Комплекс программно-вычислительных средств моделирования терапевтических величин поглощенных доз в задачах лучевой терапии

Цели. Моделирование поглощенных доз в радиотерапии является ключевым процессом в ходе лечения пациентов, а также выполняется с целью обеспечения гарантий качества терапии и ретроспективных оценок успешности проведенного лечения. С технической точки зрения предъявляемые требования к программному и аппаратному обеспечению весьма строгие для того, чтобы обеспечить успешный процесс принятия решения до, во время или после проведения терапии. Цель статьи – разработка и апробация технологического процесса обеспечения систем планирования лучевой терапии, а также создание расчетных модулей оценок поглощенных доз радиобиологического и терапевтического назначения.

Методы. Специализированное автоматизированное программное обеспечение, разработанное и поддерживаемое для обеспечения многоцелевых расчетов методом Монте-Карло, построено на основе технологий виртуализации для структурированного доступа к оборудованию, технологий передачи данных по разнородным каналам связи, различных физических моделей расчета взаимодействий излучения, которые совмещены в продукты для конечного пользователя.

Результаты. Комплекс позволяет решать широкий круг задач в интересах радиобиологических исследований, проводимых на пучках излучений разного качества, а также служить основой как для построения систем планирования лучевой терапии для действующих и вновь создаваемых установок, так и в интересах оценки отдаленных последствий действия терапевтического излучения.

Выводы. Разработанный комплекс программно-вычислительных средств является мощным инструментом, служащим для дальнейшего создания специализированных многоцелевых сред оценок поглощенных доз, необходимых для терапевтического применения широкого круга радиационных технологий. Комплекс может быть модернизирован под потребности пользователей, а также дорабатываться разработчиками программного обеспечения под собственные нужды.

1. Мардынский Ю.С., Гулидов И.А., Гордон К.Б., Корякин С.Н., Соловьёв А.Н., Сабуров В.О., Иванов С.А., Каприн А.Д., Лобжанидзе Т.К., Марков Н.В., Железнов И.М., Юрков Д.И., Герасимчук О.А., Пресняков А.Ю., Зверев В.И., Смирнов В.П. Дистанционная нейтронная терапия: первый отечественный медицинский комплекс. Вестник Российской Академии Наук. 2024;94(1):80–86. https://doi.org/10.31857/S0869587324010098

2. Rod’ko I.I., Sarychev G.A., Balakirev P.V., et al. Development of a Radiotherapy System Based on 6 MeV Linac and Cone-Beam Computer Tomograph. At. Energy. 2019;125(5):333–337. https://doi.org/10.1007/s10512-019-00490-9

3. Inaniwa T., Kanematsu N., Noda K., Kamada T. Treatment planning of intensity modulated composite particle therapy with dose and linear energy transfer optimization. Phys. Med. Biol. 2017;62(12):5180–5197. https://doi.org/10.1088/1361-6560/aa68d7

4. Krämer M. Swift ions in radiotherapy – Treatment planning with TRiP98. Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms 2009;267(6):989–992. https://doi.org/10.1016/j.nimb.2009.02.015

5. Elyutina A.S., Kiger W.S., Portnov A.A. NCTPlan application for neutron capture therapy dosimetric planning at MEPhI nuclear research reactor. Appl. Radiat. Isot. 2011;69(12):1888–1891. https://doi.org/10.1016/j.apradiso.2011.04.018

6. Takeuchi A., Hirose K., Kato R., Komori S., Sato M., Motoyanagi T., Yamazaki Y., Narita Y., Takai Y., Kato T. Evaluation of calculation accuracy and computation time in a commercial treatment planning system for accelerator-based boron neutron capture therapy. Radiol. Phys. Technol. 2024;17(4):907–917. https://doi.org/10.1007/s12194-024-00833-7

7. Tenk Y.C., Chen J., Zhong W.B., Lio Y.H. HU-based material conversion for BNCT accurate dose estimation. Sci. Rep. 2023;13:15701. https://doi.org/10.1038/s41598-023-42508-0

8. Allison J., Amako K., Apostolakis J., et al. Recent developments in Geant4. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 2016;835:186–225. https://doi.org/10.1016/j.nima.2016.06.125

9. Ahdida C., Bozzato D., Calzolari D., et al. New Capabilities of the FLUKA Multi-Purpose Code. Front. Phys. 2022;9:788253. https://doi.org/10.3389/fphy.2021.788253

