Torres VA, Alfonso LR, Rivero OJJ

Idioma: Español
Referencias bibliográficas: 13
Paginas: 232-242
Archivo PDF: 625.32 Kb.

RESUMEN

Fundamento: el procesamiento de imágenes es clave en la planificación de tratamientos de radioterapia con haces externos. En su ejecución pueden ocurrir errores humanos y fallos de equipos, que conllevan, entre otros efectos, a interpretaciones erróneas de imágenes diagnósticas, errores de contorneo de blancos, sobredosis a tejidos sanos o subdosis a tejidos tumorales, lo cual significa poner en riesgo a los pacientes sometidos a estas prácticas.
Objetivo: caracterizar los riesgos asociados a los factores tecnológicos y humanos relacionados con el procesamiento de imágenes que pueden afectar a los pacientes sometidos a tratamientos de radioterapia con haces externos.
Métodos: como base de estudio se empleó la práctica de radioterapia de intensidad modulada. Para caracterizar los iniciadores y las medidas de defensa relacionados con este procesamiento, se emplearon modelos de riesgo basados en análisis de modos y efectos de fallo y matriz de riesgo de la práctica de referencia, que fueron procesados con el software SECURE-MR-FMEA.
Resultados: los análisis de sensibilidad sobre los modelos de radioterapia de intensidad modulada mostraron los efectos sobre el riesgo de los fallos asociados al procesamiento de imágenes.
Conclusiones: se confirmó la importancia de aplicar el análisis de riesgo en el procesamiento de imágenes para elevar la seguridad de los pacientes durante los tratamientos de radioterapia con haces externos.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Klein E, Hanley J, Bayouth J, Yin F, Simon W, Dresser S, et al. Task Group 142 QA of Medical Accelerators. Med Phys. 2009;36(9):4198-4212.

2. Manterola A, Romero P, Asín G, Rico M, Sola A, Vila MT. Aplicación clínica de la radioterapia de intensidad modulada. Anales Sis San Navarra. 2009;32(2):21-30.

3. Segedin B, Petric P. Uncertainties in target volume delineation in radiotherapy- are they relevant and what can we do about them? Radiol Oncol. 2016;50(3):254-8.

4. Contreras J, Herruzo I. Radioterapia conformada en tres dimensiones con intensidad modulada (IMRT). Nuevas estrategias en tumores de cabeza y cuello. Oncología. 2004; 27(1):16-8.

5. Organismo Internacional de Energía Atómica. Aplicación del método de la matriz de riesgo a la radioterapia. IAEA-TECDOC 1685 Series[Internet]. Viena: OIEA; 2012 [citado 07/12/2021]. Disponible en: Disponible en: https://www.foroiberam.org/documents/193375/e1d00423-9958-4da0-b70b-4e48d77c9b66 5.

6. Torres Valle A, Rivero Oliva J, Montes de Oca J, Martí Villarreal O, Gutiérrez Navaro J. Monitoreo dinámico de riesgo empleando matriz de riesgo en prácticas médicas con radiaciones ionizantes. Nucleus. 2016;59:29-35.

7. Saiful Huq M, Fraass B, Dunscombe PB, Gibbons JP. The report of Task Group 100 of the AAPM: application of risk analysis methods to radiation therapy quality management. Med Phys. 2016;43(7):4209-53.

8. Perera Pintado A, Torres Aroche LA, Vergara Gil A, Batista Cuéllar JF, Prats Capote A. SPECT/CT: principales aplicaciones en la medicina nuclear. Nucleus. 2017;62:2-7.

9. Boon IA, Yong T, Boon Ch. Assessing the Role of Artificial Intelligence (AI) in Clinical Oncology: Utility of Machine Learning in Radiotherapy Target Volume Delineation. Medicines (Basel). 2018;5(4):131.

10. Pallardy A, Rousseau C, Labbe C, Liberge R, Bodet-Millen C, Kraere Bodere F, et al. Incidental findings suggestive of COVID-19 in asymptomatic cancer patients undergoing 18F-FDG PET/CT in a low prevalence region. Eur J Nucl Med Mol Imaging. 2020;48:1-6.

11. Qin C, Liu F, Yen TC, Lan X. 18F-FDG PET/CT findings of COVID-19: a series of four highly suspected cases. Eur J Nucl Med Mol Imaging. 2020;47(5):1281-6.

12. Ford E, Evans S. Incident learning in radiation oncology: A review. Med Phys. 2018;45(5):e100-e19.

13. Torres Valle A, Amador Balbona ZH, Alfonso Laguardia R, Elías Hardi LE. SECURE-MR-FMEA código cubano para análisis integral de riesgo de prácticas con radiaciones ionizantes. Nucleus. 2021;69:44-8.