🔜 BÀI 20 – TỪ “BẢN ĐỒ LIỀU 3D” ĐẾN MỘT KẾ HOẠCH XẠ TRỊ THỰC SỰ
🎯 TPS, DOSE CONSTRAINT, OPTIMIZATION và DVH: Làm sao biết một kế hoạch xạ trị có tốt hay không?
Ở Bài 19, chúng ta đã hiểu:
Gantry + Collimator/MLC + Couch giúp đưa các chùm tia từ nhiều hướng vào bệnh nhân.
Nhưng vẫn còn một câu hỏi lớn:
Ai quyết định phải chiếu từ những góc nào, MLC phải đóng/mở ra sao, mỗi vùng nhận bao nhiêu liều và làm thế nào để biết kế hoạch đó có đạt yêu cầu?
Câu trả lời nằm ở:
🧠 TPS – Treatment Planning System
Và trong bài này, chúng ta sẽ đi theo đúng chuỗi:
CT
↓
Contour
↓
Target + OAR
↓
Prescription
↓
Dose Constraints
↓
Beam / MLC
↓
Optimization
↓
Dose Calculation
↓
3D Dose Distribution
↓
DVH
↓
Plan Evaluation
↓
QA
↓
LINAC1. TPS thực chất là gì?
TPS là hệ thống máy tính lập kế hoạch xạ trị.
Nó nhận các dữ liệu như:
- CT của bệnh nhân
- cấu trúc giải phẫu
- thể tích khối u
- cơ quan nguy cấp
- đặc tính vật lý của máy LINAC
- năng lượng tia
- mô hình beam
- yêu cầu liều
Sau đó tính toán:
Nếu dùng phương án chiếu này thì liều sẽ phân bố như thế nào trong toàn bộ cơ thể?
2. Hãy quay lại “bản đồ liều 3D”
Ở bài trước chúng ta đã nói đến Dose Distribution.
Hãy tưởng tượng cơ thể được chia thành hàng triệu ô nhỏ.
Mỗi ô gọi là:
Voxel
Ví dụ:
CT
┌──────────────────────┐
│ □ □ □ □ □ □ □ □ □ □ │
│ □ □ □ □ □ □ □ □ □ □ │
│ □ □ □ ● ● ● □ □ □ □ │
│ □ □ ● ● ● ● ● □ □ □ │
│ □ □ □ ● ● ● □ □ □ □ │
│ □ □ □ □ □ □ □ □ □ □ │
└──────────────────────┘Mỗi voxel có thể có:
- HU
- mật độ vật chất
- vị trí
- liều hấp thụ
Ví dụ:
Voxel A → 1.2 Gy
Voxel B → 1.5 Gy
Voxel C → 2.0 Gy
Voxel D → 2.8 Gy
...TPS dùng toàn bộ những giá trị này để xây dựng:
Dose Distribution 3D
3. Nhưng TPS phải biết “cái gì là khối u”
CT chỉ cho chúng ta hình ảnh giải phẫu.
Nó chưa tự động hiểu:
“Đây là khối u.”
Con người và/hoặc các công cụ hỗ trợ phải xác định các cấu trúc.
Ví dụ:
CT
│
├── BODY
├── TUMOR
├── SPINAL CORD
├── LUNG
├── HEART
└── OTHER OARsTrong xạ trị, chúng ta thường gặp:
🎯 Target
Vùng cần điều trị.
Ví dụ:
- GTV
- CTV
- PTV
⚠️ OAR
Organs At Risk
Các cơ quan cần hạn chế liều.
Ví dụ:
- tủy sống
- mắt
- thận
- tim
- phổi
- não…
4. GTV – CTV – PTV
Đây là ba khái niệm cực kỳ quan trọng.
GTV
Gross Tumor Volume
Là phần khối u có thể nhận diện được.
GTV
███████
█████████
███████CTV
Clinical Target Volume
CTV bao gồm GTV và vùng có nguy cơ chứa bệnh vi thể.
CTV
███████████
█████████████
███████████
↑
GTVPTV
Planning Target Volume
PTV thêm một biên hình học để tính đến những bất định như:
- sai số setup
- chuyển động
- biến đổi vị trí
- các yếu tố khác trong quá trình điều trị
PTV
┌───────────┐
│ CTV │
│ ┌───────┐ │
│ │ GTV │ │
│ └───────┘ │
└───────────┘Điều này rất quan trọng:
PTV không đơn giản là “khối u lớn hơn”.