10. Rising M.E., Armstrong J.C., Bolding S.R., et al. MCNP® Code V.6.3.0 Release Notes. Tech. Rep. LA-UR-22-33103, Rev. 1. Los Alamos National Laboratory, Los Alamos, NM, USA. 2023. 55 p. URL: CoverSheet

11. Sato T., Iwamoto Y., Hashimoto S., et al. Recent improvements of the particle and heavy ion transport code system – PHITS version 3.33. J. Nuclear Sci. Technol. 2023;61(1):127–135. https://doi.org/10.1080/00223131.2023.2275736

12. Bassler N., Hansen D.C., Lühr A., Thomsen B., Petersen J.B., Sobolevsky N. SHIELD-HIT12A – a Monte Carlo particle transport program for ion therapy research. J. Phys.: Conf. Ser. 2014;489:012004. https://doi.org/10.1088/1742-6596/489/1/012004

13. Muraro S., Battistoni G., Kraan A.C. Challenges in Monte Carlo Simulations as Clinical and Research Tool in Particle Therapy: A Review. Front. Phys. 2020;8:567800. https://doi.org/10.3389/fphy.2020.567800

14. Petringa G., Romano F., Manti L., et al. Radiobiological quantities in proton-therapy: Estimation and validation using Geant4-based Monte Carlo simulations. Phys. Med. 2019;58:72–80. https://doi.org/10.1016/j.ejmp.2019.01.018

15. Troshina M.V., Koryakina E.V., Potetnya V.I., Koryakin S.N., Pikalov V.A., Antipov Yu.M. Induction of chromosome aberrations in B14-150 cells following carbon ions irradiation at low doses. J. Phys.: Conf. Ser. 2020;1701:012029. https://doi.org/10.1088/1742-6596/1701/1/012029

16. Kyriakou I., Sakata D., Tran H.N., et al. Review of the Geant4-DNA simulation toolkit for radiobiological applications at the cellular and DNA level. Cancers. 2022;14(1):35. https://doi.org/10.3390/cancers14010035

17. Chatzipapas K., Dordevic M., Zivkovic S., et al. Geant4-DNA simulation of human cancer cells irradiation with helium ion beams. Phys. Med. 20233;112:102613. https://doi.org/10.1016/j.ejmp.2023.102613

18. Pisciotta P., Cammarata F.P., Stefano A., et al. Monte Carlo GEANT4-based application for in vivo RBE study using small animals at LNS-INFN preclinical hadrontherapy facility. Phys. Med. 2018;54:173–178. https://doi.org/10.1016/j.ejmp.2018.07.003

19. Taha E., Djouider F., Banoqitah E. Monte Carlo simulations for dose enhancement in cancer treatment using bismuth oxide nanoparticles implanted in brain soft tissue. Australas. Phys. Eng. Sci. Med. 2018;41:363–370. https://doi.org/10.1007/s13246-018-0633-z

20. Cadini F., De Sanctis J., Girotti T., Zio E., Luce A., Taglioni A. Monte Carlo-based assessment of the safety performance of a radioactive waste repository. Reliability Engineering & System Safety (RESS). 2010;95(8):859–865. https://doi.org/10.1016/j.ress.2010.04.002

21. Geng C., Tang X., Gong C., Guan F., Johns J., Shu D., Chen D. AMonte Carlo-based radiation safety assessment for astronauts in an environment with confined magnetic field shielding. J. Radiol. Prot. 2015;35(4):777. https://doi.org/10.1088/0952-4746/35/4/777

22. Archer J.W., Large M.J., Bolst D., et al. A multiscale nanodosimetric study of GCR protons and alpha particles in the organs of astronauts on the lunar surface Rad. Phys. Chem. 2025;229:112448. https://doi.org/10.1016/j.radphyschem.2024.112448

23. Чернуха А.Е., Сабуров В.О., Адарова А.И., Соловьев А.Н., Кизилова Я.В., Корякин С.Н. Трехмерные модели и дополнение геометрии для оценки доз в лучевой кабине нейтронной терапии на базе генератора НГ-24МТ. Известия вузов. Ядерная энергетика. 2022;3:158–167. https://doi.org/10.26583/npe.2022.3.14

24. Koryakin S., Isaeva E., Beketov E., Solovev A., Ulyanenko L., Fedorov V., Lityaev V., Ulyanenko S. The photon capture therapy model for in vivo and in vitro studies using Au nanocomposites with the hyaluronic acid based compounds. RAD Journal. 2017;2(2):86–89. http://doi.org/10.21175/RadJ.2017.02.019

