APLIKASI FISIKA RADIASI DALAM BIDANG KESEHATAN

Oleh :
Innes Andriani (2220442001)

PASCASARJANA FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ANDALAS
2022
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

A. Latar Belakang

Regresi tumor elastis didefinisikan sebagai regresi tumor dengan jaringan di sekitarnya secara
konsisten bergerak untuk menempati ruang yang ditinggalkan oleh tumor yang mengalami regresi.
Sebaliknya, regresi tumor non-elastis diidentifikasi oleh regresi tumor yang terlihat dengan jaringan
statis di sekitarnya seperti yang baru-baru ini dilaporkan dalam kohort kasus kepala dan leher.

Menentukan apakah tumor mengalami regresi secara elastis atau non-elastis dapat ditentukan dengan
memeriksa secara visual gambar selama perawatan, seperti gambar cone-beam computed tomography
(CBCT) yang digunakan di klinik untuk mengatur dan memverifikasi posisi pasien selama RT. Gambar
CBCT berisi informasi tentang perubahan tumor sehari-hari dan jaringan di sekitarnya.

Penelitian ini bertujuan untuk membedakan secara kuantitatif antara regresi tumor elastis dan non-
elastis. Untuk mendapatkan wawasan tentang bagaimana mode regresi tumor ini dapat diidentifikasi,
kami mensimulasikan tumor elastis dan non-elastis regresi, dan menilai perubahan volume lokal yang
berasal dari penentu Jacobian pada jarak tertentu di dalam dan di luar volume target, dan menggunakan
pohon keputusan untuk mengidentifikasi mode regresi tumor.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

5. Pengambilan sampel di peta

1. Dataset pasien dan gambar
Jacobian

2. Data simulasi 6. Analisis peta Jacobian

3. Pendaftaran gambar 7. Dampak pendaftaran gambar

yang kaku ketidakpastian

4. Menghitung matriks Jacobian

8. Evaluasi klinis
dari DVF
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

1. Dataset pasien dan gambar

Studi retrospektif ini melibatkan 150 pasien NSCLC lokal lanjut yang diobati dengan 55 Gy dalam 20 fraksi.
Pasien yang memiliki setidaknya satu CBCT setiap minggu pengobatan, dan informasi histologi tersedia.
Kelompok histologi tumor yang termasuk adalah Adenocarcinoma (ADC), Squamous cell carcinoma (SCC),
Large cell carcinoma (LCC), Adenosquamous carcinoma (ASC), dan lain-lain (jenis NSCLC lainnya). Semua
gambar dikumpulkan dengan persetujuan Christie NHS Trust (UKCat, referensi REC 17/NW/0060).
Karakteristik pasien ditunjukkan pada Tabel S1.

Sebelum analisis, gambar CBCT dinormalisasi untuk mengoreksi informasi intensitas dan menjelaskan
perbedaan antar mesin, menggunakan pendekatan yang diadaptasi dari van Timmeren et al.,yang telah
menunjukkan metodologi mereka untuk menjadi kuat. Singkatnya, intensitas rata-rata dari wilayah kecil di
jantung diambil sampelnya untuk menghitung faktor skala, yang kemudian diterapkan pada setiap CBCT.
Pendekatan normalisasi intensitas dijelaskan secara rinci dalam pekerjaan kami sebelumnya.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

2. Data simulasi
Gambar 1. Kontur biru mewakili
volume tumor kotor (GTV).

(a) Menggambarkan regresi tumor

non-elastis, yang ditandai
dengan penyusutan volume
GTV dan jaringan statis di
sekitarnya, dan
(b) Regresi tumor elastis yang
menghasilkan penyusutan
sinkron dari tumor dan
jaringan sekitarnya
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

3. Pendaftaran gambar

Registrasi citra adalah proses pemetaan satu citra ke citra lainnya dengan menetapkan
korespondensi geometris antara struktur anatomi dalam dua citra.

