Synthèse sur l’état de l’art des CQ dosimétriques des TPS

Une nouvelle méthode optimale de CQ dosimétrique des TPS doit présenter impérativement une précision égale ou meilleure que les méthodes classiques basées sur des mesures de dose. Elle se justifie d’autant plus qu’elle permet de tester des configurations très complexes idéalement proches des situations cliniques du traitement qui sont difficiles, voire impossibles, à mesurer.

63 La précision des calculs de dose réalisés sur un TPS dépend de l’exactitude des données de base qui ont alimentées le TPS afin de modéliser l’appareil de traitement. Il est à noter que ces données sont entachées d’incertitudes inhérentes aux méthodes et instruments de mesures utilisés (chambres d’ionisation, électromètres). La précision des calculs dépend aussi des performances de l’algorithme de calcul de dose implémenté dans le TPS. Un CQ dosimétrique pertinent nécessite d’évaluer les données de base puis les calculs de dose obtenus dans des conditions singulières permettant d’isoler un phénomène physique et donc de tester les limites de validité du TPS, et des calculs de dose proches des conditions cliniques et mêlant plusieurs phénomènes physiques complexes.

Les données de référence simples obtenues par mesures expérimentales sont accessibles à tous les services de radiothérapie car elles sont du même type que les données de base. Par contre elles nécessitent la disponibilité de l’accélérateur linéaire et la conversion des données analogiques en données numériques pour être comparées avec les distributions de dose issues du TPS. Les équipements dosimétriques standards sont adaptés pour mesurer des cas de référence simples, cela se complique pour des cas intermédiaires et devient long et délicat pour des cas complexes tels que des mesures de dose dans des fantômes (il faut disposer de ces fantômes et ils ne sont pas toujours adaptés à une dosimétrie par chambre d’ionisation, films, diodes ou détecteurs thermoluminescents…). Les difficultés décrites ci-dessus peuvent être contournées en utilisant des données mesurées génériques, aucune mesure sous les appareils de traitement n’est nécessaire, ceci libère les machines de traitement. Cette méthodologie permet également de comparer différents TPS. En revanche avec des données génériques on ne valide pas les faisceaux utilisés pour le traitement et on ne couvre pas ainsi l’intégralité du CQ. Compte tenu des difficultés à mesurer la dose dans des fantômes anatomiques, il manque bien entendu, dans ces « packages », des données de référence obtenues dans des situations complexes proches de la clinique.

Nous retiendrons des différentes méthodes décrites ci-dessus :

 tous les fantômes proposés pour les cas simples et intermédiaires, notamment ceux proposés dans la publication TECDOC-1540 de l’IAEA (Tableau 11),

 les tests du MLC proposées dans le TRS-430 (formes convexe en « o » et concave en « c »),

 la classification en 4 familles, proposée par Blazy, des fantômes : simples, hétérogènes, à décrochements et anatomiques,

64  les fantômes proposés par Blazy [8] pour évaluer l’appréciation du TPS dans les situations de manque de milieu diffusant seront utilisés. La géométrie de ces fantômes sera développée dans le chapitre 6,

 l’écart relatif de dose comme paramètre d’évaluation ainsi que les tolérances qui lui sont associées (Tableau 7). Les outils d’évaluation ou fonctions de coût seront développés dans le chapitre 4,

 les critères d’acceptabilité proposés par le TG-53 (Tableau 3).

Calculer les données de référence par simulation Monte-Carlo permet d’accéder à des données de référence dans des situations intermédiaires (fantômes hétérogènes) voire complexes (fantômes anatomiques). L’approche totalement numérique de cette méthode ouvre la voie à une automatisation du contrôle qualité des TPS, et une simplification de sa mise en œuvre. Les données de référence fournies par MC peuvent être personnalisées (réglage des électrons initiaux sur quelques mesures de dose du service) ou génériques. Par contre des informations précises sur la géométrie et les matériaux qui composent la tête des LINAC sont indispensables à la modélisation par MC des accélérateurs mais elles sont difficiles à obtenir. De plus avec les simulations MC des erreurs dans la géométrie et/ou les matériaux peuvent passer inaperçues car l’ajustement des paramètres des électrons initiaux peut les compenser. L’utilisation de MC est délicate et nécessite une bonne maîtrise des codes et de leurs limites. Il faut également disposer de matériels informatiques adaptés pour réaliser les simulations MC avec des temps de calcul raisonnables et des incertitudes acceptables. Les centres de radiothérapie peuvent s’affranchir de la majorité de ces inconvénients si les données de référence sont fournies par un centre expert tel que QualiFormeD se propose d’être. Dans ce cas tout le travail est réalisé en amont.

