📚 BÀI 14 – TỪ CT CỦA BỆNH NHÂN ĐẾN “BẢN ĐỒ LIỀU” 3D
Ở Bài 13, chúng ta đã đi từ CT của bệnh nhân → mô hình 3D → xác định vùng cần điều trị.
Bây giờ chúng ta đi thêm một bước rất quan trọng:
Làm thế nào từ hình ảnh CT, hệ thống biết được mỗi điểm trong cơ thể bệnh nhân sẽ nhận bao nhiêu Gy?
Đó chính là dose calculation – tính toán phân bố liều.
🧠 1. Hãy hình dung toàn bộ quá trình
Một quy trình xạ trị hiện đại có thể hình dung:
Bệnh nhân
↓
📷 CT mô phỏng
↓
🧊 Tạo thể tích 3D
↓
🎯 Xác định:
- GTV
- CTV
- PTV
- OAR
↓
⚙️ Chọn beam
↓
🧮 Tính liều
↓
🌈 Tạo “Dose Map”
↓
📊 Dose–Volume Histogram (DVH)
↓
👨⚕️ Bác sĩ kiểm tra kế hoạch
↓
🏥 Chuyển kế hoạch sang LINAC
2. “Bản đồ liều” thực chất là gì?
Đây là khái niệm cực kỳ quan trọng.
Giả sử cơ thể bệnh nhân được chia thành hàng triệu voxel.
Mỗi voxel có:
- tọa độ
(x,y,z) - mật độ vật chất
- loại mô
- liều hấp thụ
Ví dụ:
| Voxel | Mô | Dose |
|---|---|---|
| A | Phổi | 8 Gy |
| B | Tim | 3 Gy |
| C | U | 60 Gy |
| D | Cơ | 12 Gy |
Hệ thống TPS sẽ tính:
Tại voxel này, bệnh nhân nhận bao nhiêu năng lượng bức xạ?
Sau khi tính cho toàn bộ voxel, ta có một 3D dose distribution.
3. CT không chỉ cho biết “hình dạng”
Đây là một điểm rất hay.
CT không chỉ nói:
“Đây là phổi.”
Nó còn cung cấp thông tin về mật độ tương đối của mô thông qua giá trị HU – Hounsfield Unit.
Ví dụ gần đúng:
| Mô | HU |
|---|---|
| Không khí | -1000 |
| Phổi | khoảng -700 đến -300 |
| Mỡ | khoảng -150 đến -50 |
| Nước | 0 |
| Cơ | khoảng +20 đến +80 |
| Xương | vài trăm đến >1000 |
Nhờ đó TPS có thể biết:
Beam đang đi qua vật chất “đặc” hay “loãng”.
4. Tại sao mật độ lại quan trọng?
Hãy tưởng tượng một photon beam đi từ trái sang phải:
LINAC
│
▼
──────────────────────────►
Không khí
↓
Phổi
↓
Tim
↓
Xương
↓
Khối uPhoton không tương tác giống nhau trong tất cả các môi trường.
Nếu beam đi qua:
không khí → phổi → mô mềm → xương
thì sự suy giảm và sự phân bố năng lượng sẽ thay đổi.
Do đó:
CT + HU → thông tin vật lý cần thiết cho tính toán liều.
5. CT → HU → mật độ → Dose
Có thể coi đây là một chuỗi:
CT IMAGE
│
▼
HU
│
▼
Electron density / Physical density
│
▼
Radiation interaction model
│
▼
Dose calculation
│
▼
3D DOSEĐây là một trong những cầu nối quan trọng nhất giữa:
chẩn đoán hình ảnh
và
vật lý xạ trị.
6. TPS là gì?
TPS = Treatment Planning System
Đây là hệ thống máy tính dùng để lập kế hoạch xạ trị.
Nó nhận:
CT
+
Contours
+
Beam parameters
+
Machine model
+
Dose prescriptionrồi tính toán:
Dose distribution7. TPS “biết” LINAC như thế nào?
Đây là phần rất thú vị.
TPS không chỉ biết bệnh nhân.
Nó còn phải biết máy LINAC thực tế.
