ANALISIS PENGARUH KETIDAKHOMOGENAN FANTOM TERHADAP DISTRIBUSI DOSIS ELEKTRON MENGGUNAKAN SIMULASI MONTE CARLO

Informasi Artikel

Penulis: Daniel Gibbor Gaspersz (Universitas Matana, Indonesia), Josua Timotius Manik (Universitas Matana, Indonesia)

DOI: 10.46918/karst.v7i2.2241

Kata Kunci

• berkas elektron
• fantom tidak homogen
• Monte Carlo

Abstrak

Penggunaan fantom homogen dalam kalibrasi LINAC merupakan standar dalam radioterapi. Namun, fantom homogen tidak dapat secara akurat merepresentasikan kompleksitas tubuh manusia. Penelitian ini dilakukan untuk melakukan simulasi Monte Carlo iradiasi berkas elektron pada fantom tidak homogen dan kemudian membandingkan nilai distribusi dosis yang dihasilkan, dalam bentuk PDD, dengan nilai PDD yang diperoleh dari fantom homogen. Iradiasi dilakukan dengan berkas elektron 6,6 MeV pada fantom tidak homogen yang menyerupai tubuh manusia. Ditemukan bahwa terdapat perbedaan signifikan antara nilai R100 dan R50 dari fantom tidak homogen dibandingkan dengan fantom air homogen. Nilai R100 dari fantom tidak homogen berbeda sebesar 53,33% dibandingkan fantom homogen, sedangkan nilai R50 berbeda sebesar 41,07%. Hal ini menunjukkan pengaruh interaksi berkas elektron dengan fantom tidak homogen terhadap distribusi dosis yang dihasilkan. Pada kurva PDD, diamati bahwa berkas elektron yang melewati medium tidak homogen mengalami kehilangan energi kinetik yang lebih besar dibandingkan medium homogen. Ditemukan bahwa terdapat perbedaan signifikan antara nilai PDD yang dihasilkan pada fantom tidak homogen dibandingkan dengan fantom homogen.

Referensi

1. BAPETEN. (2013). Peraturan Kepala Badan Pengawas Tenaga Nuklir Nomor 3 Tahun 2013 tentang Keselamatan Radiasi Dalam Penggunaan Radioterapi. Indonesia.
2. Berger, M., Coursey, J., Zucker, M., & Chang, J. (2017). Stopping-Power & Range Tables for Electrons, Protons, and Helium Ions. NIST Physical Measurement Laboratory.
3. Chang, W., Koba, Y., Furuta, T., Yonai, S., Hashimoto, S., Matsumoto, S., & Sato, T. (2021). Technical Note: validation of a material assignment method for a retrospective study of carbon-ion radiotherapy using Monte Carlo simulation. Journal of Radiation Research, 62(5), 846-855.
4. Cheraghian, M., Pourfallah, T., Sabouri-Dodaran, A. A., & Gholami, M. (2022). Calculation of photoneutron contamination of Varian linac with new target in tissue equivalent phantom using Monte Carlo simulation. Journal of Basic Research in Medical Sciences, 9(3), 31-41.
5. Chetty, I. J., Curran, B., Cygler, J. E., DeMarco, J. J., Ezzell, G., Faddegon, B. A., . . . Siebers, J. V. (2007). Report of the AAPM Task Group No. 105: Issues associated with clinical implementation of Monte Carlo-based photon and electron external beam treatment planning. Medical Physics, 34(12).
6. Evans, M. D. (2005). Computerized Treatment Planning Systems for External Photon Beam Radiotherapy. Dalam E. B. Podgorsak, Radiation Oncology Physics: A Handbook for Teachers and Students (hal. 387-406). Wina: IAEA.
7. Fielding, A. L. (2023). Monte-Carlo techniques for radiotherapy applications I: introduction and overview of different Monte Carlo codes. Journal of Radiotherapy in Practice, 22, 1-6.
8. Furuta, T., & Sato, T. (2021). Medical application of particle and heavy ion transport code system PHITS. Radiological Physics and Technology, 14(3), 215-225.
9. Ivana, H. (2023). Analisis Kurva Persentase Dosis Kedalaman dan Profil Dosis Berkas Elektron 8, 12, Dan 15 MEV Menggunakan Simulasi Monte Carlo. Matana University, Program Studi Fisika. Tangerang: Matana University.
10. Jang, K. W., Lee, M., Lim, H., Kang, S. K., Lee, S. J., Kim, S. H., . . . Jeong, D. H. (2020). Monte Carlo Simulation of an Electron Irradiation Device for Medical Application of an Electron Linear Accelerator. Journal of the Korean Physical Society, 76(7), 588-591.
11. Khan, F. M., & Gibbons, J. P. (2014). Khan's The Physics of Radiation Therapy (5th ed.). Philadelphia: Lippincott Williams & Wilkins.
12. Kholghi, N., Pouladian, M., & Monfared, A. S. (2022). Evaluating the accuracy of electron pencil beam dosimetry based on Monte Carlo simulations using homogeneous and heterogeneous phantoms. Informatics in Medicine Unlocked, 31.
13. Manik, J. T., Okselia, A., Gaspersz, D. G., & Haryanto, F. (2023). Validation of Varian Clinac iX Model on 6 MV Photon Beam Using Fast Monte Carlo Simulation. Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, 9(4), 951-958.
14. Onizuka, R., Araki, F., Ohno, T., Nakaguchi, Y., Kai, Y., Tomiyama, Y., & Hioki, K. (2016). Accuracy of dose calculation algorithms for virtual heterogeneous phantoms and intensitymodulated radiation therapy in the head and neck. Radiol Phys Technol., 9(1), 77-87.
15. Podgorsak, E. B. (2005). Basic Radiation Physics. Dalam E. B. Podgorsak, Radiation Oncology Physics: A Handbook for Teachers and Students (hal. 1-44). Wina: IAEA.
16. Podgorsak, E. B. (2005). Treatment Machines for External Beam Radiotherapy. Dalam E. Podgorsak, Radiation Oncology Physics: A Handbook for Teachers and Students (hal. 123-160). Wina: IAEA.
17. Putha, S. K., Lobo, D., Raghavendra, H., Srinvias, C., Banerjee, S., Athiyamaan, M. S., . . . Krishna, A. (2022). Evaluation of Inhomogeneity Correction Performed by Radiotherapy Treatment Planning System. Asian Pacific Journal of Cancer Prevention, 23(12), 4155-4162.
18. Sato, T., Niita, K., Matsuda, N., Hashimoto, S., Iwamoto, Y., Furuta, T., & Sihver, L. (2014). Overview of particle and heavy ion transport code system PHITS. Annals of Nuclear Energy, 82, 110-111.
19. Strydom, W., Parker, W., & Olivares, M. (2005). Electron Beams: Physical and Clinical Aspects. Dalam E. B. Podgorsak, Radiation Oncology Physics: A Handbook for Teachers and Students (hal. 273-299). Wina: IAEA.
20. WHO. (2022). Cancer. World Health Organization.
21. Zabihzadeh, M., Ghahremani, Z., Hoseini, S. M., Shahbazian, H., & Ghahfarokhi, M. H. (2020). Effect of lung inhomogeneity on dose distribution during radiotherapy of patient with lung cancer. International Journal of Radiation Research, 18(3), 579-586.