
L’obtention d’OTN de sortie de référence nécessite que les données MC soient mises au
format DICOM-RTDose. Pour cela, une plate-forme de conversion a été développée dans le
cadre de travaux menés conjointement avec l’IRCCyN de Nantes et la société Qualiformed.
Les spécifications de chaque OTN ainsi que les caractéristiques des distributions de dose à
calculer, dans ces OTN, sont définies et illustrées, à la suite de ce paragraphe.
Les temps de calcul qui figurent dans les tableaux correspondent à une estimation du temps
nécessaire à l’obtention des OTN de sortie de référence par le code MC PENELOPE pour une
précision meilleure que 2% (1σ) dans les régions de fortes doses (supérieures à 30% du
maximum de dose). Les calculs MC ont été réalisés sur une station de travail doté d’un micro-
processeur, de fréquence d’horloge 3,6 GHz, et du système d’exploitation Linux Mandrake
10.2.
47
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
parvenir, ils utilisent des données de base correspondant à des situations simples qui sont
utilisées soit, pour régler certains paramètres de l’algorithme soit, pour en vérifier sa
précision.
Les OTN décrits dans ce paragraphe correspondent à ces situations simples et représentent
des cubes de 50 × 50 × 50 cm3. Ils sont utilisés pour tester les influences : des dimensions du
champ d’irradiation (champs carrés et rectangulaires), des modificateurs de faisceaux (filtre
en coin, caches), des variations de Distance Source Surface (DSS) et des obliquités de
faisceau par rapport à la surface de l’OTN. Au total, quatorze modèles d’OTN simples vont
être décrits dans ce paragraphe.
Les distributions de dose extraites du calcul 3D seront : les rendements en profondeur et les
profils de dose calculés à la profondeur du maximum de dose, à 5, 10 et 20 cm.
(a) (b) z
dmax
5
10 10 y
x
20
Figure 10: OTN champs ouverts a) Distributions de dose 1D, b) Distributions de dose 2D.
48
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Les fichiers d’espace des phases générés pour l’OTN simple B (Tableau 4) sont utilisés
comme donnée d’entrée pour le calcul de dose, au sein des OTN simples D et E.
Tableau 4 : OTN simples, champs carrés – champs rectangulaires – variation distance source surface
Conditions d’irradiation Temps de calcul
OTN Dimension Composition E DSS champ GLOBAL LINAC OTN
3
(cm ) (MeV) (cm) (cm²) (h) (h) (h)
A 50 × 50 × 50 eau 18 90 5×5 66 50 16
B 50 × 50 × 50 eau 18 90 10×10 160 70 90
C 50 × 50 × 50 eau 18 90 30×30 205 90 115
D 50 × 50 × 50 eau 18 80 10×10 90 - 90
E 50 × 50 × 50 eau 18 130 10×10 90 - 90
F 50 × 50 × 50 eau 18 90 20×5 160 70 90
G 50 × 50 × 50 eau 18 90 5×20 160 70 90
(a)
dmax (b) z
5
10 y
10
20 x
Figure 11 : OTN modificateurs de faisceaux a) Distributions de dose 1D, b) Distributions de dose 2D.
49
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Trois OTN simples sont décrits dans le Tableau 7. Les critères retenus pour le choix de
l’énergie sont précisés dans le paragraphe IV.2.1]. Pour ces trois OTN, la base des caches
moulés est à 60.9 cm de la source.
L’OTN K (Tableau 6, figure12a) fait référence à un champ comportant un petit cache
utilisé pour le traitement de la maladie de Hodgkin (Van’t Veld 1997, Jacobs et al 1986) ; la
forme retenue est une flèche d’épaisseur de 8 cm. Cet OTN permet d’évaluer le calcul de dose
50
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
en présence d’un manque de volume diffusant latéral et d’une « double contamination » (le
rayonnement diffusé et les électrons de contamination proviennent, à la fois, de la partie
supérieure et inférieure du cache).
Les fichiers d’espace de phase générés pour l’OTN K, à 52 cm de la source - entre le système
de collimation et le porte accessoire -, sont utilisés comme donnée d’entrée pour le calcul de
dose au sein des OTN L et M (Tableau 6). Dans le cas de l’OTN M, pour des raisons de temps
de calcul, le « recyclage » des fichiers d’espace des phases a été privilégié au détriment de
l’utilisation, d’une taille de champ plus adaptée aux conditions réelles de traitement d’un
mantelet (Jacobs et al 1986, suggèrent une taille de champ de 20 × 32 cm² à 80 cm de la
source).
Sur les figures 12a, 13a et 14a, les OTN sont représentés en vue de dessus; le rectangle, en
pointillé vert, symbolise le champ d’irradiation à l’isocentre. Pour chaque OTN, huit profils et
un plan de dose sont extraits du calcul 3D :
- quatre profils de dose dans les 2 directions perpendiculaires à l’axe du faisceau
(figures 12b, 13b et 14b),
- une carte isodoses dans le plan xOy pour une profondeur de 10 cm (figures 12b, 13b et
14b).
51
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
x z
(a) y (b) y
dmax x
5
10
10
15 cm
20
15 cm
50 cm
x z
(a) y (b) y
dmax x
5
10
10
15 cm
20
15 cm
50 cm
x z
(a) y (b) y
dmax x
15 cm 5
10
10
15 cm
7.5 cm 20
5 cm
50 cm
52
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
en condition d’obliquité de surface. Les critères retenus pour le choix de l’énergie sont
précisés dans le paragraphe IV.2.1]. Le faisceau est incliné d’un angle de 315° (rotation
isocentrique 4) et sur la Figure 15, l’axe d’incidence du faisceau est schématisé par le trait en
« pointillé gras ».
Les fichiers d’espace des phases générés pour l’OTN simple B (Tableau 4) sont utilisés
comme donnée d’entrée pour le calcul de dose, au sein de l’OTN simple N, présenté dans le
tableau ci-dessous.
(a) (b) z
dmax
5
10 10 y
x
20
Figure 15 : OTN obliquité de surface a) Distributions de dose 1D, b) Distributions de dose 2D.
IV.3] OTN hétérogènes (Carrasco et al 2004, Chetty et al 2003, Cygler et al 2004, Doucet
et al 2003, Engelsman et al 2001, Martens et al 2002, IAEA 2004)
Les distributions de dose sont fortement modifiées par la présence d’hétérogénéités tissulaires
(cavités aériennes, structures osseuses) lorsque celles-ci sont irradiées par des faisceaux de
4
La rotation se fait par rapport à l’isocentre de l’appareil de traitement qui est défini à 100 cm de la source.
53
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
photons de haute énergie. On constate que les phénomènes de défauts d’équilibre électronique
produisent des variations brusques de la dose au voisinage des interfaces.
Il est, à ce jour, clairement démontré que les problèmes rencontrés avec certains TPS, en
condition d’hétérogénéité (absence de prise en compte du transport électronique), conduisent
à une mauvaise modélisation des distributions de dose aux interfaces (Martens et al 2002,
Aspradakis et al 2003, Carrasco et al 2004). Par conséquent, les cinq modèles d’OTN
hétérogènes, décrits dans ce paragraphe, vont permettre d’identifier les limites des TPS dans
la prise en compte de l’ensemble de ces phénomènes.
Le choix de l’énergie et de la taille du champ (Tableau 8) font référence au fait que
l’influence des hétérogénéités sur le calcul des distributions de dose au niveau des interfaces
est d’autant plus prononcée que la taille du champ d’irradiation est petite (moins d’électrons
mis en mouvement) et que l’énergie du faisceau est élevée (augmentation du parcours des
électrons).
Les milieux équivalent-poumon et équivalent-os utilisés pour définir ces OTN ont des masses
volumiques respectives de 0,30 g/cm3 et de 1,85 g/cm3 et des densités électroniques
respectives de 9,935E+22 électrons/cm3 et de 5,808E+23 électrons/cm3. Les dimensions de
ces OTN hétérogènes sont précisées dans le Tableau 8.
Les trois premiers OTN décrits, dans le Tableau 8 (A, B et C), permettent de reproduire la
majorité des interfaces rencontrées au cours des traitements de radiothérapie (eau-os, eau-
poumon et eau-os-poumon) et de vérifier les calculs de dose au sein des hétérogénéités et au
voisinage des interfaces. Les caractéristiques de ces OTN sont précisées sur la Figure 16.
A B C
eau 5 cm eau 5 cm eau 5 cm
os 2 cm poumon os 2 cm
10 cm
poumon 8 cm
eau 43 cm 35 cm
eau 35 cm
eau
Pour ces trois OTN, un rendement en profondeur, huit profils et deux plans de dose sont
extraits du calcul 3D : un rendement en profondeur, quatre profils de dose dans les 2
directions perpendiculaires à l’axe du faisceau (Figure 17a), une carte isodoses dans le plan
54
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
xOy pour une profondeur de 10 cm et une carte isodoses dans le plan yOz, parallèle à la
direction des lames et contenant l’axe du faisceau (Figure 17b).
Les deux autres OTN spécifiés dans le Tableau 8 (D et E) définissent deux situations
cliniques. Il s’agit des deux configurations typiques du cancer pulmonaire (Figure 18)
localisation médiastinale et la localisation pulmonaire (tumeur isolée). Pour la localisation
pulmonaire, une tumeur a été simulée par un cylindre d’eau de 3 cm de diamètre et de 4 cm de
hauteur dont le centre est situé à 10 cm de profondeur. Une taille de champ d’irradiation de 10
× 10 cm² et une énergie de 10 MV ont été choisies pour simuler les conditions d’irradiation
utilisées pour les traitements.
6 cm
D E
eau 2 cm eau 2 cm
10 cm poumon
poumon
poumon
16 cm 16 cm
2 cm eau 2 cm
8 cm
Figure 18 : Représentation schématique des OTN hétérogènes D et E.
Pour ces deux OTN, un rendement en profondeur et huit profils et deux plans de dose sont
extraits du calcul 3D : un rendement en profondeur, quatre profils de dose dans les 2
directions perpendiculaires à l’axe du faisceau (Figure 19a) une carte isodoses dans le plan
xOy pour une profondeur de 10 cm et une carte isodoses dans le plan yOz, parallèle à la
direction des lames et contenant l’axe du faisceau (Figure 19b).
55
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
(a) (b) z
dmax
5 y
10 x
10
15
Les fichiers d’espace des phases générés pour l’OTN simple de section carré de 5 × 5 cm²
(Tableau 4) sont utilisés comme donnée d’entrée, pour le calcul de dose au sein des OTN
hétérogènes A, B et C. Sur le même principe, les fichiers d’espace des phases générés pour
l’OTN D (tumeur médiastin) sont utilisés comme donnée d’entrée pour le calcul de dose au
sein des OTN E.
Tableau 8 : OTN hétérogènes
Conditions d’irradiation Temps de calcul
OTN Dimension Composition E DSS champ GLOBAL LINAC OTN
3
(cm ) (MeV) (cm) (cm²) (h) (h) (h)
A 50 × 50 × 50 eau, os 18 90 5×5 17 - 17
B 50 × 50 × 50 eau, poumon 18 90 5×5 10 - 10
C 50 × 50 × 50 eau, os, poumon 18 90 5×5 14 - 14
eau, poumon
D 30 × 30 × 20 10 90 10×10 95 80 15
(tumeur médiastin )
eau, poumon
E 30 × 30 × 20 10 90 10×10 7 - 7
(tumeur isolée)
56
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Les dimensions des six modèles d’OTN à décrochement, décrits dans ce paragraphe, sont
reportées sur chacune des figures (figures 20 à 25). Une énergie de 6 MV a été choisie pour
ces OTN afin d’accroître l’influence des phénomènes étudiés : les photons diffusés sont en
effet émis à l’intérieur d’un cône dont l’ouverture augmente lorsque l’énergie baisse. Les
distributions de dose à calculer sont précisées individuellement pour chaque OTN.
(a) (b) z
dmax
5
y
10
x
20
57
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
(a) (b) z
dmax
5
y
10
x
20
Figure 21 : OTN B a) Distributions en 1D sans filtre en coin, b) Distributions en 2D sans filtre en coin.
Le troisième OTN (nommé C dans le Tableau 9), en forme de « T inversé », permet de tester
la prise en compte d’un manque de diffusé latéral (Figure 22a). La largeur de la barre centrale
doit engendrer un manque de volume diffusant suffisant tout en permettant l’équilibre
électronique latéral à cette énergie (en pratique, pour un faisceau de photons de 6 MV,
l’équilibre électronique est atteint à 1,5 cm dans l’eau). Deux plans de dose sont extraits du
calcul 3D : une carte isodoses dans le plan yOz contenant l’axe du faisceau et une carte
isodoses dans le plan zOy pour une profondeur de 20 cm (Figure 22b).
(a) (b)
z
18 cm y
x
4 cm
25 cm
7 cm
7 cm 7 cm 20
18 cm
Le quatrième OTN (nommé D dans le Tableau 9), en forme de «T», permet de tester la prise
en compte d’un manque du diffusé latéral et du rétrodiffusé dû à la forme de l’OTN. La forme
est identique à celle de l’OTN précédent (OTN « C ») à l’exception d’une rotation d’un angle
de 180° par rapport à l’axe d’incidence du faisceau (Figure 23a). Le plan de dose yOz
contenant l’axe du faisceau et le plan zOy pour une profondeur de 5 cm sont extraits du calcul
3D (Figure 23b).
58
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
(a) 18 cm (b)
7 cm
5
7 cm 7 cm z
4 cm 18 cm
y
25 cm
x
Le cinquième OTN (nommé E dans le Tableau 9), en forme de « U », permet de tester la prise
en compte d’un manque de volume diffusant situé sur l’axe d’incidence du faisceau
d’irradiation (Figure 24a). La forme de cet OTN est décrite par un parallélépipède au sein
duquel est inséré un rectangle d’air centré sur l’axe d’incidence du faisceau d’irradiation.
Trois plans de dose xOy sont extraits du calcul 3D pour 3 profondeurs (Figure 24b).
(a) (b)
25 cm
7 cm 7 cm 18 cm
5 z
10
7 cm y
4 cm 20
x
18 cm
Le sixième OTN (nommé F dans le Tableau 9), en forme de croix, permet de tester
simultanément la prise en compte d’un manque de diffusé latéral et de rétrodiffusé dû à la
forme de l’OTN (Figure 25a). Trois plans de dose, deux selon yOz et un selon xOy, contenant
l’axe d’incidence du faisceau sont extraits du calcul 3D (Figure 25b).
59
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
(a) (b)
7.5 cm
10 cm
10 z
7.5 cm
15
y
25 cm
x
6 cm
Les fichiers d’espace des phases, générés pour l’OTN A, sont utilisés comme donnée d’entrée
pour le calcul de dose au sein des OTN C, D, E et F présentés dans le Tableau 9.
60
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Habituellement, le traitement d’un sein par radiothérapie externe comporte deux paires de
faisceaux tangentiels opposés. Chaque paire contient un faisceau filtré et son homologue non
filtré. Nous avons retenu une angulation de ± 45° autour de l’isocentre et une taille de champ
de 10 × 10 cm² définie à l’isocentre. Le positionnement de l’isocentre dans l’OTN « sein » est
tel qu’il conduit à une largeur de frange pulmonaire irradiée de 2 cm et une fuite dans l’air de
1 cm de large.
Pour des raisons techniques, nous avons opté pour une rotation de l’OTN autour de l’isocentre
plutôt qu’une rotation des faisceaux autour de l’OTN. En effet, les caractéristiques initiales
des faisceaux ont été réglées dans le code MC PENELOPE pour une angulation nulle (cf
Chapitre 4).
Une représentation schématique de ce traitement est donnée en Figure 26 et les
caractéristiques géométriques de l’OTN « sein » sont présentées en Figure 27. La masse
volumique et la densité électronique des matériaux composant cet OTN sont respectivement
pour :
- l’équivalent-poumon, 0,3 g/cm3 et 9,935E+22 e-/cm3,
- l’équivalent-os, 1,85 g/cm3 et 5,808E+23 e-/cm3,
-
l’équivalent-muscle, 1,04 g/cm3 et 3,422E+23 e-/cm3.
z
100 cm
y
Légende matériaux
1cm Equivalent muscle
6 cm
2 cm
Equivalent os
Equivalent poumon
1 cm
45°
61
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
a) b)
muscle
poumon
os
y
x
Compte tenu de la symétrie de l’OTN « sein » par rapport à l’axe principal d’irradiation, les
distributions de dose générées par le faisceau filtré et le faisceau non filtré ont été calculées
uniquement pour une angulation d’OTN de 45°.
Les distributions de dose en 3D qui résultent d’une angulation de -45° de l’OTN pourront être
obtenues par des transformations géométriques (rotation et symétrie) des distributions
obtenues préalablement pour l’angulation de 45°. Pour chaque faisceau (faisceau filtré et
faisceau non filtré), le plan de dose yOz contenant l’axe d’incidence du faisceau est extrait du
calcul 3D
Les conditions d’irradiation et une estimation du temps de calcul sont précisées dans le
tableau suivant.
