Voxel-wise mapping of treatment-day cone-beam CT onto the planning CT — the engine behind contour propagation and dose accumulation in adaptive radiotherapy
Перед кожною фракцією дистанційної променевої терапії лінійний прискорювач, оснащений системою kV-візуалізації, виконує об'ємне сканування пацієнта прямо в положенні лікування. Це зображення — cone-beam CT (CBCT) — відрізняється від планувальної КТ нижчою контрастністю м'яких тканин і більшим рівнем розсіяного випромінювання, але дає критично важливу інформацію: як саме анатомія пацієнта виглядає сьогодні, а не тижні тому під час планування.
Джерело kV-випромінювання та плоскопанельний детектор змонтовані на гентрі лінака ортогонально до основного мегавольтного пучка. За один оберт навколо пацієнта детектор реєструє сотні проекцій, з яких методом Фельдкампа-Девіса-Кресса (FDK) реконструюється об'ємне зображення. Через конусну геометрію пучка та значно більший об'єм тканини, що розсіює випромінювання, CBCT має нижчу контрастність м'яких тканин, більше артефактів руху та розсіяння порівняно з віяловою діагностичною КТ. Проте саме ця модальність є єдиним джерелом щоденної об'ємної інформації про анатомію пацієнта: жодне інше дослідження не можна виконувати з такою частотою без надмірного додаткового опромінення. Історично CBCT використовувалася лише для верифікації укладки — порівняння з планувальною КТ методом простого суміщення кісткових структур. Сьогодні ж цей самий знімок стає вхідними даними для куди складнішого процесу — деформівної реєстрації, яка відкриває шлях до адаптивної променевої терапії: щоденного перерахунку контурів і навіть повторного планування дози з урахуванням фактичної анатомії дня.
Попри нижчу якість зображення, саме CBCT є єдиним джерелом щоденної анатомічної інформації, необхідної для адаптивної променевої терапії — жодна інша модальність не забезпечує такої частоти знімків без надмірного променевого навантаження.
Перш ніж застосовувати складні деформівні алгоритми, CBCT потрібно привести у спільну систему координат із планувальною КТ. Жорстка реєстрація дозволяє лише шість ступенів свободи — три зсуви та три повороти — без будь-якого локального викривлення форми. Цього достатньо для кісткових структур, які практично не змінюються між фракціями, але зовсім недостатньо для м'яких тканин.
Алгоритм жорсткої реєстрації оптимізує метрику подібності — найчастіше взаємну інформацію (mutual information) або нормовану крос-кореляцію — перебираючи можливі зсуви та повороти CBCT відносно планувальної КТ, доки кісткові структури не суміститься максимально точно. Оскільки скелет практично не деформується за кілька тижнів курсу лікування, така реєстрація дає надійний, стабільний і швидкий результат. Проблема в іншому: сечовий міхур може змінювати об'єм на сотні мілілітрів день у день, пряма кишка — розтягуватися газом, а сама пухлина — зменшуватися внаслідок відповіді на лікування. Жодне з цих локальних змін жорстке перетворення врахувати не може, адже воно рухає все зображення як єдине тверде тіло. У результаті навіть при ідеальному суміщенні кісток мішень опромінення та органи ризику можуть залишатися зміщеними на сантиметр і більше — саме цей залишковий розрив і повинна закрити наступна, деформівна стадія реєстрації.
Дослідження показують, що похибка позиціювання м'яких тканин після виключно жорсткої реєстрації може перевищувати 1 см навіть при ідеальному суміщенні кісткових орієнтирів — цей залишковий зсув і усуває деформівна реєстрація.
Деформівна (нежорстка) реєстрація обчислює тривимірне векторне поле, яке відображає кожен воксель планувальної КТ на відповідну анатомічну точку CBCT. На відміну від жорсткого перетворення, поле може розтягувати, стискати й локально зсувати різні ділянки зображення незалежно одна від одної — саме це потрібно, щоб врахувати наповнення сечового міхура, рух прямої кишки чи зміну об'єму пухлини.