Nó là khái niệm lập kế hoạch để đảm bảo target nhận đủ liều trong điều kiện có bất định.
5. OAR – những cơ quan mà chúng ta phải “bảo vệ”
Bây giờ giả sử:
PTV
●
│
│
OAR
█Mục tiêu:
PTV → LIỀU ĐỦ CAO
OAR → LIỀU CÀNG THẤP CÀNG TỐTNhưng hai mục tiêu này đôi khi xung đột.
Ví dụ:
PTV
█████
███████
│
│
█████
OARKhối u nằm sát OAR.
Nếu chiếu từ một hướng:
BEAM → → → PTV → OAROAR sẽ nhận liều đáng kể.
TPS phải tìm cách khác.
6. Đây chính là lúc “tối ưu hóa” xuất hiện
TPS có thể thử:
Beam 1 ───────→
Beam 2 ↘
Beam 3 ↓
Beam 4 ↙
Beam 5 ←──────Sau đó tính:
“Phân bố liều này có đáp ứng yêu cầu không?”
Nếu không:
PLAN
↓
Dose calculation
↓
Không đạt
↓
Optimization
↓
PLAN mới
↓
Dose calculation
↓
Không đạt
↓
Optimization
↓
...Quá trình này có thể lặp đi lặp lại.
7. Prescription – “bài toán phải đạt bao nhiêu liều?”
Trước khi tối ưu, cần có prescription.
Ví dụ minh họa:
Prescription:
PTV → 60 GyNhưng câu này chưa đủ.
Cần biết:
60 Gy được phân bố như thế nào trong PTV?
Ví dụ:
PTV volume = 100%
Mục tiêu:
95% thể tích PTV
nhận ít nhất 60 GyĐây mới là một yêu cầu có thể đánh giá được.
8. Dose Constraint – “luật chơi”
Bây giờ bác sĩ/vật lý y khoa có thể đặt các mục tiêu hoặc giới hạn.
Ví dụ minh họa:
PTV
→ D95 ≥ 60 Gy
OAR
→ Dmax ≤ giới hạn X
OAR khác
→ V20 ≤ giới hạn YTrong đó:
D95
Liều mà 95% thể tích cấu trúc nhận được ít nhất là bao nhiêu.
Dmax
Liều cực đại hoặc một đại lượng đại diện cho vùng liều cao, tùy định nghĩa của hệ thống/protocol.
V20
Phần trăm thể tích nhận ít nhất 20 Gy.
9. Và đây chính là lúc DVH xuất hiện
📊 Dose–Volume Histogram
DVH là một trong những công cụ quan trọng nhất để đánh giá kế hoạch.
Nó biến một dữ liệu 3D rất phức tạp thành một đồ thị 2D.
10. Trục X và Y của DVH
Một DVH điển hình:
Volume (%)
100 |───────────────┐
| │
80 | │
| │
60 | │
| │
40 | │
| └──────
20 |
|
0 +──────────────────────── Dose
0 20 40 60 80 GyTrục X
Dose
Đơn vị thường là:
Gy
Trục Y
Volume
Thường biểu diễn:
% thể tích
11. Hãy lấy một ví dụ cực đơn giản
Giả sử một PTV có:
100 voxel
và mỗi voxel nhận:
Voxel 1 → 60 Gy
Voxel 2 → 60 Gy
Voxel 3 → 60 Gy
...
Voxel 100 → 60 GyDVH sẽ gần như:
Volume
100% |───────────────┐
| │
| │
| │
| └────────
0% +────────────────────────
60 GyTức là:
100% thể tích nhận 60 Gy.
Đây là một trường hợp lý tưởng hóa.
12. Bây giờ thực tế hơn
Giả sử:
20% volume → 55 Gy
50% volume → 60 Gy
30% volume → 65 GyDVH sẽ có dạng giảm dần:
Volume
100% |───────────────
| \
80% | \
| \
60% | \
| \
40% | ───
|
20% |
|
0% +────────────────────────
40 50 60 70 GyDVH cho chúng ta biết:
Có bao nhiêu phần trăm thể tích đang nhận ít nhất một mức liều nhất định.