62
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
a
DSA : Distance Source Axe
63
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Intérieur
Pénombre
64
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Parmi les auteurs précédemment cités, seuls Van Dyk et al, l’AAPM (1998) et Venselaar et al
proposent des critères d’acceptabilité adaptés à la complexité des applications cliniques
(hétérogénéités, filtre en coin, asymétrie des champs d’irradiation…). Toutefois, les valeurs
de ces critères d’acceptabilité dépendent du concept de normalisation utilisé pour les
distributions de dose à comparer:
- soit par rapport à une dose mesurée ou calculée dans des conditions de référence
(Van Dyk et al, AAPM)
- soit par rapport à une dose mesurée localement (Venselaar et al).
Dans les travaux de Van Dyk et al (1993), repris par l’AAPM (1998), les distributions de dose
calculées et mesurées dans une configuration « test » sont normalisées par rapport à la dose
calculée ou mesurée à la profondeur de référence dans des conditions de référence 5 (champ
d’irradiation de 10 × 10 cm² défini à l’isocentre). La profondeur de référence choisie, par
l’AAPM (1998) est la profondeur du maximum de dose. L’écart de dose qui résulte de la
comparaison des distributions de dose répond à l’équation 11.
Ce choix de normalisation a tendance à sous-estimer les écarts de dose dans les régions des
faibles doses (< 10% de la dose maximum) car ces faibles doses sont « écrasées » par les
fortes doses obtenues dans les conditions de référence. Or, les faibles doses requièrent
également un bon niveau de précision car elles correspondent aux doses reçues par les
organes à risques.
⎛ Dcal ⎞ ⎛ Dmes ⎞
Ecart (%) = 100 × ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟ (Eq. 11)
⎝ Dcal , ref ⎠ ⎝ Dmes, ref ⎠
où, Dcal,ref est la dose calculée au point de normalisation (profondeur du maximum de dose),
Dmes,ref est la dose mesurée au point de normalisation (profondeur du maximum de dose),
Dcal est la dose calculée au point d’intérêt et Dmes est la dose mesurée au point d’intérêt.
C’est la raison principale qui a poussé Venselaar et al (2001b) a proposé une méthode de
normalisation en terme de dose locale : les distributions de dose calculées et mesurées dans
une configuration « test » sont normalisées par rapport à la dose locale mesurée dans cette
même configuration « test ». Cette normalisation est, par conséquent, fonction de la
configuration « testée » et nécessite que les doses calculées et mesurées aient la même unité.
5
l’eau est le milieu de référence en radiothérapie.
65
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
L’écart de dose qui résulte de la comparaison des distributions de dose est évalué, selon
Venselaar et al (2001b), à l’aide de l’équation suivante:
⎛ Dcal − Dmes ⎞
Ecart (%) = 100 × ⎜ ⎟ (Eq. 12)
⎝ Dmes ⎠
où, Dcal est la dose calculée au point d’intérêt,
Dmes est la dose mesurée au point d’intérêt.
Par contre, en normalisant les distributions de dose par rapport à une dose locale, des écarts de
dose importants -de plus de 10% ou 20%-, apparaîtront dans les régions de faibles doses et ne
seront pas significatifs. Aussi pour contourner ce problème, Venselaar et al (2001b)
proposent, dans ces régions de faibles doses, de normaliser Dcal et Dmes, par rapport à la
dose mesurée à la même profondeur que celle du point d’intérêt mais sur l’axe d’incidence du
faisceau d’irradiation. L’équation 13 devient alors :
⎛ Dcal − Dmes ⎞
Ecart (%) = 100 × ⎜ ⎟ (Eq. 13)
⎝ Dmes, axe ⎠
Les distributions de dose calculées, par le code MC PENELOPE et par le TPS, ont donc été
normalisées par rapport à la dose calculée dans un OTN en eau (dimension 50 × 50 × 50 cm3),
6
Quelque soit le type d’accélérateur, une chambre d’ionisation ou chambre « moniteur » est positionnée dans le
faisceau d’irradiation et intègre la quantité de rayonnement produit. Cette mesure de charge est exprimée en
Unités Moniteurs (UM) mais ne correspond finalement à aucune unité physique en dehors du fait que 100 UM
correspondent à un dépôt de dose de 1 Gray au point de référence, dans les conditions de référence.
66
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Les critères d’acceptabilité proposés par l’AAPM (Tableau 11) ont été préférés à ceux
suggérés par Van Dyk et al car ils sont définis spécifiquement en fonction de la géométrie
d’irradiation (champs carrés, rectangulaires, asymétriques…).
Il est également important de noter qu’en choisissant de normaliser l’ensemble des
distributions de dose calculées (PENELOPE et TPS) à la profondeur de 10 cm plutôt qu’à la
profondeur du maximum de dose, comme le propose l’AAPM, les critères d’acceptabilité,
suggérés par l’AAPM et appliqués à ce contrôle qualité automatisé, sont plus restrictifs
puisque la dose de normalisation est plus faible.
Tableau 11 : Critères d’acceptabilité suggérés par l’AAPM pour le contrôle qualité des TPS (1998).
Ces critères ont été repris en 2004 par l’IAEA dans le protocole TRS 430.
67
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Dose (u.a)
a
e
VI. Conclusion
Dans ce chapitre nous avons présenté la méthodologie qui permettra d’automatiser le contrôle
qualité des TPS en radiothérapie externe. Le code MC PENELOPE, les Objets Tests
Numériques et l’index gamma ont ainsi été présentés et caractérisés. A ce titre, le Tableau 12
récapitule l’ensemble des OTN identifiés pour le contrôle qualité des calculs de dose. Certains
de ces OTN seront utilisés lors de l’application clinique du contrôle qualité automatisé
(chapitre 4). Toutefois, la méthode MC n’est pas une méthode de calcul absolue : les biais liés
aux sections efficaces implémentées dans le code, les éventuelles erreurs de programmation
(géométrie) et les incertitudes statistiques peuvent avoir une influence sur les calculs de dose.
Il est donc indispensable de mener une validation expérimentale du code MC PENELOPE
avant toute utilisation clinique comme outil de contrôle de qualité. Cette validation sera
menée dans le chapitre 3.
68
Chapitre 2 : Méthodologie du contrôle qualité automatisé des TPS
Tableau 12: OTN identifiés pour le contrôle qualité des calculs de dose des TPS.
Conditions d’irradiation Temps de calcul
69
70
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Chapitre 3
71
72
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
I. Introduction
Substituer les mesures dosimétriques réalisées dans le cadre du contrôle qualité des fonctions
dosimétriques d’un TPS au profit de calculs Monte Carlo n’a de sens que si l’on prouve que le
code MC utilisé et les paramètres de réglage de ce code conduisent à l’obtention de
distributions de dose avec des incertitudes équivalentes à celles associées aux mesures
disponibles dans un service de radiothérapie.
Cette étape de validation doit être conduite pour des configurations d’irradiation plus
problématiques, proches des conditions de traitement d’un patient, puisque la traversée de
milieux hétérogènes (poumon, os, air, tissus mous…) modifient de manière importante les
distributions de dose (Klein et al 1993, White et al 1996, Hunt et al 1997, Miller et al 1998,
Buffard et al 2005, Chetty et al 2003, Doucet et al 2003, Carrasco et al 2004, Cygler et al
2004).
L’apport du code MC PENELOPE pour la simulation, en régime photon, des distributions de
dose au sein d’un Objet Test Physique (OTP) présentant une hétérogénéité équivalent-
poumon a déjà été mis en évidence par Carrasco et al (2004). Dans la continuité de ces
travaux, nous avons mené une validation expérimentale des distributions de dose calculées
par le code MC PENELOPE pour deux qualités de faisceau (faisceau de photons 12 MV et
faisceau d’électrons 18 MeV) issus de l’accélérateur Saturne 43 du Laboratoire National
Henri Becquerel (LNHB). Pour cela, les distributions de dose calculées ont été comparées aux
distributions mesurées expérimentalement dans quatre Objets Tests Physiques (OTP)
hétérogènes au moyen de deux méthodes dosimétriques. Ces OTP hétérogènes ont permis de
reproduire la majorité des interfaces rencontrées au cours des traitements en radiothérapie
(eau/os, eau/poumon, eau/os/poumon) et de recréer les phénomènes physiques qui se
produisent aux interfaces (régions de déséquilibre électronique) et en présence de milieux
hétérogènes (modification de la pénombre).
Le critère d’acceptabilité généralement employé pour comparer les distributions de dose
mesurées et calculées par les TPS est, le long de l’axe du faisceau et dans des configurations
hétérogènes, ±3% /- ±4% (Van Dyk et al 1993, AAPM 1998, I.A.E.A 2004). Ce critère
relativement tolérant n’est cependant pas adapté à notre problématique de validation qui vise à
substituer une mesure au profit d’un calcul de référence. Nous avons donc retenu 1% comme
critère d’acceptabilité de nos simulations MC vis-à-vis des mesures de validation.
Habituellement, les mesures de dose absolues réalisées par méthode ionométrique conduisent
à des incertitudes de 1,5% (1σ) dans des conditions standard d’irradiation (Figure 30). Les
73
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
protocoles de mesures et les matériels utilisés au LNHB permettent d’obtenir des mesures de
dose absolue avec des incertitudes proches de 1% (1σ).
Calcul TPS
incertitude 3% (1σ)
Figure 30: Principe de la validation des calculs de dose MC PENELOPE (milieux hétérogènes).
Trois étapes ont dû être réalisées pour modéliser, dans le formalisme du code PENELOPE, le
dispositif expérimental que nous avons utilisé pour la validation :
- étape 1 : modélisation de la tête d’irradiation de l’accélérateur Saturne 43 à partir des
données fournies par le constructeur,
- étape 2 : détermination des caractéristiques initiales des deux faisceaux issus de
l’accélérateur Saturne 43 que comporte le dispositif expérimental (faisceau de photons 12MV
et faisceau d’électrons 18 MeV),
- étape 3 : modélisation des OTP hétérogènes dans lesquels sont calculées les doses.
Chacune de ces étapes sera présentée, successivement, au cours de ce chapitre.
II.1] Généralités
Les accélérateurs linéaires à usage médical accélèrent des électrons afin de produire des
faisceaux de rayonnement (électrons ou photons) assez énergétiques pour être utilisés en
radiothérapie pour le traitement de tumeurs superficielles à profondes. Les électrons sont
produits, par effet thermoélectronique, à partir d’un filament de tungstène et sont ensuite
74
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
accélérés dans une section accélératrice au moyen du champ électrique d’une onde
électromagnétique de forte puissance produite par un klystron.
A la sortie de la section accélératrice, les électrons atteignent une énergie comprise entre 4
MeV et 21 MeV. Ils subissent une déviation magnétique à 270° qui rend le faisceau vertical,
quasi-monoénergétique, focalisé et centré sur l’axe de collimation du faisceau. Le faisceau
d’électrons pénètre alors dans la tête d’irradiation de l’accélérateur et peut avoir une double
destinée :
- soit, traverser un premier diffuseur de façon à élargir le faisceau initial d’électrons,
- soit, frapper une cible de tungstène de façon à produire des photons X de freinage
(spectre continu de rayons X d’énergie comprise entre 0 et l’énergie maximale des
électrons accélérés).
75
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
II.2.1] Géométrie
Le programme PENGEOM dédié à la géométrie a été utilisé pour modéliser la tête
d’irradiation. Les coordonnées de l’accélérateur sont décrites dans un repère cartésien, l’axe z
correspondant à l’axe d’incidence du faisceau d’irradiation.
Les différents éléments de la tête d’irradiation ont été modélisés grâce aux caractéristiques
fournies par le constructeur General Electric. Chaque composant de la tête a été défini par une
région (« body ») dont le volume a été délimité par des surfaces décrites dans le chapitre 2
[paragraphe II.3.4]. Les espaces existants entre les différentes parties de la tête ont été
comblées par de l’air. L’outil de visualisation GWIEW 2D a permis de vérifier la géométrie
des éléments de la tête, leurs dimensions relatives et l’attribution du numéro de matériau
utilisé dans leurs descriptions.
76
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
direction privilégiée vers l’avant et permet d’obtenir un profil de dose quasiment plat, pour un
champ d’irradiation de 10 × 10 cm² à une profondeur de 10 cm dans de l’eau et à 100 cm de la
source (cible). Cet élément a été modélisé avec 3 cônes tronqués (Figure 32).
Y1
X1 X2
Y2
(b)
77
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
z Fenêtre titane z
y Cible x
Collimateur primaire
Cône égalisateur
Collimateur secondaire
Chambre moniteur
Fenêtre anti-rétrodiffusion
Mâchoires
Figure 34: Représentation de la tête d'irradiation du Saturne 43, photons 12 MV (visualisation GVIEW).
78
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Collimateur primaire
Diffuseurs secondaires
Collimateur secondaire
Chambre moniteur
Mâchoires
Applicateurs
Figure 35: Représentation de la tête d'irradiation du Saturne 43, électrons 18 MeV (visualisation GVIEW).
79
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Pour notre étude, l’ouverture des mâchoires X et Y décrit une taille de champ d’irradiation de
20 × 20 cm² à 100 cm de la source pour assurer, après mise en place des applicateurs, la
définition d’une taille de champ de 10 × 10 cm² à 100 cm de la source (point d’impact des
électrons sur le premier diffuseur).
II.2.2] Matériaux
Les différents matériaux et alliages utilisés pour la modélisation de la tête d’irradiation
(modes photon et électron) sont détaillés dans le Tableau 13.
barreau porte-cible
tungstène - 19,3
+ cible
fenêtre anti- -
aluminium 2,7
rétrodiffusion
En premier lieu, il convient de régler les trois paramètres définissant les électrons initiaux
(énergie moyenne, distribution en énergie des électrons initiaux et forme du point d’impact
80
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
des électrons initiaux sur la cible ou le diffuseur primaire) pour le faisceau de photons de 12
MV et le faisceau d’électrons de 18 MeV. Ces réglages sont effectués, en condition de milieu
homogène, en comparant, à l’aide de l’index gamma, les distributions de dose calculées avec
celles mesurées dans une cuve remplie d’eau (milieu de référence en radiothérapie). En
plusieurs itérations, les valeurs appropriées permettant de se conformer aux distributions de
dose mesurées peuvent être obtenues.
Il est important de souligner que la validité des calculs de dose MC PENELOPE est
étroitement corrélée à la description géométrique de la tête d’irradiation et à l’ajustement des
caractéristiques initiales des faisceaux.
81
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
a
RR : Roulette Russe, IF : Interactions forcées, SPLIT : Splitting. Les valeurs retenues pour ces 3 techniques
sont précisées dans le chapitre 2, paragraphe II.3.4.3].
82
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Ces travaux montrent en outre que les profils de dose sont très sensibles à la variation de
l’énergie moyenne des électrons initiaux et à la définition de la tâche focale. En revanche, les
rendements en profondeur sont, uniquement, affectés par la variation de l’énergie moyenne et
de la distribution en énergie des électrons initiaux. Mais, les opinions divergent sur
l’ajustement des paramètres initiaux. En effet, certains auteurs comme Lovelock et al (1995)
ont trouvé leurs rendements en profondeur peu sensibles à l’énergie des électrons. Pena et al
(2004) ont montré, quant à eux, une dépendance des rendements vis-à-vis du rayon de la tâche
focale. Ils ont d’ailleurs mentionné la nécessité de corriger l’énergie moyenne obtenue
puisque l’ajustement des paramètres initiaux commence obligatoirement avec une taille
arbitraire de tâche focale.
Il n’existe donc pas de « modèle » unique d’ajustement. Il convient d’étudier et d’ajuster ces
paramètres initiaux pour chaque simulation en s’appuyant sur les mesures expérimentales
disponibles.
Les rendements en profondeur et les profils de dose ont été mesurés dans une cuve à eau de
30 × 30 × 30 cm3 à l’aide d’une chambre cylindrique de type PTW-31002 d’un volume de
0,125 cm3. La face d’entrée de la cuve a été positionnée à 90 cm de la source et un champ
d’irradiation de 10 × 10 cm2 a été défini à 100 cm de la source (IAEA 2000). Les profils de
dose ont été mesurés à 10 cm de profondeur. Toutes les distributions de dose ont été
normalisées au maximum de dose.
Les incertitudes statistiques associées aux calculs MC (de l’ordre de 1%) sont données à un
écart-type (1σ). En revanche, les incertitudes associées aux mesures sont très faibles (de
l’ordre de 0,4% à 1σ) et ne sont donc pas représentées sur les figures. Etant donné que toutes
les mesures sont relatives (mesures normalisées au maximum de dose), l’incertitude due au
coefficient d’étalonnage de la chambre d’ionisation de référence « disparait » dans le bilan
d’incertitude présenté ci-dessus (0,4 % à 1σ).