Dalam penelitian ini, kami melakukan registrasi gambar non-kaku untuk simulasi dan pasien,
memetakan semua CBCT berikutnya ke CBCT pertama menggunakan strategi satu-ke-
banyak. Untuk melakukan registrasi citra non-kaku, algoritma deformasi B-spline kubik,
NiftyReg, diterapkan untuk menghasilkan bidang vektor deformasi (DVF).
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

4. Menghitung matriks Jacobian

dari DVF

A 3×3 Matriks Jacobian (|J|), yang mengandung turunan parsial orde pertama dari perpindahan,
dan determinan dari |J| dihitung dari DVFs di setiap voxel menggunakan rumus yang ditentukan
oleh Chung et al. |J| mengkodekan peregangan lokal, geser, dan rotasi. Penentu Jacobian
memberikan perubahan volumetric CBCT terdaftar relative terhadap gambar target (CBCT
pertama dalam kasus ini) di setiap voxel.

Karena perhitungan ini dilakukan pada setiap voxel, peta |J|, juga dikenal sebagai peta
Jacobian, dihasilkan. |J| > 1 menyiratkan ekspansi volume lokal, di mana |J| = 1
berarti tidak ada perubahan volume lokal, dan |J| <1 mewakili penyusutan volume lokal.
Jacobian negative menyiratkan pelipatan di lokasi voxel tertentu, dan oleh karena itu,
menunjukkan pendaftaran yang salah.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

5. Pengambilan sampel di peta

Gambar 2. Kerangka kerja untuk
Jacobian
ekstraksi dan analisis fitur Jacobian lokal.
Pertama, volume tumor kotor (GTV)
dihaluskan dan kemudian berbentuk
segitiga. Setelah itu, pusat setiap
segitiga dihitung. Untuk setiap segitiga,
titik sampel dibuat. Peta Jacobian diambil
sampelnya secara longitudinal, tegak
lurus terhadap permukaan, sejak awal
perawatan. Pada langkah 5 nilai
Jacobian sampel dinilai. Akhirnya, pohon
keputusan diterapkan untuk mengukur
perubahan local.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode Berarti |J|

dalam

6. Analisis peta Jacobian

|J| <= 0,75
0,75 < |J| < 1.20
Untuk wilayah tertentu, kontraksi yang tidak |J| >= 1.20
cukup untuk memenuhi syarat untuk regresi
Berarti |J| di luar
dan ekspansi yang tidak cukup untuk Kemajuan
Tidak ada perubahan
memenuhi syarat untuk kemajuan di dalam
diklasifikasikan sebagai tidak ada perubahan.
Ekspansi ke dalam (|J| >= 1,20) (0,75 < |J| < 1,20)
ATAU |J| >= 1.20
diklasifikasikan sebagai progresi. Penyusutan |J| <= 0,75
non-elastis diklasifikasikan dengan regresi (| Tidak elastis Elastis
J| <= 0,75) di dalam GTV dan tidak ada
perubahan (0,75 < |J| < 1,20) atau progresi (| Gambar 3. Pohon keputusan untuk menentukan mode
J| >= 1,20) di luar. Sedangkan susut elastik perubahan dalam setiap segitiga, diturunkan dari kriteria
dicirikan dengan mean |J| <= 0,75 baik di evaluasi respons pada tumor padat (RECIST) kriteria
untuk respons tumor.
dalam maupun di luar.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

7. Dampak pendaftaran gambar

yang kaku ketidakpastian

Saat melakukan registrasi gambar, ketidakpastian tidak bisa

dihindari. Ketidakpastian ini menyebabkan beberapa kesalahan
dalam nilai-nilai Jacobian sampel. Registrasi gambar kaku
ketidakpastian dilakukan dalam data simulasi. Bagian pekerjaan ini
dilakukan dalam perangkat lunak internal kami, World-Match v9.0.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

B. Metode

8. Evaluasi klinis

Membandingkan apakah mode regresi tumor berbeda antara histologi tumor yang berbeda dan
stadium Tumor, Node, Metastasis (TNM). Untuk setiap pasien, mode persentase perubahan, untuk
penyakit non-elastis, elastis, progresif, dan stabil, dihitung.

Peneliti melaporkan mode persentase total perubahan untuk setiap minggu yang dikelompokkan
berdasarkan histologi tumor untuk semua pasien bersama-sama , dan juga melaporkan persentase
mingguan untuk setiap mode perubahan untuk setiap pasien dalam Informasi Pendukung.