Алгоритм ітеративно мінімізує функцію неспівпадіння (суму квадратів різниць, кроскореляцію або взаємну інформацію) між деформованим планувальним зображенням і CBCT, паралельно накладаючи регуляризаційний штраф, що забороняє фізично неможливі рішення. Ключова умова — додатний якобіан поля в кожній точці: від'ємне значення означало б, що тканина локально «вивернулась навиворіт», чого не трапляється в реальній анатомії. Оптимізація зазвичай проходить багаторівневою пірамідою — спочатку на грубій сітці для великих зсувів, потім на дедалі щільнішій для тонких деталей, що прискорює збіжність і знижує ризик застрягання в неправильному локальному мінімумі. Кількість ітерацій напряму впливає на якість результату: замало ітерацій — поле не встигає «наздогнати» реальну анатомічну зміну, забагато — зростає ризик підлаштування під шум CBCT. Сучасні GPU-реалізації виконують увесь розрахунок для повного об'єму за секунди, що робить деформівну реєстрацію практичною для щоденного клінічного використання просто в кабінеті лінака.
Додатний якобіан у кожній точці поля — обов'язкова умова фізичної правдоподібності: від'ємне значення означало б «виворіт» тканини, тому регуляризатор алгоритму завжди штрафує такі рішення.
Щойно деформівне поле обчислене, воно дозволяє миттєво перенести всі контури, окреслені лікарем на планувальній КТ — мішень опромінення та органи ризику — на анатомію сьогоднішнього CBCT. Кожна точка контуру переміщується відповідно до локального вектора деформації у своєму вокселі, автоматично відтворюючи нову форму органа без ручного перемальовування.
Автоматичне перенесення контурів прискорює процес у сотні разів порівняно з ручним перемальовуванням, але жоден клінічний протокол не дозволяє використовувати такі контури без перевірки лікарем. Найпоширеніші причини помилок деформівної реєстрації — велика міжфракційна деформація (наприклад, газова кишеня в прямій кишці, якої не було на планувальній КТ), низька контрастність меж органів через розсіяне випромінювання CBCT, а також ділянки з малим анатомічним контрастом, де алгоритму немає за що «зачепитися». Тому клінічний робочий процес завжди включає етап візуальної перевірки: лікар-радіолог або медичний фізик переглядає кожен перенесений контур, за потреби вручну коригує межі та лише після цього затверджує структуру для подальшого адаптивного планування. Саме поєднання швидкості автоматизації з обов'язковим людським контролем робить перенесення контурів практичним і безпечним інструментом щоденної адаптивної терапії, а не лише дослідницькою технологією.
Жоден клінічний протокол не дозволяє використовувати перенесені контури без перевірки лікарем: автоматизація прискорює процес у сотні разів, але відповідальність за фінальний контур завжди залишається за фахівцем.
Класичне планування розраховує одну дозову карту, яка вважається однаковою для всіх фракцій курсу. Але реальна анатомія змінюється день у день, тому фактично отримана доза в кожному органі відрізняється від запланованої. Деформівна реєстрація дозволяє перенести дозовий розподіл кожної фракції назад у систему координат планувальної КТ і підсумувати їх, отримуючи справжню накопичену дозу за весь курс лікування.
Щоб перенести дозу з CBCT-простору фракції назад у планувальний простір, використовують те саме деформівне поле, яке застосовували до контурів, але з додатковою фізичною поправкою: просте геометричне «перетягування» значень дози спотворює баланс поглинутої енергії, тому клінічні системи застосовують масово-зважене підсумовування на основі якобіана поля, яке зберігає фізичну масу тканини при деформації. Підсумовуючи щоденні дозові розподіли по всіх фракціях, отримують кумулятивну гістограму доза-об'єм (DVH) — справжню картину опромінення, а не теоретичний план. Якщо накопичена доза на орган ризику наближається до граничного значення токсичності або мішень отримує менше запланованого, це є прямим сигналом для повторного планування (adaptive replanning) ще до завершення курсу. Водночас похибки реєстрації частково накопичуються від фракції до фракції, тому точність підсумованої дози завжди дещо нижча за точність одного окремого поля деформації.
Оскільки похибки реєстрації частково накопичуються від фракції до фракції, сучасні протоколи адаптивної променевої терапії вимагають незалежної QA-перевірки саме сумарної дози, а не лише окремого деформівного алгоритму.