Les données de référence simulées par MC pour un ou plusieurs faisceaux de photons et/ou d’électrons peuvent être fournies aux services de radiothérapie sous plusieurs formes de :

 « package » contenant des distributions de dose de référence adaptées à chaque faisceau du traitement du service on parle alors de données de référence simulées localement car ces dernières sont simulées par Monte Carlo après avoir modélisé à l’identique et l’accélérateur linéaire du service et validé la modélisation effectuée (thèse de Blazy pour faire le CQ dosimétrique du TPS MasterPlan [8]).

 « package » contenant des distributions de dose de référence associées aux données de base représentatives de ces faisceaux on parle alors de données de référence simulées génériques. Les services de radiothérapie modélisent alors dans leur TPS les

65 faisceaux en question à partir des données de base, et investissent les différentes données de référence (situations simples, intermédiaires et complexes) pour faire le CQ du TPS. Les méthodes MC peuvent aussi compléter un « package » de CQ des TPS existant, comme le TECDOC-1540, par des données de référence obtenues dans des situations complexes difficilement accessibles par la mesure. Pour faire, il faut d’abord modéliser la géométrie du LINAC utilisé dans le « package », Elekta dans le TECDOC-1540, ajuster les faisceaux contenus dans le « package » et enfin le compléter par des simulations MC dans des cas complexes.

 FC de référence donnés en fonction des indices de qualité des faisceaux où ils ont été obtenus on parle alors de données de référence simulées génériques mais adaptables localement. L’utilisateur calcule les FC à partir de son TPS et les compare avec les FC de référence qui correspondent à l’indice de qualité du faisceau testé.

Une synthèse des avantages et des inconvénients de chaque méthode du point de vue utilisateur d’un centre de radiothérapie (dans le cas où les données de référence sont fournies par un prestataire externe) est donnée dans le Tableau 14. Les méthodes basées sur des données de référence simulées par MC (méthode 3, 4 et 4’ du Tableau 14) ont des points communs: la modélisation des accélérateurs linéaires par MC, l’ajustement des paramètres des électrons initiaux de ces derniers et les simulations des distributions de dose dans divers fantômes.

Tableau 14 : synthèse des avantages et des inconvénients de chaque méthode présentée ci-dessus

Caractéristiques M-1 M-2 M-2’ M-3 M-4 M-4’

Tester les données de base des appareils utilisés en cliniques Oui Non Oui Oui Non Oui Possibilité de tester des situations proche de la clinique

Simples Intermédiaires Complexes Oui Oui Non Oui Oui Non Oui Oui Non Oui Oui Oui Oui Oui Oui Oui Oui Oui Possibilité d’intercomparaisons entre TPS Non Oui Oui Oui Oui Oui Possibilité d’automatisation Non Non Oui Oui Oui Oui Nécessité de mesures expérimentales

Simples Intermédiaires complexes Oui Oui Non Non Non Non Non Non Non Oui Non Non Non Non Non Non Non Non Besoin de matériels de mesure spécifiques

Simples Intermédiaires complexes Oui Oui Non Non Non Non Non Non Non Non Non Non Non Non Non Non Non Non Modélisation de faisceaux non clinique dans le TPS Non Oui Non Non Oui Non Besoin de la disponibilité des machines de traitement Oui Non Non Non Non Non

M-1 : Méthode basée sur des données de référence mesurées localement (Cf. IV.1.1.) M-2 : Méthode basée sur des données de référence mesurées génériques (Cf. IV.1.2.)

M-2’ : Méthode basée sur des données de référence mesurées génériques mais adaptables localement (Cf. IV.1.3.) M-3 : Méthode basée sur des donnes de référence simulées localement (Cf. IV.2.)

M-4 : Méthode basée sur des donnes de référence simulées génériques (Cf. IV.2.)

66