İdari ve Hukuki Neticeler

Vetor PR-1 FR-1 PR-0 FR-0 DFP BFGS 1 0 0

N C

0 0

N C

2 0 0 0 0 3 0 0 1 0 4 0 0 0 0 5 0 0 0 0 6 0 0 0 0 7 0 0 0 0 8 0 0 0 0 9 0 0 0 0 10 0 0 1 0 11 0 0

N C

0 12 0 0

N C

13

N C

0 14

N C

Tabela A.15: Caso 10- Estratégia S

Vetor PR-1 FR-1 PR-0 FR-0 DFP BFGS 1

N C

0 0 0 0

N C

2 1 1 1

N C

3 0

N C

0 4 0 0 5 0 0 6 1 1 7 0 0 8 0

N C

9 0 10 0 11

N C

Testes om o método Simplex revisado

Emtodos ostestes ini iou-se a omposição das restrições dos PPLsutilizandoapenas

um ponto de ada estrutura anatmi a onsiderada. No aso do tumor, este úni o

ponto orresponde àquele que está mais exposto à ação da radiação, ou seja, é o que

está globalmente mais próximo às posições de parada. Para as estruturas normais,

este úni o ponto orresponde àquele que está globalmente mais distante das posições

de parada, estando mais resguardado da ação radioativa. Supondo um aso ujas

estruturas em onsideração sejam o tumor e um órgão, por exemplo, neste primeiro

momentooPPL onteráapenasduasrestrições: umaformadapelopontomaisexposto

do tumor e uma outra referente ao ponto mais resguardado do órgão. Formadas as

restrições, o PPL é submetido ao Simplex e, aso o PPL seja viável, os valores das

posiçõesde paradaretornadossãoempregadosparao ál ulodos DVHs dasestruturas

anatmi as. Opro edimentoérepetido in rementando-se o númerode pontos de uma

unidade, até que se obtenha um PPL inviável. Se o número de pontos ontinuar a ser

in rementado, todos osPPLs subseqüentes serão inviáveis.

B.1 Caso 6

Conforme ilustramos grá os do aso

6

(ver guras 4.46 e 4.47), a uretra está sendo mais afetada pela radiaçãoque o orpo. Considerando-se então um pontodo tumor e

umpontodauretrana onstruçãodasrestriçõesdoPPL,obteve-se

98.3%

dotumor om doseabaixodoníveldesejávele

0%

dauretra omdosea imadonívelre omendado. O últimoPPLviávelfoiobtidoutilizando-se

168

pontos,resultando em

51.2%

dovolume dotumor om dose abaixo donível re omendado e

23%

da uretra om dose a ima do nívelpres rito.

B.2 Caso 7

Pelosgrá osexibidosnasgurasdo aso

7

(verguras4.48e4.49),podeserobservado que a uretra é o órgão uja proteção mais onita om o ombate ao tumor. Deste

modo, foram onsideradas apenas essas duas estruturas para ompor as restrições do

PPL.Com o emprego de um ponto porestrutura, foiobtido

99%

e

0%

do tumore da uretra omdoses,respe tivamente,abaixoea imadosníveisre omendados. Obteve-se

o último PPL viável utilizando-se

175

pontos das estruturas e o resultado retornado apresentou

73.3%

do volume tumoral abaixo da dose mínima e

43.1%

da uretra om dose a imado nível re omendado.

B.3 Caso 8

Nosgrá osdassoluçõesdo aso

8

(verguras4.50,4.51e4.52),asestruturasnormais estão empatadas, todas tendo

0%

de volume om dose a ima da re omendada. Por- tanto,ini ialmenteforam onsideradosospontosde todas asestruturas na omposição

das restrições do PPL.Utilizando apenas um ponto porestrutura, obteve-se

100%

do volume tumoral om dose abaixodopres rito e

0%

de volume a imadonívelpres rito paraas demaisestruturas. Aumentando-se o númerode pontos, notou-se quea uretra

eraoórgãomaisafetadoeporissopassou-sea onsiderarapenaspontosdamesmaedo

tumornasrestriçõesdoPPL.OúltimoPPLviávelfoiobtidoquandoeramempregados

121

pontos por estrutura, tendo omo resultado

79%

do tumor e

59%

da uretra om doses,respe tivamente, abaixo ea ima do re omendado.

B.4 Caso 9

A di uldade de solução do aso 9 deve-se prin ipalmente ao onito existente entre

ombater o tumore proteger auretra, sendoas demaisestruturas menos afetadas que

esta última(ver guras 4.53, 4.54 e 4.55). Desta forma, o teste om o aso 9 relevou

apenas o tumor e a uretra. Na primeira exe ução, obteve-se uma fração de

99.8%

do tumorabaixo dadose re omendada e

0%

dauretra omdose a ima donívelpres rito. O número de pontos utilizados pde ser in rementado até

166

, isto é, as restrições utilizaram os

166

pontos mais expostos do tumor e os

166

pontos mais resguardados da uretra, resultando em

77.4%

do tumor om dose abaixo do pres rito e

42.67%

da uretra om dose a ima donívelre omendado.