Le test de l’index gamma a été utilisé pour ajuster les valeurs des paramètres initiaux. Dans le
contexte d’une validation expérimentale du code MC PENELOPE, les valeurs des critères
d’acceptabilité Δ xmax et Δ Dmax sont « resserrées » et ont été respectivement choisies égales à
1 mm et 1%. Les mêmes critères ont été utilisés pour analyser les profils de dose et les
rendements en profondeur. La région du build-up des rendements en profondeur a également
été évaluée avec ces mêmes critères car la simulation MC de cette région est directement
83
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
84
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 36 a-b: Comparaison des rendements en profondeur mesuré et calculés dans la cuve à eau pour différentes
dispersions en énergie des électrons initiaux (champ 10 × 10 cm², photons 12 MV).
Figure 37: Résultats du test de l'index gamma pour les différentes dispersions en énergie des électrons initiaux
(champ 10 × 10 cm², Photons 12 MV).
85
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Le test de l’index gamma (Figure 37) met en évidence que le meilleur accord entre les valeurs
mesurées et calculées est obtenu pour le faisceau gaussien avec une largeur à mi-hauteur de
450 keV. Toutefois, il est important de préciser que le test de l’index gamma est rejeté pour le
premier point du rendement en profondeur (x = 1 cm). Etant donné que ce point est situé dans
la zone de buid-up, le rejet du test de l’index gamma n’est donc pas « rédhibitoire ».
A titre d’exemple, pour le faisceau gaussien de 12 MV (FWHM= 450 keV), les incertitudes
statistiques associées à différents points de calcul sont regroupées dans le tableau suivant.
Une étude a été réalisée en simulant un faisceau gaussien de 12 MV (FWHM= 450keV) avec
différentes descriptions de tâche focale : tâche focale circulaire uniforme (diamètre de 1 mm
et 2 mm) et tâche focale circulaire non uniforme présentant une distribution gaussienne des
positions centrée sur l’axe théorique du faisceau (largeur à mi-hauteur de 1 mm et 0,5 mm).
L’influence de la tâche focale a été étudiée sur les profils de dose. Les résultats sont reportés
sur la Figure 38. La Figure 39 présente les valeurs de l’index gamma obtenues pour chacune
des définitions de tâche focale. Au fur et à mesure de l’augmentation du rayon, on peut
observer que la région centrale se réduit (la région centrale est directement soumise aux
photons issus du faisceau).
Parmi les 4 configurations testées avec l’index gamma pour le faisceau de photons de 12 MV,
c’est la tâche focale de distribution gaussienne des positions avec une largeur à mi-hauteur de
86
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
0,5 mm qui offre la meilleure concordance. Pour ce faisceau, les incertitudes statistiques
associées à différents points de calcul sont regroupées dans le Tableau 16.
Figure 38: Comparaison des profils de dose mesuré et calculés, dans une cuve à eau, pour différents
modèles de tâche focale (champ 10 × 10 cm², photons 12 MV).
87
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 39 : Résultats du test de l'index gamma pour les différents modèles de tâche focale (Photons 12 MV).
Distance Incertitude
(cm) (%)
0,75 0,30
2,25 0,27
4,25 0,25
5,25 0,51
88
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Pic annihilation
Figure 40: Comparaison des spectres en énergie calculés par le code PENELOPE (1999 et 2007)
pour un faisceau de photon de 12 MV.
Les fluctuations observées pour le spectre calculé en 1999 résultent d’une statistique moins
élevée puisque 4 fois moins de particules initiales avaient été simulées pour ce spectre en
1999.
Malgré ces fluctuations, les deux spectres ainsi que les valeurs de l’énergie moyenne du
faisceau calculées restent très proches (Tableau 17). En effet, les proportions des basses et
hautes énergies similaires pour ces deux spectres témoignent d’une bonne modélisation des
différents éléments de la tête d’irradiation (cône égalisateur, collimateur).
Le pic observé à 511 keV, dû à l’annihilation des positrons issus de la création de paires, est
également présent pour les deux spectres. Au vu de ces divers points, on peut considérer que
la simulation de l’accélérateur Saturne 43 réalisée pour cette étude est très proche de celle
effectuée par Mazurier (1999).
Tableau 17 : Comparaison des énergies moyennes (en MeV) calculées en 1999 et 2007.
89
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 41: Rendements en profondeur et profils de dose calculés et mesurés (champ 10×10 cm², Photons 12 MV)
90
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Pour évaluer la qualité d’un faisceau de photons, l’indice utilisé, en Europe, est le Tissue
20
Phantom Ratio 20/10 ou TPR 10 (IAEA 2000). Il correspond au rapport des doses absorbées à
20 cm et 10 cm de profondeur, sur l’axe du faisceau, pour une distance source-détecteur
constante de 100 cm (déplacement de la cuve à eau) et un champ d’irradiation de 10 × 10 cm².
Lorsque la distance source-détecteur varie, il est également possible d’utiliser le rapport
D20/D10 entre les doses à 20 cm et à 10 cm de profondeur (IAEA 2000).
De fait, les rapports D20/D10 calculé et mesuré ont été évalués. Le tableau suivant indique que
les rapports D20/D10 sont en accord. L’ensemble de ces résultats valide la simulation MC du
faisceau de photons de 12 MV.
91
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Les rendements en profondeur ont été mesurées dans une cuve à eau de 30 × 30 × 30 cm3 à
l’aide d’une chambre plate NACP-02 (V= 0,275 cm3) pour une distance source - face d’entrée
de la cuve de 100 cm (IAEA 2000). Les profils de dose ont été mesurés à l’aide d’une
chambre cylindrique PTW-31002 (V= 0,125 cm3) pour une distance source-fantôme de 100
cm, un champ d’irradiation de 10 × 10 cm2 et une profondeur de référence de 4,2 g/cm²
(IAEA 2000). Toutes les distributions de dose ont été normalisées au maximum de dose.
Dans le cas d’un faisceau d’électrons, la variation du spectre électronique avec la profondeur
nécessite que les distributions de dose mesurées soient impérativement corrigées du rapport
des pouvoirs d’arrêt dans l’eau et dans l’air (Seau,air). Les valeurs du facteur Seau,air sont
estimées à partir des relations fournies dans le protocole n°398 de l’IAEA (2000).
Les incertitudes statistiques associées aux calculs MC (de l’ordre de 1,5%) sont données à un
écart-type (1σ). En revanche, les incertitudes statistiques associées aux mesures sont très
faibles (de l’ordre de 0,6% à 1σ) et ne sont donc pas représentées sur les figures. Etant donné
que toutes les mesures sont relatives (mesures normalisées au maximum de dose),
l’incertitude dû au coefficient d’étalonnage de la chambre d’ionisation de référence
n’intervient pas dans le bilan d’incertitude présenté ci-dessus (0,6 % à 1σ).
Le test de l’index gamma a été utilisé pour ajuster les valeurs des paramètres initiaux. Les
valeurs des critères d’acceptabilité Δ xmax et Δ Dmax, utilisées pour ajuster le faisceau de
photons de 12 MV ont été conservées : à savoir 1 mm et 1%. Les distributions de dose
calculées ont été préalablement ré-échantillonnées, à une résolution plus fine à l’aide de
fonctions polynomiales. Les écarts relatifs relevés entre les distributions de dose calculées
92
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
initiales et ré-échantillonnées sont, en moyenne, inférieurs à 0,1% pour les profils de dose et
inférieurs à 0,2% pour les rendements en profondeur.
Figure 42: Comparaison des rendements en profondeur mesuré et calculés, dans la cuve à eau, pour différentes
dispersions en énergie des électrons initiaux (champ 10 × 10 cm², électrons 18 MeV).
93
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Tableau 20 : Comparaison des portées pratiques pour les 3 simulations de faisceau d’électrons de 18 MeV.
Mono- Gaussien Gaussien
Mesures
Energétique FWHM=1 MeV FWHM=3 MeV
Rp (cm) 8,61 8,57 8,60 8,70
Les résultats du test de l’index gamma (Figure 43) et les valeurs des portées pratiques
indiquent que le meilleur accord entre les rendements en profondeur mesurées et calculées est
obtenu pour le faisceau gaussien avec une largeur à mi-hauteur de 1 MeV. A titre d’exemple,
pour le faisceau gaussien de 18 MeV (FWHM= 1 MeV), les incertitudes statistiques associées
à différents points de calcul sont regroupées dans le Tableau 21.
Figure 43: Résultats du test de l’index gamma pour différentes dispersions en énergie des électrons initiaux
(champ 10 × 10 cm², Electrons 18 MeV).
94
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Tableau 21 : Incertitudes statistiques associées au calcul (faisceau gaussien 18 MeV, FWHM=1 MeV).
Profondeur Incertitude
(cm) (%)
1 0,77
2 0,76
4 0,80
8 1,70
Pour valider cet ajustement énergétique du faisceau d’électrons, des mesures directes de la
dose permettant de s’affranchir du facteur correctif Seau,air ont été réalisées dans un calorimètre
graphite avec un détecteur graphite (Daures and Ostrowsky 2005). Pour parfaire la
comparaison, la géométrie du calorimètre (volume de détection de 0,75 cm3 en équivalent
graphite) a été prise en compte dans la simulation MC. Le bon accord qui a été trouvé entre
les mesures et les calculs (Figure 44) confirme que les valeurs retenues pour l’énergie
moyenne et la distribution en énergie sont correctes.
Toutefois, il est à noter que seuls quelques points de mesures calorimétriques ont pu être
réalisés au voisinage du maximum en raison de la difficulté de mesure liée aux
caractéristiques du dosimètre (sensibilité).
Figure 44: Comparaison des rendements en profondeur calculé et mesuré dans un calorimètre graphite
(champ 10 × 10 cm², Electrons 18 MeV).
95
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 45: Comparaison des profils de dose mesuré et calculés, dans une cuve à eau, une tâche focale non
uniforme avec une distribution gaussienne des positions (champ 10 × 10 cm², électrons 18 MeV).
Figure 46 : Résultat du test de l'index gamma pour une tâche focale non uniforme -fwhm=0,5mm-
(Electrons 18 MeV).
96
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
97
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Les profils de dose et rendements en profondeur ainsi obtenus sont illustrés sur la Figure 48.
98
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
III.1.3] Conclusion
Les paramètres des simulations de la tête d’irradiation du Saturne 43 ont été ajustés et
validées, en milieu homogène, à l’aide du test de l’index gamma. Les espaces des phases
créés en entrée de la cuve à eau ou Objet Test (modes photon et électron) seront utilisés,
comme source de rayonnement, pour le calcul des distributions de dose au sein des quatre
Objets Tests Physiques hétérogènes.
L’objectif est de valider, d’une manière aussi précise que possible, le calcul de la dose
absorbée par le code MC PENELOPE dans des milieux hétérogènes équivalents tissu (Blazy
et al 2006) afin d’utiliser ce code comme référence pour le contrôle qualité des calculs de
dose réalisés par les TPS. La validation expérimentale du code MC PENELOPE a été réalisée,
99
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
en comparant les distributions de dose calculées à celles mesurées, dans quatre Objets Tests
Physiques (OTP) hétérogènes.
Figure 49: Dispositif expérimental pour les mesures au sein des OTP hétérogènes (mode électron).
100
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
IV.1.2.1] Composition
La composition et la densité des matériaux, utilisés pour cette validation, ont été fournies par
le fabricant CIRS. Ces données, nécessaires à la modélisation de ces milieux, sont reportées
dans le Tableau 24.
Tableau 24 : Caractéristiques des milieux utilisés.
Matériau Masse Volumique Epaisseur Composition
3
(g/cm ) (cm) (% massique)
IV.1.2.2] Description
Les OTP ont été réalisés à partir d’hétérogénéités, de formes parallélépipédiques (30 × 30 × A
cm3 ou 30 × 8 × A cm3), immergées dans une cuve à eau de dimensions 40 × 40 × 40 cm3.
Les dimensions des hétérogénéités et leurs dispositions dans la cuve à eau sont spécifiées dans
le Tableau 25 et la Figure 50. Dans ce tableau, la colonne A correspond à l’épaisseur des
hétérogénéités et la colonne B définit la distance entre la face avant de la cuve à eau et la face
avant de l’hétérogénéité.
Tableau 25 : Description des OTP hétérogènes.
OTP A B Masse Volumique
Faisceau d’électrons Faisceau de photons
(cm) (cm) (cm) (g/cm3)
Eau-poumon (a) 10 3 5 0,30
Eau-os (b) 2 3 5 1,8
Eau-os-poumon (c) 2 et 8 - 5 1,8 et 0,30
Eau-poumon médiastin (d) 16 - 5 0,30
Pour les OTP eau-poumon, eau-os et eau-os-poumon, les rendements en profondeur ont été
mesurés et calculés en amont et en aval des hétérogénéités. Pour la configuration médiastinale
(Figure 50d), les matériaux équivalent-poumon ont été espacés de 3 cm et les profils de dose
ont été mesurés et calculés à 22 cm (z1) et 25 cm (z2) de profondeur.
101
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
(a) (b)
B B
A os
A poumon
30 cm
30 cm
eau eau
(c) (d)
B B 8 cm
os
poumon
poumon
A poumon A
30 cm 3 cm
Z1 = 22cm
Z2 = 25cm
eau
eau
Photons Photons
102
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Sous l’effet des rayonnements ionisants, les éléments issus de la radiolyse de l’eau oxydent
les ions ferreux (Fe2+) en ions ferriques (Fe3+). La concentration en ions Fe3+ est alors
directement proportionnelle à l’énergie absorbée dans la solution de Fricke (Chauvenet et al,
1997). L’ampoule utilisée est de type cylindrique (Figure 51) en verre borosilicaté et présente
2 faces parallèles, un diamètre de 22 mm, une épaisseur de 12,4 mm et une cheminée d’accès
située sur la paroi du cylindre. L’ampoule est remplie avec 2 ml de solution de Fricke et
fermée par un bouchon de silicone.
103
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
La profondeur effective, deff , est évaluée, le long de l’axe du faisceau, par la relation:
d eff = d − t (1 − CET ) (Eq. 15)
Pour la validation du code MC PENELOPE, les facteurs Seau,air ont été calculées, pour chaque
profondeur effective, à l’aide de la relation fournie dans le protocole n°398 de l’IAEA
(2000) :
a + bx + cx ² + dy z
Seau,air (zeff) = 3
avec x = ln(R50) et y = (Eq. 16)
1 + ex + fx ² + gx + hy R50
Les valeurs des densités électroniques, utilisées pour le calcul des profondeurs effectives, sont
données dans le Tableau 27.
104
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Les mesures effectuées avec les chambres d’ionisation en faisceau de photons n’ont pas
été corrigées par le facteur en raison de la faible variation des Seau,air avec la profondeur
(IAEA 2000). Cette observation a été corroborée par le calcul de quelques Seau,air avec le code
MC PENELOPE. Les autres termes correctifs 7 n’ont pas été pris en compte (facteurs
correctifs de « second ordre »).
7
Autres termes correctifs : facteur correctif lié à la cavité d’air Pcav, facteur correctif lié à l’effet de l’électrode
centrale Pcel et facteur correctif lié à la paroi de la chambre d’ionisation Pwall.
105
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Tableau 28: Valeurs du facteur correctif Fparoi obtenus pour chaque OTP hétérogène
Faisceau de photons (12 MV) Faisceau d’électrons (18 MeV)
OTP Mesa Fparoi Calcb Fparoi Moyen Fparoi Mesa Fparoi Calcb Fparoi Moyen Fparoi
Eau-poumon
Eau-os
Eau-os-poumon
106
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
incertitudes associées aux valeurs calculées. Pour la validation des distributions de dose au
voisinage des hétérogénéités, les points de calculs ont été relevés avec un volume de détection
similaire à celui du dosimètre de Fricke.
IV.2] Résultats
Dans ce paragraphe, la profondeur reportée sur l’axe des abscisses est exprimée en g/cm².
Figure 52: a) Rendements en profondeur calculé et mesurés dans l’OTP eau-poumon b) Rendements en
profondeur calculé et mesurés en aval de l’hétérogénéité poumon (Faisceau d’électrons 18 MeV).
107
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Le Tableau 31 illustre les écarts relatifs observés entre les calculs MC et les différentes
mesures pour certains points d’intérêt situés en aval de l’hétérogénéité. D’une manière
générale, le rendement calculé concorde avec les différentes mesures ionométriques et les
mesures de Fricke (écart maximal inférieur à 1,9% pour la profondeur z = 8,5 g/cm²).
Sur la Figure 52a, on peut remarquer qu’à l’interface eau/poumon, le manque d’électrons
rétrodiffusés, par le matériau équivalent-poumon, conduit à une chute de la dose absorbée
(Figure 52a). Le phénomène s’inverse au voisinage de l’interface poumon/eau.
Tableau 31: Rapports entre le calcul MC et les chambres d’ionisation ou les dosimètres de Fricke
en amont et en aval de l'hétérogénéité poumon.
108
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 53: a) Rendements en profondeur calculé et mesurés dans l’OTP eau-os b) Rendements en profondeur
calculé et mesurés en aval de l’hétérogénéité os (Faisceau d’électrons 18 MeV).
Tableau 33: Rapports entre le calcul MC et les chambres d’ionisation ou les dosimètres de Fricke
en amont et en aval de l'hétérogénéité os.