Ví dụ:
- năng lượng photon
- năng lượng electron
- beam profile
- output
- MLC
- jaw
- kích thước field
- SAD/SSD
- calibration
- đặc tính dose
Nói cách khác:
TPS có một mô hình toán học/vật lý của LINAC.
8. Ví dụ với LINAC 6 MV
Giả sử ta chọn:
Photon 6 MV
TPS phải biết beam 6 MV này có đặc tính như thế nào.
Ví dụ về mặt khái niệm:
LINAC
│
▼
6 MV Photon
│
▼
┌─────────┐
│ MLC │
└─────────┘
│
▼
PATIENT CT
│
▼
DOSE CALCULATION
│
▼
3D DOSE MAP9. MLC đóng vai trò gì?
MLC = Multi Leaf Collimator
Nó gồm rất nhiều lá kim loại có thể di chuyển.
Ví dụ:
████ ████ ████ ████
████ ████ ████ ████
████ ████ ████ ████
████ ████ ████ ████Các lá này tạo hình beam.
Ví dụ khối u:
█████
█████████
███████████
█████████
█████MLC có thể tạo aperture gần với hình dạng mục tiêu.
10. Nhưng MLC chưa phải là “liều”
Đây là điểm cần phân biệt:
MLC
quyết định:
Beam đi qua đâu?
MU
liên quan đến:
Beam được phát ra bao nhiêu?
TPS
tính:
Cuối cùng bệnh nhân nhận dose như thế nào?
11. MU là gì?
MU = Monitor Unit
Đây là một đại lượng điều khiển output của LINAC.
Ví dụ một kế hoạch có thể có:
Beam 1
Energy = 6 MV
MU = 180
Gantry = 0°
Beam 2
Energy = 6 MV
MU = 220
Gantry = 120°
Beam 3
Energy = 6 MV
MU = 200
Gantry = 240°Các giá trị này chỉ là ví dụ minh họa, không phải thông số điều trị.
TPS tính toán các beam này để đạt phân bố dose mong muốn.
12. Dose không phải chỉ là một con số
Đây là điều quan trọng nhất của bài hôm nay.
Nếu nói:
“Khối u nhận 60 Gy”
thì chưa đủ.
Ta cần biết:
60 Gy phân bố ở đâu trong toàn bộ thể tích 3D?
Ví dụ:
Dose
│
70 Gy █████
60 Gy █████████
50 Gy ███████████
40 Gy █████████
30 Gy █████
20 Gy ██
│
└────────────Đây chính là dose distribution.
13. Dose Color Wash 🌈
Trong TPS, người ta thường hiển thị dose bằng màu.
Ví dụ minh họa:
70 Gy 🔴
60 Gy 🟠
50 Gy 🟡
40 Gy 🟢
30 Gy 🔵
20 Gy 🟣Trên CT, các vùng màu được phủ lên giải phẫu:
_________
/ \
| 🔵🟢🟢 |
| 🟢🟡🟠🟡 |
| 🟢🟠🔴🟠🟢 |
| 🟢🟡🟠🟡 |
| 🔵🟢🟢 |
\___________/Đây chính là thứ người ta thường gọi là:
Dose Color Wash
hoặc dose distribution overlay.
14. Isodose line là gì?
Ngoài tô màu, TPS còn có thể vẽ các đường có cùng liều.
Ví dụ:
┌───────────┐
┌─┘ 30 Gy └─┐
│ ┌─────────┐ │
│ │ 50 Gy │ │
│ │ ┌─────┐ │ │
│ │ │70 Gy│ │ │
│ │ └─────┘ │ │
│ └─────────┘ │
└───────────────┘Mỗi đường được gọi là:
Isodose line
Ví dụ:
- 20 Gy
- 30 Gy
- 40 Gy
- 50 Gy
- 60 Gy
- 70 Gy
15. Một khái niệm rất quan trọng: Prescription Dose
Bác sĩ có thể đưa ra yêu cầu điều trị, ví dụ minh họa:
PTV: 60 Gy
Nhưng TPS không chỉ cố làm:
PTV = 60 GyNó phải tối ưu đồng thời nhiều mục tiêu:
PTV
↑
phải đủ dose
│
├─────────────
│
↓
OAR
phải giảm doseVí dụ:
Target
PTV
→ coverage tốt
→ dose đồng đềuOAR
Spinal cord
→ dose càng thấp càng tốt16. Đây chính là bài toán tối ưu hóa
Và đây là nơi xạ trị hiện đại trở nên rất thú vị.