13. DVH tích lũy – cách hiểu rất trực quan
Hãy lấy:
V60 = 95%
Điều này có thể hiểu là:
95% thể tích cấu trúc nhận ít nhất 60 Gy.
Nếu:
V20 = 30%
thì:
30% thể tích nhận ít nhất 20 Gy.
Đây là lý do DVH cực kỳ hữu ích.
14. PTV trên DVH
Một PTV tốt thường cần có:
- coverage tốt
- liều tương đối đồng đều
- không có vùng thiếu liều đáng kể
- không có vùng quá liều không mong muốn
Ví dụ:
PTV
100% |─────────────┐
| │
80% | │
| │
60% | │
| │
40% | └───────
|
0% +──────────────────────
DoseĐường DVH của PTV càng thể hiện rằng phần lớn thể tích nằm trong vùng liều mong muốn thì coverage càng tốt.
15. OAR thì ngược lại
Đối với một OAR, chúng ta thường muốn:
Liều càng thấp càng tốt, trong phạm vi phù hợp với mục tiêu điều trị.
Ví dụ:
OAR
100% |───────\
| \
80% | \
| \
60% | \
| \
40% | \
| ───
0% +────────────────────
Dose →Đường cong nằm càng về bên trái, nói một cách đơn giản, thì OAR nhận liều thấp hơn.
Nhưng:
Không thể chỉ nhìn “đường nào nằm bên trái” rồi kết luận kế hoạch tốt.
Phải xem đúng tiêu chí lâm sàng và protocol áp dụng.
16. Một DVH có thể có nhiều đường
Ví dụ:
Volume
100% |─────── PTV
|\
| \
| \
| \──── OAR1
| \
| \── OAR2
+────────────────── DoseMỗi đường đại diện cho một cấu trúc.
Ví dụ:
PTV
Spinal cord
Lung
Heart
...Nhờ đó người lập kế hoạch có thể đánh giá toàn bộ kế hoạch.
17. Nhưng DVH có một “cạm bẫy”
Đây là kiến thức rất quan trọng.
DVH không cho biết vị trí không gian của liều.
Ví dụ hai kế hoạch có cùng DVH:
Plan A Plan B
████████ ████████
████ ● ███ ███ ● ███
████████ ████████Có thể tổng thể tích và phân bố liều tương tự trên DVH.
Nhưng vị trí chính xác của vùng liều cao có thể khác nhau.
Vì vậy phải đánh giá cả:
3D Dose Distribution
và
DVH
chứ không chỉ một trong hai.
18. Dose Color Wash
Một cách trực quan để xem liều là dose color wash.
Ví dụ minh họa:
┌──────────────┐
│ ███████ │
│ ███████████ │
│████ ● ██████ │
│ ███████████ │
│ ███████ │
└──────────────┘Các vùng khác nhau đại diện cho các mức liều khác nhau.
Điều này giúp phát hiện:
- hot spot
- cold spot
- dose spill
- vùng liều cao gần OAR
19. Hot Spot và Cold Spot
🔴 Hot spot
Vùng nhận liều cao hơn mức mong muốn.
█████
████████
███ 🔴 ███
████████🔵 Cold spot
Vùng nhận liều thấp hơn mục tiêu.
█████
████████
███ 🔵 ███
████████Trong target:
cold spot có thể gây thiếu liều.
Trong OAR:
vùng liều thấp thường là điều mong muốn.
20. Optimization thực sự làm gì?
Bây giờ chúng ta đã có:
TARGET
OAR
PRESCRIPTION
CONSTRAINTSTPS phải tìm:
Beam arrangement + MLC pattern + intensity/fluence phù hợp.
Có thể hình dung:
OPTIMIZER
↓
┌─────────┼─────────┐
↓ ↓ ↓
Beam MLC Weight
Angle Position /MU
↓ ↓ ↓
└─────────┼─────────┘
↓
DOSE CALC
↓
DVH
↓
EvaluateNếu chưa đạt:
Evaluate
↓
Optimize lại21. Một ví dụ cực kỳ đơn giản về “trade-off”
Giả sử:
PTV → muốn liều cao
OAR → muốn liều thấpPlan A:
PTV coverage = rất tốt
OAR dose = caoPlan B:
PTV coverage = tốt
OAR dose = thấpPlan C:
PTV coverage = hơi kém
OAR dose = rất thấpKhông thể chỉ nói:
“Plan C tốt nhất vì OAR thấp nhất.”