109
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Comme l’indique le Tableau 33, un très bon accord a été obtenu entre les calculs MC et les
mesures. L’écart maximal est inférieur à 1,4% (z = 8 g/cm²). En amont de l’hétérogénéité os
(z= 3 g/cm3), les électrons rétrodiffusés par l’hétérogénéité sont responsables d’un
accroissement de la dose absorbée (phénomène modélisé par le code MC PENELOPE, Figure
53a)
Figure 54: a) Rendements en profondeur calculé et mesurés dans l’OTP eau-poumon b) Rendements en
profondeur calculé et mesurés en amont de l’hétérogénéité poumon c) Rendements en profondeur calculé et
mesurés en aval de l’hétérogénéité poumon (Faisceau de photons 12 MV).
110
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Les incertitudes statistiques, regroupées dans le Tableau 34, sont associées à des points
d’intérêt extraits de chacune des régions du rendement en profondeur (en amont, en aval et au
sein de l’hétérogénéité). Pour les mesures ionométriques et chimiques, un excellent accord a
été trouvé entre le calcul et les mesures expérimentales : l’écart maximal est égal à 0,7%
(Tableau 35).
Tableau 35: Rapports entre le calcul MC et les chambres d’ionisation ou les dosimètres de Fricke
en amont et en aval de l'hétérogénéité poumon.
111
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 55: a) Rendements en profondeur calculé et mesurés dans l’OTP eau-os b) Rendements en profondeur
calculé et mesurés en amont de l’hétérogénéité os c) Rendements en profondeur calculé et mesurés en aval de
l’hétérogénéité os (Faisceau de photons 12 MV).
Tableau 37: Rapports entre le calcul MC et les chambres d’ionisation ou les dosimètres de Fricke
en amont et en aval de l'hétérogénéité os.
112
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Les écarts observés, en amont et en aval de l’hétérogénéité os, entre le calcul MC et les
chambres d’ionisation et les dosimètres de Fricke permettent de conclure à un bon accord
entre les différentes séries : l’écart maximal est égal à 1,4% (Tableau 37).
Les écarts les plus importants sont observés au voisinage de l’interface os/eau. A ce niveau, le
spectre d’électrons diffère de celui obtenu à la profondeur de normalisation [IV.1.1] en raison
des électrons de faible énergie (100 keV < E < 350 keV) créés dans le milieu équivalent os
(Figure 56). Ces électrons de faible énergie sont arrêtés par la paroi de la chambre
d’ionisation (leur portée est inférieure à l’épaisseur de la paroi) et ne contribuent donc pas au
courant mesuré. Cependant, les dépôts d’énergie dus à ces électrons de faible énergie sont pris
en compte par le code MC PENELOPE puisque la chambre d’ionisation n’a pas été modélisée
dans le fichier de géométrie. Ainsi, au voisinage de l’interface os/eau, l’influence de la paroi
conduit à une différence de dose, de près de 2%, entre la mesure ionométrique et le calcul
MC.
Figure 56: Spectres d’électrons calculés à différentes profondeurs dans l’OTP eau/os et
à la profondeur de normalisation dans la cuve à eau.
113
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 57: a) Rendements en profondeur calculé et mesurés dans l’OTP eau-os-poumon b) Rendements en
profondeur calculé et mesurés en amont de l’hétérogénéité os c) Rendements en profondeur calculé et mesurés
en aval de l’hétérogénéité poumon (Faisceau de photons 12 MV).
114
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Le tableau suivant présente les écarts observés, entre le calcul MC et les chambres
d’ionisation ou les dosimètres de Fricke, pour certains points d’intérêt situés en amont et en
aval des hétérogénéités. Ces résultats montrent qu’un très bon accord a été trouvé entre le
calcul MC et les mesures expérimentales (écart maximal égale à 0,8% à z = 14,906 g/cm²).
Tableau 39: Rapports entre le calcul MC et les chambres d’ionisation ou les dosimètres de Fricke
en amont de l'hétérogénéité os et en aval de l'hétérogénéité poumon.
Figure 58: Profils de dose dans l’OTP eau-poumon (configuration médiastinale) aux profondeurs z1 et z2.
Au vu de la
115
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
Figure 58 58, les profils calculés concordent avec les mesures réalisées à l’aide de la chambre
PTW-31002. Ces résultats mettent en évidence la très bonne concordance des calculs MC et
des mesures (Tableau 40). Les incertitudes statistiques associées au calcul MC sont précisées
dans le Tableau 41.
Tableau 40: Rapports entre le calcul MC et les chambres d’ionisation en aval des hétérogénéités poumon.
Distance (cm) Z1 =22 cm Z2= 25 cm
0,75 1,004 ±0,006 1,004 ±0,006
2,25 1,002 ±0,005 1,005 ±0,005
4,75 0,999 ±0,005 0,997 ±0,005
5,75 0,984 ±0,007 1,004 ±0,007
Tableau 41: Incertitudes associées au calcul MC PENELOPE (OTP eau-poumon / configuration médiastinale).
IV.3] Conclusion
Les quatre OTP développés se sont avérés être des outils pertinents pour la validation
expérimentale du code MC PENELOPE, en présence de milieux hétérogènes, en raison de
leurs variétés de composition (trois milieux différents) et de géométrie (configuration
« sandwich » ou « médiastinale »). Ces OTP sont parvenus à :
- reproduire la majorité des interfaces rencontrées au cours des traitements en
radiothérapie (eau/os, eau/poumon, eau/os/poumon),
- définir une configuration clinique (configuration médiastinale),
- « recréer » les phénomènes physiques qui se produisent aux interfaces (perte et
remise en l’équilibre électronique) et en présence de milieux hétérogènes
(modification de la pénombre).
Le très bon accord obtenu entre les calculs MC et les mesures (ionométriques et chimiques) a
permis de valider, avec une précision meilleure que 1,5%, le calcul de la dose absorbée, par le
116
Chapitre 3 : Paramétrage et validation des calculs de dose Monte Carlo PENELOPE
code MC PENELOPE, dans les milieux hétérogènes. De plus, cette validation a démontré la
capacité du code MC PENELOPE à modéliser précisément les modifications de fluence dans
les régions d’équilibre électronique et au voisinage des interfaces. Ainsi, le code MC
PENELOPE peut être utilisé pour l’obtention d’OTN de sortie de référence destinés au
contrôle qualité des TPS.
117
118
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Chapitre 4
Mise en œuvre du
contrôle qualité automatisé
des calculs de dose du TPS Masterplan
119
120
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
I. Introduction
121
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Cible et porte-cible
Mode haute énergie photon
Filtre durcisseur (25MV uniquement)
Mode basse énergie photon Collimateur primaire
Filtre différentiel
Cône égalisateur
Chambre moniteur
Feuille d’aluminium
Filtre en coin
Miroir
Y X Lames
Backup
Z
Mâchoires X
II.1] Géométrie
Les différents éléments de la tête d’irradiation ont été répertoriés en 3 groupes : les éléments
qui ne dépendent pas de l’énergie du faisceau, ceux qui en dépendent et enfin, ceux liés au
système de collimation. Soulignons qu’un faisceau filtré par le filtre en coin est considéré
comme un faisceau d’énergie nominale particulière.
122
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Les filtres différentiels sont, quant à eux, adaptés à chaque énergie. De formes complexes,
les filtres différentiels des faisceaux de photons de 10 MV et 18 MV résultent de la
combinaison de multiples cônes tronqués. Leurs sommets ont été ajustés à l’aide d’une sphère
tronquée. A titre d’exemple, pour le faisceau de 10 MV, le filtre différentiel est long et aigu
pour interagir avec un faisceau intense et étroit ; en revanche, pour le faisceau de 6 MV, le
cône égalisateur est court et obtus pour faire face à un faisceau moins « dur » et plus diffusé.
Les profils ci-dessous présentent les filtres insérés dans le faisceau.
Le filtre en coin est destiné à déformer les isodoses de base en leur imprimant une
inclinaison par rapport à l’axe du faisceau. Cette inclinaison est exprimée à la profondeur de
référence (10 cm, DSS = 90 cm) et sa valeur nominale, dans le cas de l’accélérateur modélisé,
est de 60°. Le filtre en coin est utilisable pour toutes les énergies et pour une taille de champ
maximale de 30 × 40 cm² (X × Y) à 100 cm de la source. D’un point de vue géométrique, il se
caractérise par une progression en marche d’escalier suivant l’axe Y (Figure 61).
(a) (b)
Z X
X
Y
X
Y Z
7.35 cm
123
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Il peut être décomposé en 11 triangles rectangles présentant chacun une angulation θ. Le bord
épais du filtre en coin est situé pour les abscisses X négatives et le bord fin pour les abscisses
positives. Le plan supérieur du filtre en coin est positionné, à 18,6 cm de la source, entre la
chambre moniteur et le système de collimation. Le profil du filtre en coin modélisé est
présenté en Figure 62 (visualisation GVIEW).
(a) (b)
Y
Collimateur multilames
Z
Backup
Mâchoires X
124
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
actuellement sur le marché (Varian, Elekta, Siemens), ont d’ores et déjà fait l’objet de
nombreux travaux (AAPM 2001, Boyer et al 1992, De Vlamynck et al 1999, Huq et al 2002,
Jordan and Williams 1994, Sykes and Williams 1998, Yu 1998). L’originalité des travaux de
Huq et al (2002) repose sur la comparaison des caractéristiques dosimétriques (pénombre,
fuite inter et intra lames) de ces trois systèmes de collimation.
Le collimateur multilames Elekta (MultiLeaf Collimator - MLC) est composé de deux bancs
mobiles de 40 lames indépendantes dont l’axe de déplacement est orienté selon l’axe Y. Le
bord supérieur du MLC est positionné à 29,8 cm de la source. La largeur d’une lame projetée
à l’isocentre est de 1 cm. Pour éviter toute collision frontale, la distance minimale entre deux
lames opposées est de l’ordre de 0,5 mm. Toutes les lames présentent un design tenon-
mortaise (« tongue and groove design ») selon l’axe X et une extrémité arrondie selon l’axe Y
(Figure 64).
125
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Le design « tongue and groove » de la tranche des lames permet de minimiser la fuite
interlames. L’inclinaison des lames confère une unicité à chacune d’entre elle et assure leur
focalisation vers un seul et même point source (Figure 65).
source
Van de Walle et al (2003) ont implémenté, dans le code MC BEAM, un module de géométrie
qui prend en compte l’espace d’air inter-lames et le design « tongue and groove » du MLC
SL-Elekta. Ainsi, ces travaux ont servi de support pour la modélisation géométrique du MLC
SL-Elekta avec le code MC PENELOPE.
Une lame de référence a été définie autour de l’axe d’incidence du faisceau (Figure 66).
Partie supérieure
X
Partie inférieure
où, N varie de 1 à 40 (les lames sont numérotées de l’axe négatif vers l’axe positif),
Zmlc est la distance entre la source et le bord supérieur du MLC.
126
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Figure 67: Représentation d’un banc de 40 lames du MLC SL-Elekta (Visualisation GVIEW).
Les mâchoires X, focalisées vers la source, se déplacent selon un arc de cercle pour
délimiter la taille du champ d’irradiation en X avec une pénombre constante.
127
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Y Y Y
Z Z Z
II.2] Matériaux
Les matériaux et les masses volumiques de l’ensemble des éléments décrits précédemment
sont répertoriés dans le tableau ci-dessous.
128
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
a
RR : Roulette Russe, IF : Interactions forcées, NSPLIT : Splitting. Les valeurs retenues pour ces 3 techniques
sont présentées dans le chapitre 2 [paragraphe II.3.4.3].
129
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
n’étaient pas affectées par la forme de la tâche focale et que l’influence de la tâche focale
devenait significative, sur les profils de dose, lorsque la taille du champ était supérieure à 10 ×
10 cm². Par conséquent, les valeurs des paramètres initiaux ont été ajustées dans les
conditions suivantes:
- énergie moyenne et distribution énergétique du faisceau ajustées avec un rendement
en profondeur répondant à un champ d’irradiation de 10 × 10 cm² à 100 cm de la source,
- forme de la tâche focale ajustée avec deux profils de dose (profil X et profil Y)
décrivant un champ d’irradiation de 20 × 20 cm² à 100 cm de la source.
Les distributions de dose ont été mesurées et calculées dans une cuve à eau de 50 cm × 50 cm
× 50 cm :
- les rendements en profondeur sont obtenus sur l’axe du faisceau, pour une distance
source-surface de la cuve à eau de 100 cm (IAEA 2000), et sont normalisés au maximum de
dose,
- les profils de dose sont réalisés sous 10 cm d’eau, pour une distance source-surface
de la cuve à eau de 90 cm (IAEA 2000), et sont normalisés sur l’axe du faisceau.
La tache focale a été considérée ponctuelle pour l’ajustement en énergie des trois faisceaux de
photons.
130
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
des rendements en profondeur calculés, pour ces deux simulations, sont présentées en Figure
69.
Comme l’indique le test du l’index gamma (Figure 70a-b), le meilleur accord entre les valeurs
mesurées et calculées est obtenu pour le faisceau gaussien.
Pour ce faisceau, la valeur du rapport D20/D10 calculée (D20/D10= 0,587) s’écarte de 0,85% de
la valeur mesurée (D20/D10= 0,582).
Pour le faisceau gaussien de 6 MeV avec une largeur à mi hauteur de 1 MeV, les incertitudes
statistiques associées à différents points de calcul sont regroupées dans le tableau 45.
131
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Figure 71: Comparaison des rendements calculés et mesuré pour différentes énergies (faisceau 10 MV).
Les résultats du test du l’index gamma (Figure 72a-d) montrent que le meilleur accord entre
les valeurs mesurées et calculées est obtenu pour le faisceau gaussien de 9 MeV avec une
FWHM égale à 1 MeV (figure 72c). Pour ce faisceau, la valeur du rapport D20/D10 calculée
(D20/D10= 0,626) s’écarte de 0,96% de la valeur mesurée (D20/D10= 0,620).
132
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Pour le faisceau gaussien de 9 MeV avec une largeur à mi hauteur de 1 MeV, les incertitudes
statistiques associées à différents points de calcul sont regroupées dans le tableau suivant.
133
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
A la vue de la Figure 73, un bon accord est observé entre les valeurs mesurée et calculées
pour le faisceau gaussien de 16 MeV avec une largeur à mi-hauteur égale à 1 MeV. Cette
observation est confirmée par les résultats du test de l’index gamma (Figure 74a-d). Pour ce
faisceau, la valeur du rapport D20/D10 calculée (D20/D10= 0,658) s’écarte de 0,76% de la valeur
mesurée (D20/D10= 0,653).
Figure 73: Comparaison des rendements en profondeur calculés et mesurés pour différents ajustements en
énergie (faisceau 18 MV).
134
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Pour le faisceau gaussien de 16 MeV avec une largeur à mi hauteur de 1 MeV, les incertitudes
statistiques associées à différents points de calcul sont regroupées dans le tableau ci-après.
III.1.4] Conclusion
Pour les simulations des faisceaux de photons de 6 MV, 10 MV et 18 MV, les caractéristiques
énergétiques retenues sont résumées dans le Tableau 48. Les valeurs précisées par le
constructeur Elekta sont également rappelées
Tableau 48. Caractéristiques énergétiques des faisceaux de photons de 6MV, 10 MV et 18 MV.
Elekta PENELOPE
6 MV 6 MeV, FWHM=1 MeV 6 MeV, FWHM=1 MeV
10 MV 9,5 MeV, FWHM=0,8 MeV 9 MeV, FWHM=1 MeV
18 MV 16 MeV, FWHM= 1 MeV 16 MeV, FWHM= 1 MeV
135
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
l’impact des particules sur les éléments de filtration et par la taille du champ d’irradiation - la
contamination du faisceau augmentant avec la taille du champ -. Il est également important de
préciser qu’élargir la tâche focale conduit à une réduction du nombre de particules qui
frappent la partie centrale des filtres ce qui modifie la fluence et par conséquent, la forme du
profil de dose (De Smedt et al 2005). Le profil de dose est donc très sensible à la forme de la
tâche focale.
Ainsi, l’ajustement de la tâche focale par comparaison des profils de dose calculés et mesurés,
pour une grande taille de champ, conduit à une correspondance encore meilleure pour des
champs de plus petites dimensions. Nous avons donc retenu un champ de 20 × 20 cm² pour
ajuster la tâche focale des faisceaux de photons.
Quelque soit la qualité du faisceau de photons, le constructeur Elekta recommande une tâche
focale circulaire présentant une distribution gaussienne des positions avec une largeur à mi-
hauteur de 1 mm. Les travaux de Sheikh-Bagheri and Rogers (2002a) ont, pour leur part,
prouvé que, contrairement aux accélérateurs Varian et Siemens, la taille de la tâche focale des
accélérateurs SL-Elekta n’était pas influencée par l’énergie du faisceau.
L’ajustement de la tâche focale n’a par conséquent été réalisé que pour le faisceau de photons
de 18 MV. Différentes valeurs de largeur à mi-hauteur (FWHM) ont été testées afin de
déterminer leurs influences respectives sur les profils de dose. Les résultats sont reportés sur
la Figure 75. En modifiant la largeur de la tâche focale, on modifie principalement
l’épaulement des profils de dose et consécutivement, la pénombre. La Figure 76 indique que
le test de l’index gamma est validé pour une largeur à mi-hauteur de 1 mm.
