Eclipse中的新工具 —— MCO多重标准优化与GPU | Varian

Eclipse中的新工具 —— MCO多重标准优化与GPU

Eclipse中的新工具——MCO多重标准优化与GPU

导读

 

在Varian最新版的Eclipse15.5中,引入了两个重要的功能,一是支持GPU对剂量的优化和计算进行加速,从而提高了计划设计的速度;二是支持多重标准优化(Multiple-criteria Optimization, MCO)功能,在GPU的支持下,可以得到多达几十个计划组成的“计划库”供医生取舍,以提升计划设计和审核的效率。

北京大学肿瘤医院是Eclipse15.5的最早的使用者之一,目前已基于Eclipse15.5的临床应用积累了宝贵的经验,在本文中,吴昊主任分享了对于MCO(多重标准优化)和GPU的使用体会。

MCO能做什么?

 

在临床实践中,放射肿瘤医师往往需要在多个治疗计划中取舍决定最终的治疗方案,例如,某一个危及器官的剂量是否可以降低一些?或者某一靶区的覆盖率是否可以更高一些?对于这些需求,往往需要物理师和医师反复的修改和确定。在Eclipse15.5中,MCO可以得到多个计划组成的“计划库”, 意味着More Choice Onsite,这样一来,物理师和医生只要通过“一次”讨论就可以决定当前患者的治疗方案,不需要反复沟通和审核,提高了计划设计的效率。

Eclipse中的新工具——MCO多重标准优化与GPU

图1 通常计划设计的审核需要不断地调整,MCO可以同时生成多个计划供医生选择,因此避免了上述反复调整的过程

Varian的MCO是怎么做的?

 

Varian MCO是在Chirstian等人的论文基础上开发,基本原理是首先生成一个平衡计划(Balanced Plan),假设该计划已经达到帕累托最优(Pareto Optimal),就是说,如果我们要改善任何一个优化目标,势必要以其他优化目标变差为代价。MCO在此平衡计划的基础上,生成了多达几十个计划组成的计划库。

Eclipse中的新工具——MCO多重标准优化与GPU

图2 MCO示意图,在一个平衡计划(比如,通过手动或RapidPlan得到)基础上优化计算得到多个计划

使用MCO选择最适合的计划

 

Eclipse中的新工具——MCO多重标准优化与GPU

▲ 案例(一)

这是一例鼻咽癌患者。我们通过MCO来在计划库中进行选择,通过滑块的移动来选择脊髓剂量,我们可以看到,在滑块移动的时候,所有的其他滑块显示的“绿色”,表明危及器官和靶区的剂量情况都在变好,这说明最初的计划并不够好,MCO可以帮助你找到更好的一个计划。

Eclipse中的新工具——MCO多重标准优化与GPU

▲ 案例(二)

第二个例子我们可以看到,我们拖动鼠标滑块来“压”脊髓时,其他危及器官和靶区的剂量变化较小,靶区的剂量稍微低了一些,看起来影响较小,但是我们要注意考虑其他可能受到影响的评估因素(未能在MCO中显示的因素),比如在这个案例里,靶区的适形指数也会下降。

Eclipse中的新工具——MCO多重标准优化与GPU

▲ 案例三

第三个例子,在这个例子里移动任何一个滑块,其他器官或靶区的剂量都会变差,这说明该计划已经是“鱼和熊掌,不可兼得”的博弈状态,这是就需要根据患者综合诊断情况选择最有利于患者的个体化计划方案。

MCO背后的算力基础:GPU

 

MCO计算可供选择的“计划库”需要大量的计算能力,一次计算往往要优化十几个到多达几十个计划,这时候需要GPU的支持,GPU和CPU有各自的优势:CPU是通用计算,而GPU是专用计算,CPU像是一位老教授,能力很强但是数量很少,GPU像是学生,能力简单但优势在于人多,可以同时对一个任务进行并行计算。

Eclipse中的新工具——MCO多重标准优化与GPU

▲ GPU与CPU架构的不同

GPU与CPU的速度对比

 

那么GPU和CPU的计算速度差异多大呢?下面通过一个双弧的NPC(T3N3M0) VMAT计划来比较一下剂量计算的速度。我们对比了Eclipse13.6与15.5两个版本的差异,算法采用Acuros XB(2.5mm计算分辨率),结果如下:

Eclipse中的新工具——MCO多重标准优化与GPU

▲ 内部测试结果,基于GPU的计算时间可以在几十秒内完成

可以看到,针对本病例来说,在GPU的加速下,Eclipse可以在35秒内完成计算,如果我们查看一下CPU和GPU的运行状态,可以看到在15.5中,Eclipse可以将CPU和GPU的性能发挥得更好,计算资源利用率更高。

更快的优化和计算速度,也意味着在同等时间内,物理师可以尝试更多的可能性,比如利用MCO模块探索更多的选择方案。

结论

 

新版Eclipse引入了MCO和GPU这两个工具,GPU可以加速计划设计的剂量优化和计算流程,同时加速了MCO的计划库的计算过程。MCO可以生成多个计划组成的计划库,帮助物理师和临床医生快速取舍备选计划,摆脱反复审核和修改计划的泥潭,对于计划经验有限的物理师,MCO的出现也会帮助他们快速进步,MCO可以指出计划值得改进的地方在哪里,那些可能更好的方案在哪里。这两个工具对于放射治疗计划设计流程的优化和质量的提升有着重要意义。