TPS phải tìm một phương án:
đủ liều cho khối u nhưng giảm liều cho mô lành.
Có thể hình dung:
TARGET
↗ ↑ ↖
đủ dose
│
│
▼
┌─────────────┐
│ OPTIMIZATION│
└─────────────┘
│
giảm dose
↙ ↘
OAR OAR17. IMRT thay đổi vấn đề như thế nào?
Với kỹ thuật đơn giản:
Beam
████████████████
████████████████
████████████████Cường độ beam tương đối đồng đều.
Nhưng với IMRT – Intensity Modulated Radiation Therapy, cường độ beam có thể được điều biến.
Ví dụ:
████████████████
██████████░░░░░░
██████░░░░░░░░░░
███░░░░░░░░░░░░░MLC chuyển động để tạo ra các pattern phức tạp.
18. VMAT còn thú vị hơn
VMAT = Volumetric Modulated Arc Therapy
LINAC quay quanh bệnh nhân.
Trong khi quay:
LINAC
●
↙ ↘
↙ ↘
↙ PATIENT ↘
↖ ↗
↖ ↗
●Trong quá trình đó có thể thay đổi:
- MLC
- dose rate
- gantry speed
Mục tiêu là tạo ra phân bố dose mong muốn.
19. Và bây giờ chúng ta đến “BẢN ĐỒ LIỀU 3D”
Hãy tưởng tượng toàn bộ bệnh nhân là một khối voxel:
z
↑
│
│
└──────→ x
/
/
yMỗi voxel:
Dose(x,y,z)Vì vậy về mặt toán học:
Dose = D(x,y,z)
Đây chính là một hàm phân bố liều trong không gian 3 chiều.
20. Một lát CT chỉ cho chúng ta 2D
Ví dụ:
CT slice
┌─────────────┐
│ 🔴 │
│ 🔴🔴🔴 │
│ 🔴🔴🔴🔴 │
│ 🔴🔴🔴 │
│ 🔴 │
└─────────────┘Đó chỉ là:
Dose(x,y)
Nhưng toàn bộ bệnh nhân gồm nhiều slice:
Slice 1
Slice 2
Slice 3
Slice 4
...
Slice NGhép lại:
Dose(x,y,z)
và ta có 3D dose distribution.
21. Đây chính là “dose matrix”
TPS thường biểu diễn liều dưới dạng một ma trận 3D:
Dose[x][y][z]Ví dụ cực kỳ đơn giản:
z = 1
10 20 30
20 40 50
10 30 40
z = 2
20 30 40
30 60 70
20 50 60
z = 3
10 20 30
20 50 60
10 30 40Trong hệ thống thật, số lượng voxel lớn hơn ví dụ này rất nhiều.
22. Từ Dose Matrix → DVH
Đây là bước cực kỳ quan trọng.
DVH = Dose Volume Histogram
Thay vì nhìn hàng triệu voxel, ta có thể hỏi:
Bao nhiêu phần trăm thể tích cơ quan nhận ít nhất một mức dose nào đó?
Ví dụ:
Volume
100% │████████
80% │███████
60% │██████
40% │████
20% │██
0% └──────────────────
0 20 40 60 80
Dose (Gy)23. DVH giúp bác sĩ đánh giá kế hoạch
Ví dụ:
PTV
Muốn:
phần lớn thể tích PTV nhận đủ liều.
OAR
Muốn:
thể tích nhận liều cao càng nhỏ càng tốt.
Ví dụ về mặt khái niệm:
PTV
████████████████████
███████████████████
Spinal Cord
████
██
█24. Một ví dụ tư duy rất quan trọng
Giả sử có hai kế hoạch:
Plan A
Tumor: 95% đạt mục tiêu
Spinal cord: caoPlan B
Tumor: 95% đạt mục tiêu
Spinal cord: thấp hơn→ Plan B có thể tốt hơn.
Nhưng nếu:
Plan C
Tumor: 80%
Spinal cord: rất thấpthì chưa chắc tốt.
Vì:
Không thể chỉ tối ưu một cơ quan.
Phải cân bằng toàn bộ hệ thống.