Figure 75: Comparaison des profils de dose pour différentes définitions de tâche focale (photons 18 MV).
136
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Figure 76: Résultats du test de l'index gamma pour différents modèles de tâche focale (faisceau 18 MV).
Les incertitudes statistiques associées à différents points de calcul sont regroupées dans le
tableau suivant.
Tableau 49 : Incertitudes statistiques associées au calcul (faisceau 18 MV).
Distance (cm) Incertitude (%)
0,5 0,92
3 0,93
6 0,97
8 1,30
10 2,00
Pour les faisceaux de 10 MV et 6 MV, un bon accord a également été trouvé entre les mesures
et les calculs pour une tâche focale de largeur à mi-hauteur de 1 mm.
137
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Figure 77: Spectres en énergie pour les 3 qualités de faisceau de photons (champ 10 x 10 cm²).
Les énergies moyennes calculées à l’aide du code PENELOPE ont été comparées à celles
calculées par Bramoullé (2000), Sheikh-Bagheri and Rogers (2002b) et Van der Zee and
Welleweerd (1999) pour des accélérateurs de type SL-Elekta (Tableau 50).
Pour chaque qualité de faisceau, les écarts observés entre les énergies moyennes peuvent
s’expliquer par le modèle de l’accélérateur (SL-15, SL-20…), les valeurs retenues pour les 3
paramètres caractérisant la source et par le code MC utilisé (traitement des interactions,
échantillonnage des sections efficaces…). A titre d’exemple, pour le faisceau de 10 MV, Van
der Zee and Welleweerd (1999) ont utilisé le modèle SL-15 (pas de collimateur multilames) et
ont choisi une énergie monoénergétique de 9,5 MeV pour la source initiale d’électrons.
Grâce aux résultats des simulations, la variation de l’énergie moyenne du spectre photonique
a pu être vérifiée, pour chaque énergie, en fonction de la taille de champ d’irradiation. Le
Tableau 51 présente ces résultats.
138
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Tableau 52 : Nombre de particules stockées dans l’espace des phases (sans filtre en coin).
6 MV 10 MV 18 MV
champ 5×5 cm² 2E+06 1,4E+06 2E+06
champ 10×10 cm² 9E+06 6E+06 8E+06
champ 20×20 cm² 14E+06 10E+06 13E+06
Les incertitudes statistiques associées aux calculs MC sont inférieures ou égales à 1% (1σ) et
sont représentées sur chacune des figures.
Ces simulations complémentaires ont toutes été évaluées avec le test de l’index gamma (1% et
1mm). Pour ces critères d’acceptabilité, toutes les simulations ont été validées (γ ≤ 1). Par
conséquent, seules les distributions de dose sont présentées dans le paragraphe suivant.
8
Au maximum, environ 2E+09 particules primaires peuvent être produites (production de nombres sur 32 bits
par le générateur de nombres aléatoires).
139
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
140
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
141
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
142
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
143
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
144
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
145
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
146
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
147
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
III.5] Conclusion
Au cours de cette première étape, la simulation MC a été paramétrée pour 3 qualités de
faisceaux de photons issus de l’accélérateur SL-Elekta. Un ensemble de vérifications a été
effectué afin de valider le paramétrage de la simulation MC : contrôle de la géométrie
modélisée et test des valeurs retenues pour les paramètres définissant les électrons initiaux. Le
bon accord qui a été obtenu entre les mesures et les calculs valide les simulations des
faisceaux de photons.
Au bilan, l’ajustement du code MC PENELOPE et sa vérification nécessitent de disposer,
pour chaque énergie nominale de faisceau de photons, des mesures dosimétriques suivantes :
9 ajustement :
- rendement en profondeur, champ 10 × 10 cm² à 100 cm de la source.
- profils de dose (X et Y), champ 20 × 20 cm² à 100 cm de la source, sous 10 cm d’eau.
9 vérification :
- rendement en profondeur, champ 10 × 10 cm² à 100 cm de la source,
avec et sans filtre en coin.
- profils de dose (X et Y), à 100 cm de la source, sous 10 cm d’eau,
avec et sans filtre en coin,
champ 5 × 5 cm², champ 10 × 10 cm², champ 20 × 20 cm².
148
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
L’algorithme Collapsed Cone est fondé sur la méthode du point kernel qui réduit la
contribution d’un faisceau en une somme de petits volumes d’interactions pour lesquels le
kernel modélise l’énergie déposée par l’ensemble des électrons mis en mouvement par un seul
photon primaire. Ces kernels ont été calculées par méthode Monte-Carlo pour un faisceau
parallèle dans de l’eau (Mackie et al 1988).
L’algorithme Collapsed Cone calcule les distributions de dose à partir d’un modèle. Ce
modèle est fondé sur trois étapes principales :
- d’abord, la fluence énergétique incidente est ajustée pour qu’elle corresponde à la
fluence des photons primaires à la sortie de l’accélérateur.
- puis, cette fluence est projetée à travers la représentation en densité du patient et un
TERMA est calculée. Le TERMA correspond à l’énergie totale libérée par unité de
masse par les photons primaires atténués par le patient.
- enfin, la dose est calculée en convoluant, en 3 Dimensions, le TERMA (Total
Energy Released per unit Mass) et le kernel. La convolution suppose que chaque
point du milieu interagit de la même façon (isotropie).
Pour un tel modèle, les données de base nécessaires à la modélisation d’un accélérateur se
réduisent au seul spectre en énergie des photons à la sortie de l’accélérateur.
La plupart des constructeurs de TPS fournissent un spectre initial que l’utilisateur ajuste au
moyen de comparaisons entre mesures et calculs de dose dans un milieu homogène constitué
d’eau (la mesure directe du spectre étant impossible à réaliser avec les équipements de mesure
d’un service de radiothérapie). On aurait pu imaginer que les TPS utilisaient un spectre initial
calculé par MC mais, dans la pratique, le spectre peut être très différent du spectre « réel » car
l’ajustement de celui-ci permet de rendre compte de phénomènes secondaires non pris en
compte par le modèle de calcul du TPS (exemple : contamination du faisceau par les électrons
secondaires).
Pour le calcul de la dose en milieux hétérogènes (Ahnesjö 1989), les changements dans « la
partie primaire du kernel » (changements des pouvoirs d’arrêts massiques des électrons
secondaires) et dans « la partie diffusée du kernel » (changements des coefficients
d’atténuation massique des photons diffusés) sont estimés avec la variation de densité
électronique des milieux. Des informations complémentaires peuvent être recueillies dans les
travaux d’Ahnesjö 1989, d’Aspradakis et al 2003 et de Knöös et al 2006.
149
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Pour le TPS Masterplan, Nucletron précise à l’utilisateur les mesures à effectuer pour
recueillir toutes les données pertinentes en vue de la caractérisation d’une unité de traitement
spécifique. Ces données permettent ensuite au personnel de Nucletron de réaliser la
modélisation des faisceaux. A la fin de la modélisation, les données traitées sont renvoyées à
l’utilisateur afin d’être stockées dans la base de données du TPS.
150
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Les mailles de calcul utilisées pour les douze OTN sont égales à :
- 0,5 cm × 0,5 cm × 0,5 cm pour le code MC PENELOPE,
- 0,2 cm × 0,2 cm × 0,2 cm pour le TPS Masterplan.
Pour illustrer la mise en œuvre de ce contrôle qualité, deux exemples vont être détaillés : celui
de l’OTN simple A (champ carré 5×5 cm²) et celui de l’OTN anatomique « Sein ».
151
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Calcul PENELOPE
Objet Test
OTN de sortie REFERENCE
Calcul PENELOPE
Objet Test
Figure 89: OTN de sortie de référence (OTN anatomique « Sein », faisceau non filtré).
152
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Calcul Masterplan
OTN d’entrée
Logiciel OTN-Creator
Calcul Masterplan
OTN d’entrée
Logiciel OTN-Creator
Figure 91: OTN de sortie à tester (OTN anatomique « Sein », faisceau non filtré).
153
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Filtre en coin 2 5 5 3
Variations de 1 1,5 2 2
Distance Source -Surface
Milieux hétérogènes
Simples 3 5 5 5
(géométrie plane)
Complexes 5 7 7 7
(de type anthropomorphique)
Toutes les distributions de dose ont été normalisées par rapport à la dose calculée dans les
conditions de référence : dose calculée dans un OTN en eau (dimension 50 × 50 × 50 cm3)
pour une DSS de 90 cm, à 10 cm de profondeur et pour une taille de champ de 10 × 10 cm²
défini à l’isocentre.
Pour le TPS Masterplan, une dose de 100 Gy a été prescrite au point de pondération
(isocentre) pour tous les OTN. Le calcul des Unités Moniteur a tout d’abord été effectué dans
les conditions de référence (UMref). Les Unités Moniteur ont ensuite été calculées pour
chaque OTN (UMotn). Enfin, les distributions de dose relatives à la dose dans les conditions
de référence ont été obtenues en modifiant le poids de chaque faisceau tel que :
poids (faisceau otn) = UMref / UMotn
154
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
155
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Figure 92: Résultats du test de l'index gamma pour les distributions de dose en 1D (OTN simple A)
156
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
(a) (b)
(c)
Figure 93: Résultats du test de l’index gamma pour les distributions de dose en 2D (OTN simple A).
157
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
V.2.1.4] Discussion
Pour les distributions de dose en 1D (Figure 92), seuls deux points du rendement en
profondeur s’écartent des limites acceptables. Une imperfection du calcul de dose dans la
région du build-up est mise en évidence.
Pour les distributions de dose en 2D, 95,4% des pixels passent le test avec les critères 2% /
2mm. Certains points situés à une profondeur supérieure à 21 cm et ayant une distance à l’axe
comprise entre 0,5 cm et 1,5 cm ne répondent pas aux critères d’acceptabilité. Pour ces
profondeurs, le TPS surestime systématiquement la dose à l’intérieur du faisceau.
En ce qui concerne la dose à l’isocentre, l’écart de dose entre PENELOPE et le TPS
Masterplan est inférieur à 1%.
A ce niveau d’analyse, les résultats permettent d’énoncer et d’examiner trois stratégies:
- première stratégie : ce résultat est considéré comme acceptable pour la routine clinique
puisque les volumes à traiter sont rarement situés à des profondeurs supérieures à 15
cm. Il faudra cependant se poser la question de la justesse des calculs de dose dans le
cas du traitement d’un pelvis (faisceaux d’irradiation latéraux).
- seconde stratégie : ce résultat est considéré comme acceptable car les critères
d’acceptabilité utilisés (1,5% - 2%) sont plus sévères que ceux généralement annoncés
pour le calcul de dose (3% ; ICRU-29 1978, Mijnheer et al 1989).
- troisième stratégie : ce résultat est considéré comme inacceptable et doit donner lieu à
un nouvel ajustement des faisceaux dans le TPS.
L'utilisateur peut donc prendre la décision de valider ou non ce test ou encore d'émettre des
réserves en fonction du patient à traiter.
158
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
(a) (b)
Figure 94: Résultats du test de l’index gamma en 2D - faisceau non filtré- (OTN anatomique).
La Figure 95 présente les résultats de l’index gamma correspondant au faisceau filtré. Ces
résultats satisfont aux critères d’acceptabilité proposés sur l’axe du faisceau (Figure 95a) et en
dehors de l’axe du faisceau (Figure 95b). Pour ces critères :
- 65,5% des pixels « passent » le test (γ≤1) pour la cartographie (a)
- 76,5% des pixels « passent » le test (γ≤1) pour la cartographie (b)
159
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
(a) (b)
Figure 95: Résultats du test de l’index gamma en 2D - faisceau filtré- (OTN anatomique).
V.2.2.3] Discussion
Les pixels qui ne satisfont pas au test de l’index gamma sont principalement situés à
l’extérieur de l’OTN (γ proche de 2). Cette différence est due au fait que le code MC calcule
160
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
la dose dans l’air qui entoure l’OTN tandis que le TPS calcule uniquement la dose dans
l’OTN (volumes contourés).
Pour l’OTN sein « non filtré », 21 % des pixels sont situés à l’extérieur de l’OTN ; cela
signifie qu’environ 7% des pixels ne satisfont pas au test de l’index gamma (5% et 5 mm).
Pour l’OTN sein « filtré », 20 % des pixels sont situés à l’extérieur de l’OTN ; ainsi, seuls
4,5% des pixels ne satisfont pas au test (5% et 5mm).
De fait, en prenant également en considération le calcul de la dose à l’isocentre, les résultats
obtenus pour cet OTN sont satisfaisants.
Pour les distributions de dose en 1D, une imperfection du calcul de dose est mise en évidence
dans la région du build-up.
161
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Pour les distributions de dose en 2D, 97,3% des pixels passent le test avec les critères 2% /
2mm. Les points qui ne satisfont pas au test de l’index gamma sont principalement situés à
des profondeurs supérieures à 20 cm. De fait, les résultats obtenus pour cet OTN sont jugés
satisfaisants.
162
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Toutefois, la dose relative calculée à l’isocentre par le TPS Masterplan (51,57%) ne s’écarte
que 0,06% de celle calculée par le code MC PENELOPE (51,60%).
Au vu de ces résultats, l'utilisateur peut prendre la décision de valider ou non ce test ou encore
d'émettre des réserves en fonction du patient à traiter. De fait des conditions d'utilisation
pourront être retenues en tenant compte :
- des recommandations du constructeur (cf cahier des charges, guide de l'utilisateur),
- des critères d'acceptabilité utilisés pour ce test,
- des applications cliniques concernées.
Tableau 57: Résultats du test de l’index gamma (OTN simple E).
Test index gamma 1D
- rejeté : région du build-up
Rendement en profondeur
- validé : région décroissance de dose
Profil Y à zmax - validé : intérieur faisceau + pénombre + extérieur faisceau
Profil Y à z = 5 cm - validé : intérieur faisceau + pénombre + extérieur faisceau
- rejeté : pour le point y=7,5 cm (extérieur faisceau)
Profil Y à z = 10 cm
- validé : pour tous les autres points
Profil Y à z = 20 cm - validé : intérieur faisceau + pénombre + extérieur faisceau
163
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Pour les distributions de dose en 1D, une imperfection du calcul de dose est mise en évidence
dans la région du build-up.
Pour les distributions de dose en 2D, 97,4% des pixels passent le test avec les critères 2% /
2mm. Les points qui ne satisfont pas au test de l’index gamma sont situés à des profondeurs
supérieures à 22 cm.
La dose relative calculée à l’isocentre par le TPS Masterplan (96,97%) s’écarte de -0,36% de
celle calculée par le code MC PENELOPE (96,63%).
De fait, en prenant également en considération le calcul de la dose à l’isocentre, les résultats
obtenus pour cet OTN sont jugés satisfaisants.
Pour les distributions de dose en 1D, la pénombre est mal modélisée à la profondeur du
maximum de dose. Une imprécision du calcul de dose est également mise en évidence à 5 cm
de profondeur. Pour cette profondeur, le TPS surestime systématiquement la dose.
Pour les distributions de dose en 2D, 95,2% des pixels passent le test avec les critères 5% /
3mm. Les points qui ne satisfont pas au test de l’index gamma sont situés au voisinage des
profondeurs de 5 cm.
La dose relative calculée à l’isocentre par le TPS Masterplan (26,91%) s’écarte de -0,58% de
celle calculée par le code MC PENELOPE (26,75%).
A ce niveau d’analyse, il est difficile de conclure pour cet OTN car l’imprécision de calcul est
uniquement décelée pour les profondeurs proches de 5 cm. Il conviendrait de confirmer ou
d’infirmer ce résultat en testant une taille de champ différente.
164
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
165
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
166
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
également pris en considération par le TPS Masterplan. Toutefois, la première région de build
up n’est pas modélisée au voisinage de l’interface eau/poumon et la dose calculée par le TPS
est systématiquement sous-estimée dans le matériau équivalent-poumon d’environ 1,5% à
1,8%. Ces observations sont corroborées par les travaux de Knöös et al (2006) et de Nisbet et
al (2004).
Pour les distributions de dose en 2D, 97,8% des pixels passent le test avec les critères 5% /
5mm. La dose relative calculée à l’isocentre par le TPS Masterplan (109,87%) s’écarte de -
0,89% de celle calculée par le code MC PENELOPE (108,90%). De fait, comme pour l’OTN
précédent, les résultats ainsi obtenus sont jugés satisfaisants.
167
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
l’air qui l’entoure et il semblerait que le changement de milieu soit mal modélisé par le TPS.
Cette hypothèse sera développée dans le paragraphe suivant pour l’OTN à décrochement D.
Il est également important d’ajouter que la dose relative calculée à l’isocentre par le TPS
Masterplan (93,87%) ne s’écarte que de -0,37% de celle calculée par le code MC PENELOPE
(93,53%).