B.5 Caso 10

Observando os grá os das soluções do aso 10 (ver guras 4.56, 4.57, 4.58 e 4.59),

per ebe-se que todas as estruturas normais estão om o mesmo volume de

0%

om dosea imadare omendada. Portanto,ini ialmentefoine essário onsiderarospontos

de todas as estruturas na omposição das restrições do PPL. Utilizando apenas um

pontoporestrutura, obteve-se

99.8%

dovolume tumoral om dose abaixodapres rita e

0%

de volume a ima do nível pres rito para as demais estruturas. Com o aumento do número de pontos, foi observado que a uretra era o órgão mais atingido e por

isso passou-se a onsiderar apenas pontos deste órgão e do tumor na omposição das

restrições. O último PPL viável foi obtido quando eram empregados

166

pontos por estruturaeoresultadoindi ou

68.6%

dovolumetumorale

43.33%

dauretra omdoses, respe tivamente, abaixo e a imado nível re omendado.

[Byrd etal.,1995℄ Byrd, R. H., Lu, P., No edal, J. (1995). A limited memory algo-

rithmforbound onstrainedoptimization.SIAMJournalonS ienti andStatisti al

Computing , 5(16):11901208.

[Debet al.,2000℄ Deb,K., Agrawal,S., Pratap,A., Meyarivan, T. (2000). A fastand

elitist multiobje tive geneti algorithm: NSGA-II. Te hni al Report 20001, Indian

InstituteifTe hnology,Kanpur,KanpurGeneti AlgorithmsLaboratory(KanGAL).

[Einstein,2000℄ Hospital Israelita Albert Einstein. (2000). O

que vo ê pre isa saber sobre braquiterapia. Disponível em:

http://www.einstein .br/web_on ologia/pdf/braquiterapia.pdf. A esso em: 20 nov.

2005.

[Elbern, 2002a℄ Elbern, A. (2002a). Noções Bási as de Radioterapia - 1. Notas de

aula. Disponívelem: http://www.prorad. om.br/pro/Radioterapia-1.pdf.A esso em:

17ago. 2004.

[Elbern, 2002b℄ Elbern, A. (2002b). Noções Bási as de Radioterapia - 2. Notas de

aula. Disponívelem: http://www.prorad. om.br/pro/Radioterapia-2.pdf.A esso em:

17ago. 2004.

[Goldbarg eGoldbarg, 2002℄ Goldbarg, M. C. e Goldbarg, E. F. G. (2002). Trans-

genéti a omputa ional: uma apli ação ao problema quadráti o de alo ação.

Pesquisa Opera ional ,22(3):359386.

[Goldbarg etal.,1999℄ Goldbarg, M. C., Ri ardo, P. M. F., Luna, H. P. L. (1999).

Virus infe tions for a eleration of geneti algorithms: an introdu tory study. In

Pro eedings of the Third Metaheuristi s International Conferen e, pages229233.

[Gouvêa, 2001℄ Gouvêa, E. F. (2001). Transgenéti a omputa ional: Um estudo algo-

rítmi o. Tese de Doutorado,ProgramadeEngenharia daProdução,COPPE-UFRJ,

[INCA, 2001℄ Instituto Na ional de Cân er - Ministério

da Saúde. Tudo sobre o ân er. 2001. Disponível em:

http://virtualbooks.terra. om.br/saude/saude_arquivos/tudosobreo an er0002.zip.

A esso em: 21nov. 2005.

[INCA, 2005a℄ Instituto Na ional de Cân er - Ministério da Saúde. Estimativa 2006:

In idên ia de ân er no Brasil. Rio de Janeiro: INCA, 2005. Disponível em:

http://www.in a.gov.br/estimativa/2006/versaonal.pdf.A esso em: 21nov. 2005.

[INCA, 2005b℄ Instituto Na ional de Cân er - Ministério da Saúde. Radioterapia.

Disponível em: http://www.in a.gov.br/ onteudo_view.asp?ID=100. A esso em:

11ago. 2004.

[IRadioterapia,2004℄ IRadioterapia (2004).Radioterapia&On ologia.Disponívelem

http://www.iradioterapia. om. A esso em: 12ago. 2004.

[Kemmereret al.,2000℄ Kemmerer, T., Lahanas, M., Baltas, D., Zamboglou, N.

(2000). DVH omputation omparisons using onventional methods and optimized

t algorithms for bra hytherapy. Medi al Physi s, 27(10):23432345.

[Kubota et al.,1996℄ Kubota, N., Shimojima, K., Fukada, T. (1996). Virus-

evolutionary geneti algorithm  oevolution of planar grid model. In Pro eedings

of the Fifth IEEE International Conferen e on Fuzzy Systems (FUZZIEEE '96), 1:

232238,New Orleans,LA, 8.-11. September.

