Un proceso innovador para la optimización automatizada eficiente de la planificación basada en el conocimiento (KBP)

Área de la Ciencia:

• Física médica
• Radiología Oncológica
• Biología computacional

Sus antecedentes:

• La planificación del tratamiento de radioterapia requiere mucha mano de obra y requiere ajustes expertos.
• La automatización y la inteligencia artificial (IA) son prometedoras para agilizar la planificación.
• Los métodos existentes necesitan un mayor perfeccionamiento en cuanto a precisión y eficiencia.

Objetivo del estudio:

• Desarrollar un enfoque automatizado de planificación del tratamiento IMRT utilizando la optimización matemática.
• Introducir dos nuevas técnicas de reducción para mejorar la eficiencia computacional.
• Evaluar la calidad del plan y el ahorro de tiempo de los métodos propuestos.

Principales métodos:

• Aplicado QuadLin y su modelo revisado para el ajuste automático de peso en la optimización del tratamiento.
• Desarrolló el algoritmo SVSIDB para el agrupamiento de voxel basado en conceptos de beamlet.
• Utilizó la técnica ABC-K-Means para el agrupamiento de voxel.
• Probado en 30 conjuntos de datos de pacientes con cáncer de cabeza y cuello de Open-KBP.
• Evaluado utilizando MATLAB y el solucionador Mosek dentro del marco CVX.

Principales resultados:

• Las pesas automáticas QuadLin lograron una calidad de plano comparable a las asignaciones manuales.
• Los planes automáticos mejoraron la satisfacción de los criterios clínicos en más del 21% en comparación con la dosis prevista.
• SVSIDB redujo el tiempo de resolución en ~ 50% al tiempo que preservó la calidad del plan.
• SVSIDB logró un índice de satisfacción de los criterios clínicos del 81,3%, superando las medias ABC-K.
• ABC-K-Means demostró una eficiencia de ahorro de tiempo comparable a la SVSIDB.

Conclusiones:

• Desarrolló un marco automatizado de KBP y una técnica eficiente de reducción de personal (SVSIDB).
• Los pesos automatizados mantuvieron la calidad del plan de tratamiento, que difiere de los ajustes manuales.
• SVSIDB mejoró el índice de calidad en un 12% con respecto a estudios anteriores.
• La tubería SVSIDB-QuadLin redujo el tiempo de resolución y mejoró la calidad del plan en comparación con los modelos de datos completos.