Pour les distributions de dose en 2D, 57,2% des pixels passent le test avec les critères 5% /
5mm. Or, contrairement au TPS, le code MC calcule la dose dans l’air qui entoure l’OTN.
Puisque 38,3% des pixels sont situés à l’extérieur de l’OTN, seuls 7% des pixels ne satisfont
pas au test de l’index gamma. Ainsi, le résultat du test de l’index gamma montre que le
manque de rétrodiffusé dû à la forme de l’OTN est correctement pris en compte par le TPS.
De plus, la dose relative calculée à l’isocentre par le TPS Masterplan (98,19%) ne s’écarte que
de -0,91% de celle calculée par le code MC PENELOPE (97,31%).
168
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Néanmoins, comme pour l’OTN précédent, le test de l’index gamma est systématiquement
rejeté pour les pixels situés sur les bords de l’OTN. Cela suppose que la correction
d’hétérogénéité (déformation des valeurs des kernels selon le milieu rencontré) est mal
accomplie pour les milieux de très faibles densités (air).
Pour vérifier cette hypothèse, un second test a été effectué en entourant l’OTN avec un milieu
de densité égale à 0,01 g/cm3 (cf « air » dans Figure 96). Le profil de dose obtenu à 10 cm de
profondeur est présenté ci-dessous. Ce résultat confirme que le calcul de dose fait par le TPS
n’est pas correct dans des milieux de très faibles densités. Cette conclusion est, par ailleurs,
corroborée par les récents travaux de Fogliata et al (2007) qui mettent en évidence que les
distributions de dose dans des milieux extrêmes (ρ=0,035 g/ cm3) sont très mal modélisées par
les TPS : quelque soit le TPS considéré, la dose est toujours surestimée et les écarts de dose,
relevés entre les calculs TPS et les calculs MC (code EGSnrc), peuvent être supérieurs à 8%.
Figure 96: Profil de dose à 10 cm de profondeur, OTN à décrochement D entouré d’un milieu de faible densité.
VI. Conclusion
La méthode proposée a été appliquée au TPS Masterplan. Un ensemble de données de
référence (OTN de sortie de référence) a été calculé pour douze OTN afin d’évaluer la
précision des calculs de dose du TPS, dans le cas des faisceaux de photons de haute énergie.
L’ensemble de ces résultats démontre la faisabilité de la méthode et pointe l’importance ainsi
que l’intérêt des calculs MC dans le cadre de la validation des calculs de dose d’un TPS (cf
169
Chapitre 4 : Mise en œuvre du contrôle qualité automatisé des calculs de dose du TPS Masterplan
Figure 96). L’automatisation du contrôle qualité des TPS (OTN « chargés » directement sur le
TPS, comparaison des données facilitée avec le test de l’index gamma) allège
considérablement le travail de l’utilisateur, assure une validation juste des calculs de dose
dans les situations complexes et permet de mettre le point sur les limites du TPS.
Toutefois, afin d’améliorer cette méthodologie, il serait nécessaire de diminuer la maille de
calcul MC pour certains OTN (OTN à décochement et OTN hétérogènes) afin de mieux
modéliser les phénomènes physiques aux interfaces. Il conviendrait également de porter une
attention toute particulière à l’alignement de la matrice de calcul (TPS et MC PENELOPE)
sur celle qui a servi à constituer l’objet test.
170
Conclusion
Conclusion
Le Système de Planification des Traitements (TPS) est le maillon clé de la chaine des
dispositifs permettant de préparer un traitement par radiothérapie. Faute de temps machine (de
traitement) et de moyens humains, le TPS est pourtant le dispositif le moins contrôlé. Par
ailleurs, le contrôle en profondeur des TPS nécessite des dispositifs expérimentaux complexes
dont peu de services de radiothérapie sont dotés. Néanmoins, une incertitude voire une erreur
dans les calculs de dose réalisés par le TPS peut entraîner une détérioration de l’efficacité du
traitement et / ou des complications graves pour le patient. Ces erreurs ou ces incertitudes
peuvent être due, d’une part, aux dysfonctionnements des algorithmes ou (et) à la non
connaissance de leurs limites de fonctionnement et, d’autre part, aux données de base servant
à alimenter ces algorithmes, données acquises et entrées dans le système puis ajustées par
l’utilisateur.
Ainsi, tout le monde s’accorde à dire que le contrôle qualité des calculs de dose réalisés par
les TPS est indispensable mais, les utilisateurs connaissent également le niveau des difficultés
à franchir pour que ces contrôles deviennent effectifs et efficaces. En effet, l’approche
traditionnelle pour réaliser ces contrôles de qualité consiste à comparer dans les mêmes
conditions géométriques d’irradiation, les distributions de dose calculées par le TPS avec
celles mesurées dans des milieux équivalents (fantômes) directement sous les appareils de
traitement. Outre les problèmes, en France, d’accès aux machines fortement monopolisées
pour les traitements des patients, une des difficultés majeures réside dans la mise au point des
fantômes qui vont permettre de tester les calculs dans des conditions aussi complexes que
celles rencontrées avec un patient : milieux hétérogènes, surface d’entrée oblique, manque de
milieu diffusant… Par ailleurs la mesure de la dose dans ces mêmes fantômes est dans tous
les cas longue et souvent périlleuse avec du matériel de dosimétrie standard.
Dans ce contexte, l’alternative que nous proposons est de réaliser le contrôle qualité des TPS
en comparant les calculs de dose qu’ils effectuent avec d’autres calculs réalisés au moyen
d’un algorithme de référence, le code Monte Carlo PENELOPE.
Cette alternative va permettre de palier à un certain nombre de difficultés énoncées
précédemment. Tout d’abord, la méthodologie proposée libère les machines de traitement,
ensuite, les milieux modélisés (données d’emblée numériques) sont strictement identiques sur
171
Conclusion
les 2 systèmes et enfin, dans des situations complexes, les simulations Monte-Carlo
permettent un calcul de dose plus juste qu’une mesure de dose avec l’instrumentation dont
peut disposer un service de radiothérapie courant. Par ailleurs, la nature numérique des
résultats issus des simulations Monte-Carlo et de ceux provenant du TPS facilite la
comparaison puisqu’elle ne nécessite pas de numérisation préalable des résultats
expérimentaux et ouvre la voie d’un contrôle de qualité automatisé.
Pour étudier la faisabilité de cette solution il fallait d’une part, éprouver la justesse des calculs
Monte-Carlo jusqu’au contexte des conditions limites de calcul des TPS, et d’autre part, en
apprécier la contrainte majeure posée par les temps de calcul ; contrainte d’autant plus forte
lorsque la précision recherchée nécessite de faire de chaque simulation Monte-Carlo, une
pièce unique adaptée à une et une seule machine de traitement.
Dans une seconde partie, en s’appuyant sur une étude bibliographique poussée, vingt-six
configurations tests, permettant de couvrir la plupart des conditions géométriques
d’irradiation, ont été définies et proposées pour le contrôle de qualité des TPS. Ces
configurations tests ont été ensuite modélisées par autant d’Objets-Test Numériques (OTN)
(OTN simples, OTN hétérogènes, OTN à décrochement et OTN anatomiques) destinés à être
directement chargés sur le TPS testé pour modéliser les propriétés physiques et chimiques du
milieu irradié et les conditions géométriques de l’irradiation. Ces OTN d’entrée des TPS ont
été produits au moyen de la plate-forme logicielle « OTN-Creator » développée par l’Institut
de Recherche en Communication et Cybernétique de Nantes et l’entreprise QUALIFORMED.
Ils ont enfin été individuellement définis dans le formalisme du code MC PENELOPE.
La troisième étape est la validation expérimentale du code MC PENELOPE afin de faire une
référence dosimétrique des calculs de dose produits. Cette étude a consisté à comparer les
172
Conclusion
résultats des simulations avec des mesures précises réalisées dans des milieux hétérogènes.
Elle a été menée pour deux qualités de faisceaux (faisceau de photons 12 MV et faisceau
d’électrons 18 MeV) issus de l’accélérateur Saturne 43 du Laboratoire National Henri
Becquerel.
Tout d’abord, les deux faisceaux issus de l’accélérateur Saturne 43 ont dû être caractérisés.
Les distributions de dose calculées (rendements en profondeur et profils de dose) ont été
comparées à celles obtenues expérimentalement dans l’eau à l’aide d’une chambre
d’ionisation. Les paramètres définissant les électrons initiaux des faisceaux simulés ont été
ajustés pour permettre une concordance des résultats dans le contexte de l’index gamma (1% /
1mm). Les résultats obtenus ont validé la géométrie de la tête d’irradiation et les paramètres
retenus pour les caractéristiques initiales des faisceaux.
Ensuite, quatre fantômes (objets tests physiques), composés de milieux de faible densité
(poumon) et de haute densité (os), ont été mis au point à l’aide d’un dispositif expérimental
complexe. Cette fois, les mesures de validation ont été complétées avec le dosimètre de Fricke
afin de profiter de sa propriété d’équivalence à l’eau très bénéfique aux interfaces des
hétérogénéités.
Enfin les mesures ont été comparées aux simulations MC et le bon accord obtenu a permis de
valider, avec une justesse meilleure que 1,5%, le calcul de la dose absorbée par le code MC
PENELOPE. De plus, cette validation a démontré la capacité du code MC PENELOPE à
modéliser précisément les modifications de fluence dans les régions d’équilibre électronique
et au voisinage des interfaces. Il est à noter que ces résultats sont associés à des incertitudes
statistiques inférieures ou égales à (i) 1% pour le faisceau de photons et (ii) 2% pour le
faisceau d’électrons.
A l’issue de cette étape de validation, le code MC PENELOPE peut être considéré comme un
modèle adapté à la production de distributions de dose de référence utilisées dans le cadre du
contrôle qualité des TPS.
La dernière étape de notre étude a été consacrée à la mise en œuvre de la méthode dans le
service de radiothérapie de la Clinique du Parc (Chalon-sur-Saône, 71). Ce département
utilise le TPS Masterplan (Nucletron, version 1.5) et l’accélérateur linéaire SL-ELEKTA doté
de trois qualités de faisceaux de photons (6 MV, 10 MV et 18 MV). Douze OTN, parmi les
vingt-six développés, ont été sélectionnés pour tester les calculs de dose réalisés par le TPS
Masterplan dans différentes conditions géométriques d’irradiation (milieux homogène et
173
Conclusion
hétérogène, manque de volume diffusant) et dans une configuration clinique de traitement (le
sein).
La géométrie de l’irradiation pour les 3 qualités de faisceaux de photons issus de
l’accélérateur SL-ELEKTA a été totalement décrite dans les simulations MC, depuis la source
de rayonnement jusqu’au voxel de l’Objet Test Numérique dans lequel est déposé la dose.
Un ensemble de mesures a été utilisé pour ajuster, dans la simulation MC, les paramètres
définissant les électrons initiaux à l’origine des faisceaux de photons. Cet ajustement s’appuie
sur des comparaisons de distributions de dose 1D quantifiées à l’aide de l’index gamma
(précision réglée à 1% et 1mm).
Une fois cet ajustement réalisé, les douze OTN de sortie de référence ont pu être calculés par
simulation MC PENELOPE avec une précision statistique inférieure à 2% (1σ) dans les
régions de fortes doses. Des optimisations ont été faites pour réduire des temps de calcul :
utilisation de techniques de réduction de variance et de la méthode dite de « l’espace des
phases » qui divise la simulation du transport des particules en deux étapes (une première
étape commune à toutes les simulations et des deuxièmes étapes variables selon l’objet test
simulé).
Parallèlement, les douze OTN d’entrée produits par « OTN-Creator » ont été chargés sur le
TPS Masterplan en vue d’un calcul de dose collecté au format DICOM-RT Dose dans les
OTN « de sortie à tester ». Ces derniers ont enfin été comparés aux OTN « de sortie de
référence » à l’aide du test de l’index gamma.
Cette comparaison fait apparaître de bonnes performances de la part du TPS Masterplan et des
données de base provenant de l’utilisateur, avec notamment une bonne prise en compte du
manque de volume diffusant et une bonne modélisation du transport électronique latéral.
Seuls des résultats non conformes ont été constatés au voisinage des interfaces et sous les
caches.
Cette mise en œuvre démontre l’intérêt des calculs MC dans le cadre de la validation des
calculs de dose du TPS ainsi que la faisabilité de la méthode. Toutefois, un procédé
« industriel » nécessite la prise en compte de l’importance des temps de calculs : la génération
des 26 OTN avec une maille de calcul de 5 × 5 × 5 mm3 nécessite, pour une seule énergie,
140 jours de calcul avec un ordinateur de type PC doté d’un microprocesseur de fréquence 3.6
Ghz !
174
Conclusion
De plus, il serait intéressant d’utiliser une maille de calcul plus fine (2,5 × 2,5 × 2,5 mm3) afin
d’étudier avec plus de précision les phénomènes aux interfaces entre les milieux de densités
différentes. Cette contrainte pourrait pousser à mener une étude complémentaire qui
consisterait à vérifier l’impact en termes de précision de l’individualisation des machines de
traitement. S’il reste faible, les temps de calcul seraient acceptables puisque les mêmes
simulations pourraient être utilisées pour toutes les machines présentant les mêmes propriétés
physiques (faisceaux) et géométriques (tête d’irradiation). Quoi qu’il en soit, l’amélioration
continue des moyens informatiques devrait permettre, à moyen terme, de diminuer la maille
de calcul MC.
Cette mise en œuvre a également confirmé que la méthode proposée offre de nombreux
avantages. Le fait que les résultats de référence soient d’emblée numériques facilite les
opérations de comparaison et la substitution des mesures au profit des simulations MC
économise, en moyenne, 6 jours de temps machine par énergie qu’il aurait fallu consacrer aux
mesures dosimétriques.
Bien que cette méthode soit une réelle avancée vers un contrôle plus juste et plus rigoureux
des TPS, son intégration dans la chaîne thérapeutique ne pourra se faire sans l’approbation
des utilisateurs. A l’échelle qualité, sa mise en place ne permettra pas d’atteindre le « zéro
défaut » prôné dans tous les manuels d’assurance de qualité mais elle constituera en revanche
un élément de réponse allant dans le sens de l’amélioration globale de la qualité et de la
sécurité des traitements en radiothérapie.
175
176
Bibliographie
Bibliographie
177
178
Bibliographie
Ahnesjö A, 1989, “Collapsed cone convolution of radiant energy for photon dose calculation in
heterogeneous media”, Med. Phys., 16, 577-592.
Andreo P, 1991, “Monte Carlo techniques in medical radiation physics”, Phys. Med. Biol, 36, 862-
920.
American Association of Physicists in Medicine (AAPM), 1998, “Quality assurance for clinical
radiotherapy treatment planning of the AAPM Radiation Therapy Committee Task Group 53”, Med.
Phys., 25, 1773-1829.
Aspradakis M.M, Morrison R.H, Richmond N.D and Steele A, 2003, “Experimental verification of
convolution / superposition photon dose calculations for radiotherapy treatment planning”, Phys. Med.
Biol., 48, 2873-2793.
Bakai A, Albert M and Nüsslin F, 2003, “A revision of the γ-evaluation concept for the comparison of
dose distributions”, Phys. Med. Biol., 48, 3543-3553.
Belleti S, Dutreix A, Garavaglia G et al, 1996, “Quality assurance in radiotherapy: the importance of
medical physics staffing levels. Recommendations from an ESTRO/EFOMP joint task group”,
Radiother. Oncol., 41, 89-94.
Berger M.J, 1963, “Monte Carlo calculations of the penetration and diffusion of fast charged
particles”, Methods in Computational Physics (New York: Academic Press), vol.1, 135-215.
Bjork P, Knöös T and Nilsson P, 2002, “Influence of initial electron beams characteristics on Mote
Carlo calculated absorbed dose distributions for linear accelerator electron beams”, Phys. Med. Biol.
47, 4019-4041.
179
Bibliographie
Blazy L, Beaumont B and Bordy J.M, 2006, “Use of the Gamma Index to evaluate the dosimetric
characteristics of photon beams in radiotherapy: implementation to a LINAC MC simulation”, Med.
Phys., 33, 2147.
Blazy L, Baltes D, Bordy J.M, Cutarella D, Delaunay F, Gouriou J, Leroy E, Ostrowsky A and
Beaumont S, 2006, “Comparison of PENELOPE Monte Carlo dose calculations with Fricke and
ionization chamber measurements in heterogeneous phantoms (18 MeV electron and 12 MV photon)”,
Phys. Med. Biol., 51, 5951-5965.
Brahme A, Chavaudra J and Landberg T, 1988, “Accuracy requirements and quality assurance of
external beam therapy with photons and electrons”, Acta. Oncol., suppl. 1, 1-76.
Bramoullé C, 2000, “Etude par le code Monte Carlo PENELOPE des faisceaux de rayons X produits
par des accélérateurs d’électrons SL-Elekta”, Thèse de l’Université Paul Sabatier de Toulouse.
Briesmeister J.F, 2000, “MNCP, a general Monte Carlo n-particle transport code, version 4c”,
Technical Report N° LA-13709-M, Los Alamos National Laboratory.