25. Đây là lý do lập kế hoạch xạ trị là một bài toán rất phức tạp
TPS phải đồng thời xem xét:
┌── PTV
│
├── CTV
│
CT ──► TPS ───────┼── OAR 1
│
├── OAR 2
│
├── OAR 3
│
└── BODYvà tìm một kế hoạch đáp ứng các ràng buộc.
26. Bây giờ hãy quay lại LINAC
Chúng ta đã học từ Bài 1 đến Bài 14.
Có thể nhìn toàn bộ hệ thống như thế này:
LINAC
│
tạo photon beam
│
▼
MLC/JAW
│
▼
┌─────────┐
│ PATIENT │
│ CT │
└─────────┘
│
▼
PHYSICAL MODEL
│
▼
TPS
│
▼
DOSE CALCULATION
│
▼
DOSE(x,y,z)
│
┌────────┴────────┐
▼ ▼
Dose Color Wash DVH
│ │
└────────┬────────┘
▼
PLAN EVALUATION27. Một điều cực kỳ quan trọng: “Dose tính toán” ≠ “Dose thực tế”
Đây là điểm chúng ta sẽ đi sâu ở các bài sau.
TPS nói:
“Theo mô hình của tôi, liều sẽ như thế này.”
Nhưng trong thế giới thực:
- LINAC có sai số
- MLC có sai số cơ khí
- output có sai số
- positioning có sai số
- bệnh nhân có thể di chuyển
- giải phẫu có thể thay đổi
- setup có sai số
Do đó phải có:
Quality Assurance – QA
28. QA chính là cầu nối giữa máy tính và bệnh nhân
TPS
│
│ "Tôi tính được"
▼
PLAN / DOSE
│
▼
QA
│
│ "Máy thực tế có
│ làm đúng không?"
▼
LINAC
│
▼
PATIENTĐây là một trong những tư tưởng quan trọng nhất của toàn bộ khóa học.
🎯 29. Bạn cần nhớ 7 từ khóa của Bài 14
Nếu chỉ nhớ 7 thứ, hãy nhớ:
① HU
Giá trị CT phản ánh đặc tính suy giảm của mô.
② TPS
Treatment Planning System.
③ Dose calculation
Tính phân bố liều.
④ Dose matrix
Ma trận liều 3D:
D(x,y,z)
⑤ Isodose
Đường/vùng có cùng mức liều.
⑥ DVH
Dose–Volume Histogram.
⑦ Optimization
Tối ưu:
Target ↑
OAR ↓
🔥 30. Bức tranh lớn nhất cần hiểu
Bạn có thể coi toàn bộ khóa học đến đây như một chuỗi:
BỆNH NHÂN
│
▼
CT
│
┌──────┴──────┐
│ │
Anatomy HU/Density
│ │
└──────┬──────┘
▼
TPS
│
┌──────────┼──────────┐
▼ ▼ ▼
Target OAR BODY
│ │ │
└──────────┼──────────┘
▼
BEAM DESIGN
│
MLC / JAW
│
MU / ENERGY
│
▼
DOSE CALCULATION
│
▼
D(x,y,z)
│
┌──────────┴──────────┐
▼ ▼
3D DOSE MAP DVH
│ │
└──────────┬──────────┘
▼
PLAN QA
│
▼
LINAC
│
▼
PATIENTĐây chính là “cây cầu” từ một bộ ảnh CT đến một kế hoạch xạ trị có thể thực hiện trên LINAC.
🔜 BÀI 15 – “TẠI SAO TPS CÓ THỂ TÍNH ĐƯỢC LIỀU?”
Bài tiếp theo chúng ta sẽ đi sâu xuống tầng vật lý, nhưng vẫn theo cách trực quan:
Photon → electron → tương tác vật chất → năng lượng truyền → dose
và đặc biệt tôi sẽ giải thích:
1 photon 6 MV đi vào cơ thể, cuối cùng bằng cách nào năng lượng của nó biến thành “Gy” tại một voxel?
Sau đó chúng ta sẽ nối tiếp sang PDD, TMR/TPR, beam profile, penumbra, scatter và hiểu tại sao TPS cần các dữ liệu đo thực tế của LINAC để xây dựng mô hình beam.