Hoặc:
“Plan A tốt nhất vì PTV cao nhất.”
Phải cân bằng.
22. Đây chính là “bài toán tối ưu hóa đa mục tiêu”
Có thể hình dung:
TỐI ƯU
▲
│
┌──────────────┼──────────────┐
│ │ │
PTV OAR NORMAL TISSUE
coverage dose dose
│ │ │
└──────────────┼──────────────┘
↓
BEST COMPROMISEĐây là một trong những lý do lập kế hoạch xạ trị là công việc đòi hỏi chuyên môn cao.
23. Một kế hoạch tốt không chỉ dựa vào DVH
Thông thường cần xem nhiều thứ:
① Target coverage
PTV có nhận đủ liều không?
② Homogeneity
Liều trong target có quá không đồng đều không?
③ Conformity
Vùng liều cao có bám theo hình dạng target không?
④ OAR constraints
Các cơ quan nguy cấp có vượt giới hạn không?
⑤ Low-dose bath
Có quá nhiều mô lành nhận liều thấp không?
⑥ Hot spots
Có vùng liều quá cao không?
⑦ Geometry
Hình học beam có hợp lý không?
24. Conformity – “liều có ôm đúng khối u không?”
Đây là một khái niệm rất đẹp.
Target:
█████
█████████
███████████
█████████
█████Dose distribution lý tưởng:
█████
█████████
███████████
█████████
█████Tức là:
vùng liều điều trị bám sát hình dạng target.
Đó chính là ý tưởng của:
Conformal Radiotherapy
25. Còn IMRT làm gì?
Conformal 3D chủ yếu định hình trường tia.
IMRT tiến thêm một bước:
điều biến cường độ trong trường tia.
Ví dụ:
Beam
██████████████
█████░░░░█████
████░░░░░░████
███░░░░░░░░███
████░░░░░░████
██████████████Điều này cho phép tạo ra phân bố liều phức tạp hơn.
26. VMAT còn tiến thêm một bước
Thay vì một số ít beam tĩnh:
Beam 1
Beam 2
Beam 3
Beam 4
...VMAT sử dụng chuyển động cung:
↘
↘ ↙
↘ ↙
→ ● ←
↗ ↖
↗ ↖
↗Trong quá trình quay:
Gantry
↻
MLC
thay đổi
Dose rate
thay đổi
Gantry speed
thay đổiTất cả phối hợp để tạo ra phân bố liều mong muốn.
27. Nhưng kế hoạch trên máy tính chưa thể lập tức đem đi chiếu
Đây là một điểm cực kỳ quan trọng.
Giả sử TPS nói:
“Tôi muốn LINAC tạo ra beam này.”
Chúng ta vẫn phải kiểm tra:
LINAC thực tế có tạo ra đúng beam đó không?
Đây là:
🧪 PATIENT-SPECIFIC QA
28. QA – Quality Assurance
Một kế hoạch có thể được kiểm tra bằng thiết bị đo chuyên dụng.
Ví dụ:
TPS Plan
↓
Export plan
↓
QA device
↓
LINAC
↓
Đo thực tế
↓
So sánh
↓
TPS prediction ↔ MeasurementMục tiêu là xác nhận hệ thống thực tế có khả năng thực hiện kế hoạch trong giới hạn chấp nhận được.
29. Đây là chuỗi an toàn rất quan trọng
Toàn bộ quy trình có thể hình dung:
CT
↓
Contouring
↓
Prescription
↓
Treatment Planning
↓
Dose Calculation
↓
DVH
↓
Plan Evaluation
↓
QA
↓
Machine Verification
↓
Patient Setup
↓
IGRT
↓
BEAM ONChúng ta có rất nhiều lớp kiểm tra.
30. Và đây chính là điều tuyệt vời của xạ trị hiện đại
Ở đầu series, nếu bạn nhìn một LINAC, có thể bạn sẽ nghĩ:
“Đây là một máy phát tia X khổng lồ.”