Buffard E, Gschwind R, Makovicka L, Martin E, Meunier C and David C, 2005, “Study of the impact
of artificial articulations on the dose distributions under medical irradiation”, Nucl. Instr. and Meth. B.,
229, 78-84.
Caneva S, Rosenwald J.C and Zefkili S., 2000, “A method to check the accuracy of dose computation
using quality index: application to scatter contribution in high energy photon beams”, Med.Phys., 27,
1018-1024.
Caneva S, 2001, “Contrôle de qualité des systèmes de calcul de distribution de dose en radiothérapie”,
Thèse de l’Université Paul Sabatier de Toulouse.
Caneva S, Tsiakalos M, Stathakis S, Zefkili S, Mazal A and Rosenwald J.C, 2006, “Application of the
Quality Index Methodology for dosimetric verification of build-up effect beyond air-tissue interface in
treatment planning system algorithm”, Med. Phys., 33, 2072.
Carrasco P, Jornet N, Duch M.A, Weber L, Ginjaume M, Eudaldo T, Jurado D, Riuz A and Ribas M,
2004, “Comparison of dose calculation algorithms in phantoms with lung equivalent heterogeneities
under conditions of lateral electronic equilibrium”, Med. Phys., 31, 2899-2911.
180
Bibliographie
Chaney E.L, Cullip T.J and Gabriel T.A, 1994, “A Monte Carlo study of accelerator head scatter”,
Med. Phys., 21, 1383-1390.
Chetty I.J, Charland P.M, Tyagi N, McShan D.L and Bielajew A.F, 2003, “Photon beam relative dose
validation of the DPM Monte Carlo code in lung-equivalent media”, Med. Phys., 30, 563-573.
Childress N.L, Bloch C, White R.A, Salehpour M and Rosen I.I, 2005, “Detection of IMRT delivery
errors using a quantitative 2D dosimetric verification system”, Med. Phys., 32, 153-162.
Cunningham J, 1984, “Quality assurance in dosimetry and treatment planning”, Int. J. Radiat. Oncol.
Biol. Phys., 10, 105-109.
Cygler J.E, Daskalov G.M, Chan G.H and Ding G.X, 2004, “Evaluation of the first commercial Monte
Carlo dose calculation engine for electron beam treatment planning”, Med. Phys., 31, 142-153.
Dahlin H, Lamm I.L, Landberg T, Levernes S and Ulso N, 1983, “User requirements on CT based
computerized dose planning systems in radiotherapy”, Acta Radiol.: Oncol.,. 22, 397-415.
Das I.J, Kassaee A, Verhaegen F and Moskvin V, 2001, “Interface dosimetry : measurements and
Monte Carlo simulations of low energy photon beams”, Radiat. Phys. Chem., 61, 593-595.
Das I.J, Moskvin V, Kassaee A, Tabata T and Verhaegen F, 2002, “Dose perturbations at high-Z-
interfaces in kilovoltage photon beams: comparison with Monte Carlo simulations and
measurements”, Radiat. Phys. Chem., 64, 173-179.
Daures J and Ostrowsky A, 2005, “New constant-temperature operating mode for graphite calorimeter
at LNE-LNHB”, Phys. Med. Biol., 50, 4035-4052.
Davis J.B, Pfäfflin A and Fogliata Cozzi A, 1997, “Accuracy of two- and three-dimensional photon
dose calculation for tangential irradiation of the breast”, Radiother. Oncol., 42, 245-248.
181
Bibliographie
Delaunay F, Baltes D, Chauvenet B, Chartier M, Leroy E and Ostrowsky A, 1998, “Etablissement des
références provisoires de dose absorbée dans l’eau des faisceaux de photons X de l’accélérateur
Saturne 43”, Note technique LPRI/98/17.
Depuydt T, Van Esch A and Huyskens D.P, 2002, “A quantitative evaluation of IMRT dose
distributions: refinement and clinical assessment of the gamma evaluation”, Radiother. Oncol., 62,
309-319.
Denis E, Beaumont S and Guedon J.P, 2005, “Digital reconstructed radiography quality control with
software methods”, Proceedings of the SPIE, 5745, 1002-1013.
Ding G.X, Rogers D.W.O and Mackie T.R, 1995, “Calculation of stopping-power ratios using realistic
clinical electron beams”, Med.Phys., 22, 489-501.
Ding G.X, 2002, “Energy spectra, angular spread, fluence profiles and dose distributions of 6 and 18
MV photon beams: results of Monte Carlo simulations for a Varian 2100EX accelerator” Phys. Med.
Biol., 47, 1025-1046.
DOSELAB 4.00, (2002-2004), developed at University of Texas – M.D Anderson Cancer Center.
Distributed as open source freeware. Original source code is Copyright N.Childress and University of
Texas – M.D Anderson Cancer Center.
182
Bibliographie
Doucet R, Olivares M, Deblois F, Podgorsak E.B, Kawrakow I and Seuntjens J, 2003, “Comparison of
measured and Monte Carlo calculated dose distributions in inhomogeneous phantoms in clinical
electron beams”, Phys. Med. Biol., 48, 2339-2354.
Elekta Oncology System, 2005, “Introduction and Purpose of the Linac Physics Manual”,
Communication personnelle.
Engelsman M, Damen E.M.F, Koken P.W, Van’t Veld A.A, Van Ingen K.M and Mijnheer B.J, 2001;
“Impact of simple tissue inhomogeneity correction algorithms on conformal radiotherapy of lung
tumours”, Radiother. Oncol., 60, 299-309.
European Society Therapeutic Radiology and Oncoloy (ESTRO), 2004, “Quality assurance of
treatment planning systems: practical examples for non-IMRT photon beams”, Booklet n°7.
Ford R.L and Nelson W.R, 1978, “The EGS code system: computer programs for Monte Carlo
simulation of electromagnetic cascade showers , version 3”, Stanford Linear Accelerator Center,
Report SLAC-210.
Faddegon B, Schreiber E and Ding X, 2005, “Monte Carlo of large electron fields”, Phys. Med. Biol.,
50, 741-753.
Fogliata A, Vanetti E, Albers D, Brink C, Clivio A, Knoos T, Nicolini G and Cozzi L, 2007, “On the
dosimetric behaviour of photon dose calculation algorithms in the presence of simple geometric
heterogeneities: comparison with Monte Carlo calculations”, Phys. Med. Biol., 52, 1363-1385.
GEANT, 1995, “Application Software Group Computing and Networks Division – Detector
Description and Simulation Tool”, CERN Program Library Long Writeup W5013 (Geneva: CERN).
183
Bibliographie
Guillerminet C, 2003b, “Utilisation de codes type Monte-Carlo pour déterminer la fluence en énergie
des particules diffusées issues d’un accélérateur d’électrons à usage médical. Contribution à la
dosimétrie 3D dans les milieux hétérogènes ”, Thèse de l’Université de Franche-Comté.
Harms W.B, Low D.A, J. Purdy A and Wong J.W, 1998, “A software tool to quantitatively evaluate
3D dose calculation algorithms”, Med. Phys., 25, 1830-1836.
Haryanto F, Fippel M, Laud W, Dohm O and Nusslin F, 2002, “Investigation of photon beam output
factors for conformal radiation therapy: Monte Carlo simulations and measurements”, Phys. Med.
Biol., 47, N133-N143.
Hogstrom K.R, Mills M.D, Meyer J.A, Palta J.R, Mellenberg D.E, Meoz R.T and Fields R.S, 1984,
“Dosimetric evaluation of a pencil-beam algorithm for electrons employing a two-dimensional
heterogeneity correction”, Int. J. Radiat. Oncol. Biol. Phys., 10, 561-569.
Hunt M.A, Desobry G.E, Fowble B and Coia L.R, 1997, “Effect of low-density lateral interfaces on
soft-tissue doses”, Int. J. Radia. Oncol. Biol. Phys., 37, 475-482.
Huq S.M, Das I.J, Steinberg T and Galvin J.M, 2002, “A dosimetric comparison of various multileaf
collimators”, Phys. Med. Biol., 47, N159-N170.
Institute of Physics and Engineering in Medicine and Biology (IPEMB), 1996, “A guide to
commissioning and quality control of treatment planning systems”, Report 68.
International Commission on Radiation Units and Measurements (ICRU), 1987, “Use of computers in
external beam radiotherapy procedures with high-energy photons and electrons”, Report 42.
International Commission on Radiation Units and Measurements (ICRU), 1978, “Dose specification
for reporting external beam therapy with photons and electrons”, Report 29.
International Agency of Energy Atomic (IAEA), 1987, “Absorbed Dose Determination in Photon and
Electron Beams: An International Code of Practice”, Technical Report Series n°277.
184
Bibliographie
International Agency of Energy Atomic (IAEA), 2000, “Absorbed Dose Determination in External
Beam Radiotherapy: An International Code of Practice for Dosimetry Based on Standards of
Absorbed Dose to Water”, Technical Report Series n°398.
International Agency of Energy Atomic (IAEA), 2004, “Commissioning and quality assurance of
computerized planning systems for radiation treatment of cancer”, Technical Report Series n°430.
Jacobs F.W and Van Kleffens H.J, 1986; “The “Ring” method: a semi-empirical method to calculate
dose distributions of irregularly shaped photon beams”, Radioth. Oncol., 7, 363-369.
Jordan T.J and Williams P.C, 1994, “The design and performance characteristics of a multileaf
collimator”, Phys.Med.Biol., 39, 231-251.
Kapur A and Ma C.M, 1999, “Stopping-power ratios for clinical electron beams from a scatter-foil
linear accelerator”, Phys.Med.Biol., 44, 2321-2341.
Kawrakow I, 2000, “Accurate condensed history Monte Carlo simulation of electron transport: I.
EGSnrc, the new EGS4 version”, Med. Phys., 27, 485-498.
Kawrakow I, 2000, “Investigation of variance reduction techniques for Monte Carlo photon dos
calculation using XVMC”, Phys. Med. Biol., 45, 2163-2184.
Klein E.E, Chin L.M, Rice R.K and Mijnheer B. J, 1993, “The influence of air cavities on interfaces
doses for photon beams”, Int. J. Radia. Oncol. Biol. Phys., 27, 419-427.
Knöös T, Wieslander E, Cozzi L, Brink C, Fogliata A, Albers D, Nystrom H and Lassen S, 2006,
“Comparison of dose calculation algorithms for treatment planning in external photon beam therapy
for clinical situations”, Phys. Med. Biol., 51, 5785-5807.
Kolitsi Z, Dahl O, Van Loon R, Drouard J, Van Dijk J, Ruden B.I, Chierego G and Rosenwald J.C,
1997, “Quality assurance in conformal radiotherapy: DYNARAD consensus report on practice
guidelines”, Radiother. Oncol., 45, 217-223.
Lee P.C, 1997, “Monte Carlo simulations of the differential beam hardening effect of a flattening filter
on a therapeutic x-rays beam”, Med. Phys, 24, 1485-1489.
185
Bibliographie
Lewis R.D, Ryde S.J.S, Hancock D.A and Evans C.J, 1999, “An MCNP-based model of a linear
accelerator x-ray beam”, Phys. Med. Biol., 44, 1219-1230.
Libby B, Siebers J and Mohan R, 1999, “Validation of Monte Carlo generated phase-space
descriptions of medical linear accelerator”, Med. Phys., 26, 1476-1483.
Lovelock D.M.J, Chui C.S, Mohan R, 1995, “A Monte Carlo model of photon beams used in radiation
therapy”, Med. Phys., 22, 1387-1394.
Low D.A, Harms W.B, Mutic S and Purdy J.A, 1998, “A technique for the quantitative evaluation of
dose distributions”, Med. Phys., 25, 656-661.
Low D.A and Dempsey J.F, 2003, “Evaluation of the gamma dose distribution comparison method”,
Med. Phys., 30, 2455-2464.
Ma C.M and Jiang S.B, 1999, “Monte Carlo modelling of electron beams from medical accelerators”,
Phys. Med. Biol., 44, R157-R189.
Mah E, Antolak J, Scrimger J.W and Battista J.J, 1989, “Experimental evaluation of a 2D and 3D
electron pencil beam algorithm”, Phys. Med. Biol., 34, 1179-1194.
Mackie T.R, Bielajew A.F, Rogers D.W.O and Battista J.J, 1988, “Generation of photon energy
deposition kernels using the EGS Monte Carlo code”, Phys. Med. Biol., 33, 1-20.
Mackie T.R, 1990, “Applications of the Monte Carlo Method in Radiotherapy”, The Dosimetry of
Ionizing Radiation vol.III (San Diego: Academic Press), 541-620.
Mazurier J, 1999, “Adapation du code Monte Carlo PENELOPE pour la métrologie de la dose
absorbée”, Thèse de l’Université Paul Sabatier, rapport CEA-R-5879.
McCall R.C, McIntyre R.D and Tunrbull W.G, 1978, “Improvement of linear accelerator depth-dose
curves”, Med. Phys., 5, 518-524.
186
Bibliographie
McCullough E.C and Krueger A.M, 1980, “Performance evaluation of computerized treatment
planning systems for radiotherapy: external photon beams”, Int. J. Radiat. Oncol. Biol. Phys., 6, 1599-
1605.
Metropolis N and Ulam S, 1949, “The Monte Carlo method”, J. Amer. Statist. Assoc., 44, 335-349.
Mijnheer B.J, Battermann J.J and Wambersie A, 1989, “Reply to: Precision and accuracy in
radiotherapy (by D.J. Brenner)”, Radiother. Oncol., 14, 163-169.
Miller R.C, Bonner J.A, Kline R.W, 1998, “Impact of beam energy and field margin on penumbra at
lung tumor-lung parenchyma interfaces”, Int. J. Radia. Oncol. Biol. Phys., 41, 707-713.
Nelson W.R, Hirayama H and Rogers D.W.O, 1985, “The EGS4 code system”, Stanford Linear
Accelerator Center Report, SLAC-265.
Netherlands Commission on Radiation Units (NCS), 1997, “Quality control of simulator and CT
scanners and some basic QC methods for treatment planning systems; current practice and minimum
requirements”, Report 11.
Netherlands Commission on Radiation Units (NCS), 2006, “Quality assurance of 3-D treatment
planning systems for external photon and electron beams”, Report 15.
Noel A, Aletti P, Bey P, Malissard L, 1995, “Detection of errors in individual patients in radiotherapy
by systematic in vivo dosimetry”, Radiother. Oncol., 34, 144-151.
Nilsson B and Brahme A, 1981, “Contamination of high-energy photon beams by scattered photons”,
Strahlentherapie, 157, 181-186.
Nisbet A, Beange I, Vollmar H, Irvine C, Morgan A and Thwaites D, 2004, “Dosimetric verification
of a commercial collapsed cone algorithm in simulated clinical situations”, Radiother. Oncol., 73, 79-
88.
Mazurier J, Salvat F, Chauvenet B and Barthe J, 1999, “Simulation of photon beams from a Saturne
43 accelerator using the code PENELOPE”, Physica Medica, 15, 101-110.
Mohan R, Chui C.S and Lidofsky L, 1985, “Energy and angular distributions of photons from medical
linear accelerators”, Med. Phys., 12, 592-607.
187
Bibliographie
Panista E, Rosenwald J.C and Kappas C, 1997, “Intercomparison of Treatment Planning System used
in Radiotherapy: Progress report of the TPS Group of the European Dynarad project”, Physica
Medica, 13 (suppl.1), 139-143.
Patau J.P, Vernes C.E, Terissol M and Malbert M, 1978, “Calcul des caractéristiques qualitatives
(TEL, FQ équivalent de dose) d’un faisceau de photons de freinage à usage médicale, par simulation
de sa création et de son transport”, Proceedings of the 6th Symposium on Microdosimetry (London:
Harwood Academic), 579-588.
Pena J, Franco L, Gomez F et al, 2004, “Commissioning of a medical linear accelerator photon beam
Monte Carlo simulation using wide-field profiles”, Phys. Med. Biol., 49, 4929-4942.
Petti P.L, Goodman M.S, Gabriel T.A and Mohan R, 1983, “Investigation of the buildup dose from
electron contamination of clinical photon beams”, Med. Phys., 10, 18-24.
Raeside D.E, 1976, “Monte Carlo principles and applications”, Phys. Med. Biol., 21, 181-197.
Rogers D.W.O and Bielajew A.F, 1990, “Monte Carlo techniques of electron and photon transport for
radiation dosimetry”, The Dosimetry of Ionizing Radiation vol.III (San Diego: Academic Press), 427-
539.
Rogers D.W.O, 1991, “The role of Monte Carlo simulation of electron transport in radiation
dosimetry”, Int. J. Rad. Appl. Instrum., Part A: Applied radiation and isotopes, 42, 965-974.
Rogers D.W.O, Faddegon B.A, Ding G.X, Ma C.M, We J and Mackie T.R, 1995, “BEAM: a Monte
Carlo code to simulate radiotherapy treatment units”, Med. Phys., 22, 503-524.
Rosenwald J.C, 1998, “Quality control of treatment planning systems: proposal for a methodology”
Radioth. Oncol., 48 (suppl.1), S25 (abstract).