[Lahanase Baltas,2003℄ Lahanas,M.,Baltas,D. (2003). Aredose al ulationsduring

dose optimization inbra hytherapy ne essary? Medi al Physi s, 30(9):23682375.

[Lahanasetal., 2003a℄ Lahanas,M.,Baltas,D.,Giannouli,S.(2003a). Global onver-

gen eanalysisoffastmultiobje tivegradientbaseddoseoptimizationalgorithmsfor

high dose rate bra hytherapy. Physi s in Medi ine and Biology , 48:599617.

[Lahanasetal., 2000℄ Lahanas, M., Baltas, D., Mili kovi , N., Giannouli, S., Zam-

boglou, N. (2000). Generation of uniformly distributed dose points for anatomy-

based-three-dimensional dose optimization in bra hytherapy. Medi al Physi s,

27(5):10341046.

[Lahanasetal., 1999℄ Lahanas,M.,Baltas,D.,Zamboglou,N.(1999).Anatomy-based

three-dimensional dose optimization in bra hytherapy using multiobje tive geneti

algorithms. Medi al Physi s, 26(9):19041918.

[Lahanasetal., 2003b℄ Lahanas, M., Baltas, D., Zamboglou, N. (2003b). A hybrid

evolutionaryalgorithmformulti-obje tiveanatomy-baseddoseoptimizationinhigh-

[Lahanasetal., 2004℄ Lahanas,M., Karouzakis, K., Giannouli, S., Mould, R., Baltas,

D.(2004). Inverseplanninginbra hytherapy: Radiumtohighdoserate 192iridium

afterloading. Nowotwory Journal of On ology , 54(3):195316.

[Lessarde Pouliot, 2001℄ Lessard, E., Pouliot, J. (2001). Inverse planning anatomy-

based dose optimization for hdr-bra hytherapy of the prostate using fast simulated

annealing algorithm and dedi ated obje tive fun tion. Med. Phys. , 28(5):7739.

[Liue No edal, 1989℄ Liu,D.,No edal,J.(1989).Onthelimitedmemorybfgsmethod

for large s ale optimization. Mathemati al Programming , 45:50328.

[MedCom, 2005℄ MedCom(2005).http://www.med om-online.de/.A essoem: 21nov.

2005.

[Mili kovi et al.,2002℄ Mili kovi , N., Lahanas, M., Papagiannopoulou, M., Baltas,

D., Zamboglou,N. (2002). Multiobje tiveanatomy-based dose optimizationforhdr

bra hytherapy with onstrained free deterministi algorithms. Physi s in Medi ine

and Biology , 47:22632280.

[Mili kovi et al.,2001℄ Mili kovi , N., Lahanas, M., Papagiannopoulou, M., Baltas,

D., Zamboglou,N.,Karouzakis, K.(2001). Appli ationofmultiobje tivegeneti al-

gorithms inanatomy based dose optimization in bra hytherapy and its omparison

with deterministi algorithms. In Giannakoglou,K.C., Tsahalis, D. T., Périaux, J.,

Papailiou, K. D., Fogarty, T., editors, Evolutionary Methods for Design Optimiza-

tion and Control with Appli ations to Industrial Problems, pages 293298, Athens,

Gree e. International Center for Numeri alMethodsin Engineering (Cmine).

[Nu letron, 2005℄ Nu letron(2005).Nu letron- improvingpatient are

T M

.Disponível

em: http://www.nu letron. om/.A esso em: 21nov. 2005.

[Plato,2005℄ PLATO (2005). PLATO Bra hytherapy. Disponível em:

https://www.nu letron. om/ ontent/ContentPage.aspx? pid=146&app=Content .

A esso em: 21nov. 2005.

[Mathemati s,2005℄ IPM - S hool of Mathemati s. (2005). Un onstrained optimiza-

tion. Disponível em: http://math.ipm.a .ir/s /proglib.htm . A esso em: 12 mar.

2005.

[Pi-Medi al,2005a℄ Pi-Medi al(2005a).http://www.pi-m edi al.gr .A esso em: 21nov.

2005.

[Pi-Medi al,2005b℄ Pi-Medi al (2005b). Swift - a revolutionary new on ept for hdr

prostate treatment.Disponívelem: http://www.pi-m edi al.gr/swift.html.A essoem:

[Sloboda, 1992℄ Sloboda, R. S. (1992). Optimization of bra hytherapy dose distribu-

tions by simulated annealing. Medi al Physi s, 19:955964.

[Szu eHartley, 1987℄ SZU, H., Hartley, R. (1987). Fast simulated annealing. Physi s

Letters A, 122(3,4).

[Zhu et al.,1997℄ Zhu, C., Byrd, R. H., No edal, J. (1997). L-BFGS-B: Algorithm

778: L-BFGS-B,FORTRANroutinesforlarges alebound onstrainedoptimization.

Belgede II. Kılıçarslan'ın çocukları arasındaki mücadeleler ve bu mücadelelerin neticeleri (sayfa 97-114)