Akhirnya, peneliti melaporkan jumlah pasien yang menunjukkan mode perubahan dominan setiap
minggu. Eksperimen tambahan, menggunakan ambang batas 20% dan 30% untuk regresi
disediakan di Informasi Pendukung. Bagian pekerjaan ini dilakukan menggunakan MATLAB versi
R2019a dan Python versi 3.7 menggunakan paket Seaborn dan Pandas.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

C. Hasil

4. Dampak pendaftaran
1. Data Simulasi gambar yang kaku
ketidakpastian

5. Analisis peta
2. Pasien
Jacobian

3. Pendaftaran Gambar 6. Evaluasi klinis

IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI
C. Hasil

1. Data Simulasi

Gambar 4. Volume tumor (GTV) dan jaringan paru

di sekitarnya (di luar). (a) Regresi tumor non-elastis
dan (b) elastis. Kolom pertama menunjukkan peta
Jacobian untuk data simulasi yang disajikan pada
Gambar 1. Kolom kedua menunjukkan plot biola
untuk |J|. Nilai Jacobian |J| mencerminkan kontraksi
atau ekspansi jaringan lokal. Untuk non-elastis,
kuartil distribusi di dalam dan di luar saling
berjauhan. Untuk regresi tumor elastis, bentuk
keseluruhan dan distribusi ujungnya serupa untuk
bagian dalam/luar. Biola memperpanjang batas atas
dan bawah nilai Jacobian (garis hitam membentang
dari bilah), dengan titik putih sebagai median
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI
C. Hasil

2. Pasien

Dari 150 pasien, delapan pasien dikeluarkan karena perubahan paru yang
tidak terkait (atelektasis) (n=3), kualitas gambar yang tidak memadai di
mana strukturnya tidak terlihat (n=1), dan kegagalan pendaftaran gambar
yang jelas (n=4). Gambar S3 menunjukkan contoh pasien yang
dikeluarkan karena perubahan paru yang tidak terkait, yaitu atelektasis.
Akibatnya, 142 pasien tersedia untuk analisis.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

C. Hasil

3. Pendaftaran Gambar

Gambar 5. Plot biola menunjukkan hasil

simulasi; Rata-rata |J| dari semua nilai di
dalam/di luar untuk setiap mode regresi:
(a) non-elastis dan (b) elastis. Bintang
kuning dan hijau menunjukkan rata-rata
Jacobian di dalam dan di luar sebelum
menerapkan offset acak untuk setiap
mode regresi tumor.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

C. Hasil

4. Dampak pendaftaran
gambar yang kaku
ketidakpastian

Gambar 5 menunjukkan hasil ketidakpastian registrasi citra yang kaku; berarti |J| di dalam
dan di luar setelah menerapkan offset acak untuk setiap mode regresi tumor. Rata-rata
awal Jacobian di dalam dan di luar masing-masing diwakili oleh bintang kuning dan hijau.

Hasil penelitian menunjukkan bahwa ketidakpastian registrasi citra tidak mempengaruhi

nilai Jacobian sampel. Menyarankan bahwa registrasi gambar konsisten dan akurat untuk
simulasi, distribusi nilai Jacobian untuk semua simulasi ditunjukkan pada Gambar S4.
Seperti yang terlihat, pola keseluruhan tetap konsisten dan dengan demikian klasifikasi
mode perubahan tumor tidak berubah berdasarkan kriteria peneliti.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI
C. Hasil

5. Analisis peta
Jacobian

Pada pasien nyata, sebagian besar wilayah menunjukkan penyakit yang stabil pada minggu
pertama dan sebagian besar non-elastis pada minggu-minggu berikutnya. Gambar 6
menunjukkan pasien contoh histologi ADC dengan peta Jacobian dan distribusi nilai Jacobian di
dalam GTV dan paru-paru sekitarnya dari waktu ke waktu. Seperti yang terlihat pada plot biola
yang menunjukkan distribusi nilai Jacobian di daerah di dalam dan di luar GTV, pasien ini
menunjukkan penyakit yang stabil selama minggu pertama dan regresi tumor non-elastis pada
minggu-minggu berikutnya.