25. Solovyev A.N., Fedorov V.V., Kharlov V.I., Stepanova U.A. Comparative analysis of MCNPX and GEANT4 codes for fastneutron radiation treatment planning. Nuclear Energy Technol. 2015;1(1):14–19. https://doi.org/10.1016/j.nucet.2015.11.004

26. Соловьев А.Н., Кизилова Я.В., Корякин С.Н. Программное средство преобразования медицинских изображений отраслевого стандарта DICOM в форматы оперативного доступа: программа для ЭВМ. Номер регистрации (свидетельства) 2023685423 РФ. Номер заявки 2023683925; заявл. 13.11.2023; опубл. 27.11.2023. Бюл. № 12. https://www.elibrary.ru/item.asp?id=56012725.

27. Соловьев А.Н., Кизилова Я.В., Чернуха А.Е., Мерзликин Г.В., Корякин С.Н. Программное средство универсального преобразования фазовых пространств в форматы оперативного доступа: программа для ЭВМ. Номер регистрации (свидетельства) 2024660249 РФ. Номер заявки 2024618897; заявл. 24.04.2024; опубл. 03.05.2024. Бюл. № 5. https://www.elibrary.ru/item.asp?id=67263924.

28. Соловьев А.Н., Кизилова Я.В., Зверев В.И., Пресняков А.Ю., Корякин С.Н. Вспомогательная утилита визуальной верификации пересечений среза коллиматора с телом пациента на стадии предлучевой подготовки: программа для ЭВМ. Номер регистрации (свидетельства) 2024665975 РФ. Номер заявки 2024665975; заявл. 28.06.2024; опубл. 09.07.2024. Бюл. № 7.

29. Соловьев А.Н., Чернуха А.Е., Корякин С.Н., Пресняков А.Ю., Зверев В.И. Автоматизированное средство оптимизации полей быстрой нейтронной терапии в режиме 3D-CRT по среднеквадратичному отклонению на основе алгоритма Бройдена-Флетчера-Гольдфарба-Шанно в реализации pytorch: программа для ЭВМ. Номер регистрации (свидетельства) 2024666070 РФ. Номер заявки 2024664787; заявл. 28.06.2024; опубл. 09.07.2024. Бюл. № 7.

30. Butenko A.V., Syresin E.M., Tyutyunnikov S.I., et al. Analysis of Metrological Provision Problems of a Test Stand for Testing Radio-Electronic Products for Resistance to Irradiation with High-Energy Heavy Ions. Phys. Part. Nuclei Lett. 2019;16: 734–743. https://doi.org/10.1134/S1547477119060098

31. Brun R., Rademakers F. ROOT — An object oriented data analysis framework. Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 1997;389(1–2):81–86. https://doi.org/10.1016/S0168-9002(97)00048-X

32. Гордон К.Б., Сабуров В.О., Корякин С.Н., Гулидов И.А., Фатхудинов Т.Х., Арутюнян И.В., Каприн А.Д., Соловьев А.Н. Расчет биологической эффективности протонной компоненты при нейтронном облучении 14.8 МэВ методами вычислительной биологии с использованием видеокарт. Бюллетень экспериментальной биологии и медицины. 2022;173(2):263–267. https://doi.org/10.47056/0365-9615-2022-173-2-263-267

33. Schneider W., Bortfeld T., Schlegel W. Correlation between CT numbers and tissue parameters needed for Monte Carlo simulations of clinical dose distributions Phys. Med. Biol. 2000;45(2):459. https://doi.org/10.1088/0031-9155/45/2/314

34. Kotb O.M., Solovev A.N., Saburov V.O., et al. Response of the FBX aqueous chemical dosimeter to high energy proton and electron beams used for radiotherapy research. Radiat. Phys. Chem. 2024;216:111451. https://doi.org/10.1016/j.radphyschem.2023.111451

35. Balakin V.E., Bazhan A.I., Alexandrov V.A., et al. Updated Status of Protom Synchrotrons for Radiation Therapy. In: 27 Russian Particle Acc. Conf. (Proc. RuPAC’21, Alushta, Russia). J. Accelerator Conferences Website (JACoW) Publishing. 2021. P. 120–123. https://doi.org/10.18429/JACoW-RuPAC2021-FRB05