Nhưng sau 20 bài, chúng ta có thể nhìn nó theo cách hoàn toàn khác:
┌──────────────┐
│ CT │
└──────┬───────┘
↓
┌──────────────┐
│ CONTOUR │
└──────┬───────┘
↓
┌──────────────┐
│ TPS │
└──────┬───────┘
↓
┌────────────┴────────────┐
↓ ↓
TARGET OAR
↓ ↓
└────────────┬────────────┘
↓
OPTIMIZATION
↓
DVH + 3D
↓
QA
↓
LINAC
↓
PATIENTLINAC chỉ là một mắt xích trong cả hệ thống.
🧠 31. Một ví dụ số để bạn “thực sự hiểu DVH”
Giả sử PTV có 100 voxel.
Ta có:
| Liều | Số voxel |
|---|---|
| 50 Gy | 5 |
| 55 Gy | 10 |
| 60 Gy | 20 |
| 65 Gy | 40 |
| 70 Gy | 20 |
| 75 Gy | 5 |
Bây giờ hỏi:
V60 là bao nhiêu?
Các voxel nhận ≥60 Gy:
20 + 40 + 20 + 5 = 85 voxelVậy:
V60 = 85%
D95 là bao nhiêu?
Ta cần tìm mức liều mà 95% thể tích nhận ít nhất.
Ở đây:
≥50 Gy = 100%
≥55 Gy = 95%
≥60 Gy = 85%Do đó:
D95 = 55 Gy
Đây chính là cách DVH biến hàng trăm/hàng triệu voxel thành các chỉ số dễ đánh giá.
32. Một ví dụ OAR
Giả sử một OAR có 100 voxel:
90 voxel → 5 Gy
8 voxel → 15 Gy
2 voxel → 30 GyTa có:
V30 = 2%
Điều đó có nghĩa:
2% thể tích OAR nhận ít nhất 30 Gy.
Đây là kiểu thông tin rất hữu ích khi đánh giá giới hạn liều của OAR.
Lưu ý: các ngưỡng cụ thể phải lấy từ protocol/hướng dẫn lâm sàng phù hợp với từng bệnh và kỹ thuật; không có một bộ giới hạn duy nhất áp dụng cho mọi trường hợp.
33. Điều quan trọng nhất của Bài 20
Nếu chỉ nhớ một câu, hãy nhớ:
🎯 TPS không đơn giản tìm cách “bắn tia vào khối u”; nó tìm một cấu hình beam và phân bố liều đáp ứng đồng thời các mục tiêu điều trị và các giới hạn bảo vệ mô lành.
Và:
DVH là một trong những công cụ giúp chúng ta kiểm tra xem kết quả đó có đạt yêu cầu hay không.
🔥 34. Toàn bộ kiến thức từ Bài 14 → Bài 20
Bây giờ chuỗi kiến thức của chúng ta đã rất rõ:
BÀI 14
CT
↓
HU / VOXEL
↓
BÀI 15+
DOSE CALCULATION
↓
3D DOSE
BÀI 18
MLC
↓
TẠO HÌNH TRƯỜNG
BÀI 19
GANTRY
COLLIMATOR
COUCH
↓
NHIỀU HƯỚNG CHIẾU
BÀI 20
TARGET + OAR
↓
PRESCRIPTION
↓
CONSTRAINTS
↓
OPTIMIZATION
↓
IMRT / VMAT
↓
3D DOSE + DVH
↓
PLAN EVALUATION
↓
QAVà đây chính là xương sống của lập kế hoạch xạ trị hiện đại.
🔜 BÀI 21 – “DVH KHÔNG NÓI HẾT SỰ THẬT: 3D DOSE, ISODOSE VÀ HOT/COLD SPOT”
Ở bài tiếp theo, chúng ta sẽ đào sâu hơn vào một điều rất thú vị:
Tại sao hai kế hoạch có DVH gần như giống nhau nhưng một kế hoạch vẫn có thể tốt hơn kế hoạch kia?
Chúng ta sẽ học:
Isodose line → Isodose surface → Dose cloud → Hot spot → Cold spot → Conformity → Homogeneity → Gradient
và tôi sẽ dựng cho bạn một bệnh nhân giả lập với PTV + tủy sống + phổi, sau đó chúng ta sẽ cùng “đọc” một bản đồ liều 3D như một kỹ sư/vật lý y khoa thực thụ.