Salvat F, Fernandez-Varea J.M, Baro J and Sempau J, 1996, “PENELOPE, an algorithm and computer
code for simulation of electron-photon showers”, Informes Technicos Ciemat n°799.
Salvat F, Fernandez-Varea J.M, Acosta E and Sempau J, 2003, “PENELOPE, A code System for
Monte Carlo Simulation of Electron and Photon Transport” (Issy les Moulineaux: OECD).
188
Bibliographie
Sempau J, Acosta E, Baro J, Fernadez-Varea J.M and Salvat F, 1997, “An algorithm for Monte Carlo
simulation of coupled electron-photon transport”, Nucl.Instr.and Meth., vol B13, 377-390.
Sempau J, Sanchez-Reyes A, Salvat F, Oulad ben Tahar H, Jiang S B and Fernandez-Varea J M, 2001,
“Monte Carlo simulation of electron beams from an accelerator head using PENELOPE”, Phys. Med.
Biol., 46, 1163-1186.
Sempau J, Fernandez-Varea J.M, Acosta E and Salvat F, 2003, “Experimental benchmarks of the
Monte Carlo code PENELOPE”, Nucl. Instrum. Methods Phys. (Res B), 207, 107-123.
Serrano B, 2006, “Validation physique par Monte Carlo de la modulation d’intensité sur l’accélérateur
Primus et le système de plan de traitement Helax-TMS. Application aux tumeurs cancéreuses ORL”,
Thèse de l’Université de Nice Sophia-Antipolis.
Sheikh-Bagheri D and Rogers D.W.O, 2002a, “Sensitivity of megavoltage photon beam Monte Carlo
simulations to electron beam and other parameters”, Med.Phys., 29, 379-390.
Sheikh-Bagheri D and Rogers D.W.O, 2002b, “Monte Carlo calculation of nine megavoltage beam
spectra using the BEAM code”, Med. Phys., 29, 391-402.
Simonian-Cauve M and Smart C, 1998, “Tests d’évaluation des systèmes informatiques concernant le
calcul de la dose en trios dimensions”, Cancer/Radiother., 2, 53-62.
Stock M, Kroupa B and Georg D, 2005, “Interpretation and evaluation of the γ index and the γ index
angle for the verification of IMRT hybrid plans”, Phys. Med. Biol., 50, 399-411.
Swiss Society for Radiobiology and Medical Physics (SGSMP/SSRMP/SSRFM), 1997, “Quality
control of treatment planning systems for teletherapy”, Report 7.
Sykes J.R and Williams P.C, 1998, “An experimental investigation of the tongue and groove effect for
the Philips multileaf collimator”, Phys.Med.Biol., 43, 3157-3165.
Turner J.E, Wright H.A and Hamm R.N, 1985, “Review paper: a Monte Carlo primer for health
physicists” Health Phys., 48, 717-733.
189
Bibliographie
Tsiakalos M.F, Theodorou K, Kappas C, Zefkili S and Rosenwald J.C, 2004, “Analysis of the
penumbra enlargement in lung versus the Quality Index of the beams: a methodology to check the
dose calculation algorithm”, Med.Phys., 31, 943-949.
Van der Zee W and Welleweerd, 1999, “Calculating photon beam characteristics with Monte Carlo
techniques”, Med.Phys., 26, 1883-1892.
Van der Zee W, Hogenbirk A and Van der Marck S.C, 2005, “Orange: A Monte Carlo dose engine for
radiotherapy”, Phys. Med. Biol., 50, 625-641.
Van Dyk J, Barnett R.B, Cygler J.E and Shragge P.C, 1993, “Commissionning and quality assurance
of treatment planning computers”, Int. J. Radiat. Oncol. Biol. Phys., 26, 261-273.
Van’t Veld A.A, 1997, “Analysis of accuracy in dose and position in calculations of a treatment
planning system for blocked photon fields”, Radiother. Oncol., 45, 245-251.
Venselaar J, Welleweerd H and Mijnheer B, 2001b, “Tolerances for accuracy of photon beam dose
calculations of treatment planning systems”, Radiother. Oncol., 60, 191-201.
Verhaegen F, Mubata C, Pettingell J, Bidmead A.M, 2001, “Monte Carlo calculation of output factors
for circular, rectangular and square fields electron accelerators (6-20 MeV)”, Med.Phys., 28, 938-949.
Verhaegen F and Seuntjens J, 2003, “Monte Carlo modelling of external radiotherapy photon beams”,
Phys. Med. Biol., 48, R107-R164.
190
Bibliographie
Westermann C.F, Mijnheer B.J and Van Kleffens H.J, 1984, “Determination of the accuracy of
different computer planning systems for treatment with external photon beams”, Radiother. Oncol., 1,
339-347.
White P.J, Zwicker R.D and Huang D.T, 1996, “Comparison of dose homogeneity effects due to
electron equilibrium loss in lung for 6 MV and 18 MV photons”, Int. J. Radia. Oncol. Biol. Phys., 34,
1141-1146.
Yu C.X, 1998, “Design considerations for the sides of multileaf collimator leaves”, Phys.Med.Biol.,
43, 1335-1342.
Zaidi H and Sgouros G, 2003, “Therapeutic applications of Monte Carlo calculations in nuclear
medicine”, (Bristol: Institute of Physics Publishing).
Zeidan O.A, Stephenson S.A.L, Meeks S.L, Wagner T.H, Willoughby T.R, Kupelian P.A and Langen
K.M, 2006, “Characterization and use of EBT radiochromic film for IMRT dose verification”, Med.
Phys., 33, 4064-4072.
191
192
Annexes
Annexes
193
194
Annexe A
La gestion du transport et des interactions des particules dans le milieu (Salvat et al, 2003) est
présentée ci-après.
Ensuite, une autre séquence de nombres aléatoires, échantillonnée à partir des distributions de
probabilités d’occurrence de chaque interaction (sections efficaces), détermine le type
d’interaction, l’énergie perdue et l’angle radial de diffusion. L’angle azimutal est généré à
partir d’une distribution uniforme sur l’intervalle [0, 2π] dans le référentiel de la particule.
Enfin, la direction du mouvement après l’interaction est obtenue par des rotations à partir de
la direction initiale.
La simulation complète de l’histoire d’un photon (simulation de toutes les particules créées
par le photon primaire incident) s’effectue en répétant chacune de ces étapes jusqu’à ce que la
particule sorte du système étudié ou que l’énergie de la particule soit inférieure à l’énergie de
coupure présélectionnée (ou énergie d’absorption). La valeur de l’énergie de coupure est le
paramètre à adapter pour la simulation des photons.
195
Annexe A
Cette relation ne s’applique pas si s est supérieur à smax (valeur seuil présélectionnée). Dans ce
cas, s devient égale à smax avec smax longueur maximale de déplacement d’un électron sans
évènement catastrophique.
Entre deux évènements catastrophiques, l’électron subit un très grand nombre d’interactions à
faible perte d’énergie et faible déflexion angulaire. Ces interactions sont simulées en
considérant l’effet global de toutes ces « petites interactions » comme un événement unique
artificiel faible.
La position τ de cet évènement artificiel est échantillonnée sur la distance s et la déviation
angulaire ainsi que la perte d’énergie de l’électron sont échantillonnées selon la théorie de la
diffusion multiple. L’électron est ensuite déplacé de la distance (s- τ) dans la nouvelle
direction.
L’évènement catastrophique est ensuite simulé. Le changement de direction et la perte
d’énergie qui lui sont associés sont échantillonnés d’après les sections efficaces appropriées.
196
Annexe A
effet photoélectrique Sections efficaces obtenues à partir du LLNL Evaluated Photon Data Library.
Direction de l’électron échantillonnée à partir des sections efficaces de
Sauter.
production de paire Sections efficaces obtenues à partir du programme XCOM de Berger et
Hubbell.
Energie initiale échantillonnée à partir des sections efficaces de Bethe-Heitler.
Electrons et positrons
diffusion élastique Sections efficaces obtenues à partir d’un programme créé par Salvat.
collision inélastiques Sections efficaces différentielles de Born en utilisant le modèle de force
d’oscillateur généralisé de Sternheimer-Liljequist..
Rayonnement de freinage Sections efficaces de Bethe-Heitler modifiées par Salvat et Fernandez-Varea.
Annihilation positrons Sections efficaces différentielles de Heitler.
Le code PENELOPE utilise à la fois, des sections efficaces sous forme analytiques (diffusions
photoniques, diffusion inélastique et annihilation) et des sections efficaces sous forme
tabulées. Des informations complémentaires peuvent être recueillies dans Salvat et al (2003).
197
198
Annexe B
Pour simuler l’histoire d’une particule, le programme principal PENDOSES (Salvat et al,
2003) fait appel au programme PENELOPE qui contient tous les sous-programmes
nécessaires à la simulation.
- CLEANS
Ce sous-programme initialise à zéro le compteur des particules secondaires créées lors des
interactions engendrées par une particule primaire.
- START
Ce sous-programme initialise la simulation en forçant le prochain événement à être une
interaction faible. Il est appelé avant de débuter la simulation d’une particule primaire ou
secondaire et lorsqu’une particule traverse une interface. Bien que ce sous-programme soit
uniquement nécessaire pour la simulation des électrons et des positrons, il est préférable
d’appeler START pour n’importe quel type de particule puisqu’il vérifie que l’énergie de la
particule soit bien comprise dans l’intervalle attendu.
- JUMP
Ce sous-programme détermine la longueur s du trajet jusqu’au prochain événement. La
position de cet événement est alors calculée. Si la particule doit traverser une interface, la
particule est stoppée juste après l’interface et la longueur s est réévaluée. Si la particule sort
du système, la simulation de la particule est terminée. L’étude des particules secondaires peut
débuter.
- STEP
Ce sous-programme va déplacer la particule de la valeur déterminée au cours de JUMP puis,
localiser sa nouvelle position ainsi que le matériau qui compose le milieu.
199
Annexe B
- KNOCK
Ce sous-programme simule l’événement suivant, calcule les nouvelles valeurs d’énergie et de
directions du mouvement de la particule et enregistre les états initiaux des particules
secondaires éventuellement générées dans le sous-programme STORES. La simulation d’une
particule est stoppée lorsque son énergie est inférieure à l’énergie de coupure Eabs.
- SECPAR
Ce sous-programme initialise la simulation de chaque particule secondaire et la retire de la
pile.
Le paramètre LEFT correspond au nombre de particules secondaires restantes dans la pile.
Selon la valeur de LEFT, deux cas se présentent:
Æ si LEFT = 0, la simulation de la particule primaire est terminée et une
nouvelle particule primaire est générée.
Æ si LEFT > 0, il reste des particules secondaires à simuler.
200
Annexe C
Les résultats du contrôle qualité des calculs de dose du TPS Masterplan sont présentés dans
cette annexe.
Les distributions de dose en 1D et en 2D à comparer sont extraites des OTN de sortie (cf
chapitre 2). Dans cette annexe, les résultats présentés concernent :
- le rendement en profondeur et les quatre profils de dose à 4 profondeurs (profils
selon l’axe Y),
- la carte isodoses dans le plan yOz, parallèle à la direction des lames du collimateur
et contenant l’axe du faisceau.
L’analyse des distributions de dose est réalisée avec le test de l’index gamma (γ). Cela
signifie que les calculs de dose Masterplan sont validés si γ ≤ 1 ou rejetés si γ > 1.
201
Annexe C
1. OTN simples
Figure A1. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple B.
202
Annexe C
Figure A2. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple B.
203
Annexe C
204
Annexe C
Figure A4. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple C.
205
Annexe C
Figure A5. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple C.
206
Annexe C
207
Annexe C
Figure A7. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple E.
208
Annexe C
Figure A8. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple E.
209
Annexe C
210
Annexe C
Figure A10. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple F.
211
Annexe C
Figure A11. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple F.
212
Annexe C
213
Annexe C
Figure A13. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple H.
214
Annexe C
215
Annexe C
Figure A15. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN simple K.
216
Annexe C
217
Annexe C
2. OTN hétérogènes
Figure A16. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN hétérogène A.
218
Annexe C
Figure A17. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN hétérogène A.
219
Annexe C
220
Annexe C
Figure A19. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN hétérogène E.
221
Annexe C
Figure A20. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN hétérogène E.
222
Annexe C
223
Annexe C
3. OTN à décrochement
Figure A22. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN à décrochement A.
224
Annexe C
Figure A23. Distributions de dose 1D et résultats du test de l'index gamma pour l’OTN à décrochement A.
225
Annexe C
226
Annexe C
227
228
Liste des publications et communications personnelles
Blazy L, Beaumont S and Bordy J.M. Unification des critères d’acceptabilité des performances
dosimétriques des faisceaux de photons en radiothérapie externe.
In : 45ème journées scientifiques de la SFPM ; Lyon - France ; 2006
Blazy L, Beaumont S and Bordy J.M. Use of the Gamma Index to evaluate the dosimetric
characteristics of photon beams in radiotherapy: implementation to a LINAC MC simulation.
In: Medical Physics, 2006, 33, 2147.
In: 48th AAPM Annual Meeting; Orlando - Etats-Unis; 2006.
Blazy L, Baltes D, Bordy J.M, Cutarella D, Delaunay F, Gouriou J, Leroy E, Ostrowsky A and
Beaumont S. Comparison of PENELOPE Monte Carlo dose calculations with Fricke and ionization
chamber measurements in heterogeneous phantoms (18 MeV electron and 12 MV photon).
In: Physics and Medicine in Biology, 2006, 51, 5951-5965.
Blazy L, Bordy J.M and Beaumont S. Utilisation du code MC PENELOPE en radiothérapie externe :
application à des Objets Tests Physiques hétérogènes.
In : 3ème édition des journées scientifiques de la SFRP ; Saclay - France ; 2006
Blazy L. Validation du code Monte Carlo PENELOPE pour le calcul de la dose absorbée dans des
milieux hétérogènes équivalents tissus.
In : Journée de l’école doctorale GEET; Toulouse - France ; 2007.
Denis E and Blazy L. Projet de recherche sur le contrôle qualité des systèmes de planification des
traitements en radiothérapie externe.
In : Rencontre des bénévoles de la Ligue contre le Cancer; La Roche sur Yon - France; 2007.
Blazy L, Bordy J.M and Beaumont S. Validation of the PENELOPE Monte Carlo code to calculate
the absorbed dose in heterogeneous phantoms.
In : 13th UK Monte Carlo User Group Meeting; Teddington - Royaume-Uni; 2007.
Blazy L, Beaumont S and Bordy J.M. Contrôle qualité des systèmes de planification dosimétrique des
traitements au moyen de simulations Monte Carlo PENELOPE (mode photon).
In : 46ème journées scientifiques de la SFPM ; Saint Malo - France ; 2007.
229
Liste des publications et communications personnelles
Blazy L, Beaumont S, Bordy J.M, Curtet N, Clément S. Quality control of TPS dose calculations in
radiotherapy photon beams using the PENELOPE Monte-Carlo code.
Submitted to Physics and Medicine in Biology.
230
QUALITY CONTROL OF THE TREATMENT PLANNING SYSTEMS DOSE
CALCULATIONS IN EXTERNAL RADIATION THERAPY
USING THE PENELOPE MONTE-CARLO CODE
ABSTRACT:
Treatment Planning Systems (TPS) have a main position in a radiotherapy department: they perform
calculation of dose distributions and calculate treatment time for each beam. Usually, quality control
of dose distributions given by TPS is based on comparisons with measured ones. This study aims at
replacing measured dose distributions by reference calculated dose distributions obtained with the
PENELOPE Monte-Carlo (MC) code. Monte-Carlo simulations provide several configurations and
allow a quality control of TPS dosimetric features without need for the treatment units availability.
This quality control, based on MC simulations, was tested for a clinical TPS and allowed to simplify
the quality process of the TPS. This control more detailed, more accurate and easily to implement
could be applied for all radiotherapy departments.
RESUMÉ :
Les Systèmes de Planification des Traitements (Treatment Planning System - TPS) occupent une
position clé au sein du service de radiothérapie : ils réalisent le calcul prévisionnel de la distribution de
la dose et des temps de traitement. Traditionnellement, le contrôle qualité des distributions de dose
calculées par les TPS s’appuie sur leurs comparaisons avec des distributions de dose mesurées sous
l’appareil de traitement. Ce travail de thèse se propose de substituer ces mesures dosimétriques au
profit de calculs dosimétriques de référence obtenus par le code Monte-Carlo (MC) PENELOPE. Les
simulations MC fournissent un large choix de configurations de test et permettent d’envisager un
contrôle qualité des aspects dosimétriques des TPS sans monopoliser les appareils de traitement. Ce
contrôle qualité, basé sur des simulations MC, a été expérimenté sur un TPS clinique et a permis de
simplifier les procédures qualité du TPS. Ce contrôle qualité plus approfondi, plus précis et plus
simple à mettre en œuvre pourrait se généraliser à l’ensemble des centres de radiothérapie.
CEA, LIST
Laboratoire National Henri Becquerel
91191 Gif sur Yvette