36. Южаков В.В., Корчагина К.С., Фомина Н.К., Корякин С.М., Соловьев А.Н., Ингель И.Э., Корецкая А.Е., Севанькаева Л.Е., Яковлева Н.Д., Цыганова М.Г. Действие гамма-излучения и сканирующего пучка протонов на морфофункциональные характеристики саркомы М-1 крыс. Радиациия и риск. 2020;29(2):101–114. https://doi.org/10.21870/0131-3878-2020-29-2-101-114

37. Соловьев А.Н., Чернуха А.Е., Потетня В.И. Программа поддержки принятия решений по радиобиологическим экспериментам на временном радиобиологическом стенде ускорительного комплекса У-70: программа для ЭВМ. Номер регистрации (свидетельства) 2020615172 РФ. Номер заявки 2020614229; заявл. 14.05.2020; опубл. 18.05.2020. Бюл. № 5. https://elibrary.ru/item.asp?id=43880348.

38. Beketov E., Isaeva E., Malakhov E., Nasedkina N., Koryakin S., Ulyanenko S., Solovev A., Lychagin A. The study of biological effectiveness of U-70 accelerator carbon ions using melanoma B-16 clonogenic assay. RAD Journal. 2017;2(2): 90–93. https://doi.org/10.21175/RadJ.2017.02.020

39. Соловьев А.Н., Чернуха А.Е., Трошина М.В., Лычагин А.А., Пикалов В.А., Харлов В.И., Ульяненко С.Е. Разработка средств пассивной модификации пучка ионов углерода ускорительного комплекса У-70 для радиобиологических исследований. Медицинская физика. 2016;4(72):47–54. https://elibrary.ru/item.asp?id=27428891

40. Заичкина С.И., Розанова О.М., Смирнова Е.Н., Дюкина А.Р., Белякова Т.А., Стрельникова Н.С., Сорокина С.С., Пикалов В.А. Оценка биологической эффективности ускоренных ионов углерода с энергией 450 МэВ/нуклон в ускорительном комплексе У-70 по критерию выживаемости мышей. Биофизика. 2019;64(6):1208–1215. http://doi.org/10.1134/S0006302919060206 [Original Russian Text: Zaichkina S.I., Rozanova O.M., Smirnova E.N., Dyukina A.R., Belyakova T.A., Strelnikova N.S., Sorokina S.S., Pikalov V.A. Assessment of the Biological Efficiency of 450 MeV/Nucleon Accelerated Carbon Ions in the U-70 Accelerator According to the Criterion of Mouse Survival. Biofizika. 2019;64(4):1208–1215 (in Russ.). http://dx.doi.org/10.1134/S0006302919060206 ]

41. Kuznetsova E.A., Sirota N.P., Mitroshina I.Yu., Pikalov V.A., Smirnova E.N., Rozanova O.M., Glukhov S.I., Sirota T.V., Zaichkina S.I. DNA damage in blood leukocytes from mice irradiated with accelerated carbon ions with an energy of 450 MeV/nucleon. Int. J. Radiat. Biol. 2020;96(10):1245–1253. https://doi.org/10.1080/09553002.2020.1807640

42. Pikalov V.A., Alexeev A.G., Antipov Y.M., Kalinin V.A., Koshelev A.V., Maximov A.V., Ovsienko M.P., Polkovnikov M.K., Soldatov A.P. The Results Obtained on “Radiobiological Stand” Facility, Working with the Extracted Carbon Ion Beam of the U-70 Accelerator. In: 27 Russian Particle Acc. Conf. (Proc. RuPAC’21, Alushta, Russia). J. Accelerator Conferences Website (JACoW) Publishing. 2021. P. 124–126. https://doi.org/10.18429/JACoW-RuPAC2021-FRB06

43. Гаркуша В.И., Иванов С.В., Калинин В.А., Максимов А.В., Маркин А.М., Новоскольцев Ф.Н., Пикалов В.А., Солдатов А.П., Синюков Р.Ю. Создание каналов пучков ионов углерода для проведения радиобиологических и предклинических исследований на ускорительном комплексе У-70. Приборы и техника эксперимента 2024;8(S2):14.