Secara kuantitatif semua wilayah (100%) menunjukkan penyakit stabil pada minggu ke-1;
sebagian besar wilayah (67%) adalah non-elastis di minggu 2, 73% di minggu 3, dan 83% di
minggu 4. Rata-rata Jacobian di dalam dan di luar GTV di minggu 4 adalah 0,50 dan 1, masing-
masing.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

C. Hasil

6. Evaluasi klinis

Mode persentase total perubahan dalam setiap minggu pengobatan untuk semua pasien yang
dikelompokkan berdasarkan histologi tumor. Seperti yang terlihat, sebagian besar wilayah menunjukkan
penyakit yang stabil (tidak ada perubahan) selama 2 minggu pertama pengobatan dibandingkan dengan
minggu-minggu terakhir. ASC menunjukkan penyakit yang stabil selama pengobatan. Ini bisa jadi karena
hanya dua pasien ASC yang dimasukkan dalam kohort peneliti.

Peneliti mengamati sedikit variasi dalam mode perubahan tumor antara tumor dengan histologi yang
berbeda dalam 2 minggu pertama pengobatan. Pada minggu-minggu pengobatan selanjutnya, jenis
NSCLC lainnya, LCC, dan SCC menunjukkan persentase regresi tumor non-elastis yang lebih besar
dibandingkan dengan ADC.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI
C. Hasil

Gambar 6. Contoh penderita adenokarsinoma

(non-elastis). Baris atas menunjukkan
computed tomography (CBCT) kerucut-beam di
minggu masing-masing sejak dimulainya
pengobatan dalam tampilan aksial. Kontur hijau
adalah garis besar volume tumor kotor (GTV)
dari perencanaan computed tomography (CT)
yang disebarkan pada CBCT. Baris tengah
menggambarkan peta Jacobian yang sesuai
dalam tampilan aksial. Baris ketiga
menunjukkan distribusi Jacobian di wilayah di
dalam dan di luar batas GTV. Baris terakhir
menunjukkan persentase untuk setiap mode
perubahan di setiap minggu perawatan.
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

C. Hasil

Gambar 7. Contoh karsinoma sel skuamosa (non-

elastis/sebagian elastis). Baris atas menunjukkan
tomografi komputer balok kerucut (CBCTs) di
masing-masing minggu sejak memulai
pengobatan dalam tampilan aksial. Kontur biru
adalah garis besar volume tumor kotor (GTV) dari
perencanaan computed tomography (CT) yang
disebarkan pada CBCT. Baris tengah
menggambarkan peta Jacobian yang sesuai
dalam tampilan aksial. Baris ketiga menunjukkan
distribusi Jacobian di wilayah di dalam dan di luar
batas GTV. Baris terakhir menunjukkan
persentase untuk setiap mode perubahan di
setiap minggu perawatan
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

D. Pembahasan
Gambar 8. Analisis morfometrik untuk
semua pasien. Batang mewakili mode
persentase total perubahan tumor di
setiap minggu (1, 2, 3, dan 4)
pengobatan yang dikelompokkan
berdasarkan histologi tumor. Warna
yang mewakili setiap mode perubahan
tumor ditampilkan dalam legenda.
Pasien yang termasuk dalam analisis:
22 adenokarsinoma (ADC), 61
karsinoma sel skuamosa (SCC), 33
LAIN (jenis NSCLC lainnya), dua
karsinoma adenosquamous (ASC), dan
dua karsinoma sel besar (LCC).
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

D. Pembahasan

Gambar 9. Jumlah pasien yang mengkarakterisasi berbagai mode tumor berubah selama 4
minggu pengobatan
IDENTIFIKASI MODE REGRESI TUMOR PADA PASIEN KANKER PARU-PARU
NON-SEL KECIL SELAMA RADIOTERAPI

E. Kesimpulan

- Lokasi yang berbeda dari tumor paru-paru berubah dengan cara yang berbeda.
- Perubahan ini dari waktu ke waktu sambil mempertahankan informasi spasial
tentang tumor.
- Karena heterogenitas respons di sekitar lingkungan tumor, pertimbangan yang
cermat harus diambil ketika mengadaptasi margin pengobatan untuk menghindari
dosis penyakit mikroskopis yang terlalu rendah.
- hasil kami mendukung analisis lebih lanjut yang mengeksplorasi modalitas
pencitraan dengan kualitas gambar yang lebih baik untuk mengidentifikasi mode
regresi tumor pada pasien NSCLC
THANK YOU