44. Meffe G., Votta C., Turco G., Chillè E., et al. Impact of data transfer between treatment planning systems on dosimetric parameters. Phys. Med. 2024;121:103369. https://doi.org/10.1016/j.ejmp.2024.103369

45. Mosleh Shirazi M.A., Faghihi R., Siavashpour Z., Nedaie H.A., Mehdizadeg S., Sina S. Independent evaluation of an in-house brachytherapy treatment planning system using simulation, measurement and calculation methods. J. Appl. Clin. Med. Phys. 2012;13(2):103–112. https://doi.org/10.1120/jacmp.v13i2.3687

46. Kumada H., Takada K., Aihara T., Matsumura A., Sakurai H., Sakae T. Verification for dose estimation performance of a Monte-Carlo based treatment planning system in University of Tsukuba. Appl. Radiat. Isot. 2021;166:109222. https://doi.org/10.1016/j.apradiso.2020.109222

47. Moyers M.F., Lin J., Li J., Chen H., Shen Z. Optimization of the planning process with an in-house treatment information, management, and planning system. Radiat. Med. Protect. 2022;3(3):102–107. https://doi.org/10.1016/j.radmp.2022.07.004

48. Shao Y., Gui J., Wang J., et al. Novel in-house knowledge-based automated planning system for lung cancer treated with intensity-modulated radiotherapy. Strahlenther. Onkol. 2023;200(11):967–982. https://doi.org/10.1007/s00066-023-02126-1

49. Guo Y., Liu Z., Feng S., Cai H., Zhang Q. Clinical Viability of an Active Spot Scanning Beam Delivery System with a Newly Developed Carbon-Ion Treatment Planning System. Adv. Radiat. Oncol. 2024;9(7):101503. https://doi.org/10.1016/j.adro.2024.101503

50. Калыганова Н.В., Киселев В.А., Кашенцева Н.В., Удалов Ю.Д., Гриценко С.Е. Сравнение дозиметрических характеристик планов протонной и лучевой терапии с модуляцией интенсивности при глиобластоме головного мозга. В сб.: Ильинские чтения 2022: Сборник материалов школы-конференции молодых ученых и специалистов. М., 2022. С. 141–142. https://elibrary.ru/item.asp?id=49488724

51. Okada S., Murakami K., Amako K., et al. GPU Acceleration of Monte Carlo Simulation at the Cellular and DNA Levels. In: Chen Y.W., Torro C., Tanaka S., Howlett R. (Eds.). Innovation in Medicine and Healthcare 2015. Smart Innovation, Systems and Technologies. Springer; 2016. V. 45. P. 323–332. http://dx.doi.org/10.1007/978-3-319-23024-529

52. Okada S., Murakami K., Incerti S., Amako K., Sasaki T. MPEXS-DNA, A new GPU-based Monte Carlo simulator for track structure and radiation chemistry at subcellular scale. Med. Phys. 2019;46(3):1483–1500. https://doi.org/10.1002/mp.13370

53. Qin N., Shen C., Tasi M.Y., et al. Full Monte Carlo–Based Biologic Treatment Plan Optimization System for Intensity Modulated Carbon Ion Therapy on Graphics Processing Unit. Int. J. Radiat. Oncol. Biol. Phys. 2018;100(1):235–243. https://doi.org/10.1016/j.ijrobp.2017.09.002

54. Franciosini G., Carlotti D., Cattani F., et al. IOeRT conventional and FLASH treatment planning system implementation exploiting fast GPU Monte Carlo: The case of breast cancer. Phys. Med. 2024;121:103346. https://doi.org/10.1016/j.ejmp.2024.103346

55. Magro G., Mein S., Kopp B., et al. FRoG dose computation meets Monte Carlo accuracy for proton therapy dose calculation in lung. Phys. Med. 2021;88;66–74. https://doi.org/10.1016/j.ejmp.2021.05.021

56. Yagi M., Tsubouchi T., Hamatani N., Takashina M., Maruo H., Fujitaka S., et al. Commissioning a newly developed treatment planning system, VQA Plan, for fast-raster scanning of carbon-ion beams. PLoS ONE. 2022;17(5):e0268087. https://doi.org/10.1371/journal.pone.0268087

57. Lu Y., Sigov A., Ratkin L, Ivanov L.A., Zuo M. Quantum computing and industrial information integration: A review. J. Ind. Inform. Integr. 2023;35:100511. https://doi.org/10.1016/j.jii.2023.100511

58. Giraud P., Bibault J.E. Artificial intelligence in radiotherapy: Current applications and future trends. Diagn. Interv. Imaging. 2024;105(12):475–480. https://doi.org/10.1016/j.diii.2024.06.001