评估帕雷托最佳权衡,以避免海马,以知识为基础的多重标准优化全脑放射治疗
Tsegawbizu Gebru1, Kirk Luca2, Jonathan Wolf3
1Medical Dosimetry Program, Southern Illinois University, Carbondale, IL, USA.
概括
这项研究探讨了全脑放射治疗的权衡,发现多标准优化 (MCO) 有效地平衡了目标覆盖和海马节省,尽管剂量减少有限制.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 治疗计划 治疗计划
背景情况:
- 避开海马全脑放射疗法 (HA-WBRT) 对于最小化认知副作用至关重要.
- 基于知识的多标准优化 (MCO) 为复杂的治疗规划权衡提供了潜力.
研究的目的:
- 在使用MCO的HA-WBRT中研究计划目标体积 (PTV) 覆盖和海马节省之间的帕雷托最佳权衡.
- 评估MCO在生成不同覆盖范围和剂量对有风险的器官的计划中的有效性.
主要方法:
- 十个临床HA-WBRT VMAT病例使用内部RapidPlan模型重新规划.
- 多标准优化 (MCO) 每个案例生成四个帕雷托最佳计划,调整PTV Dmin和海马体Dmax.
- 使用一向ANOVA和盖塞-温室调整进行了统计分析.
主要成果:
- 降低的PTV覆盖率与降低的海马体剂量相关,而增加的覆盖率提高了PTV D98%.
- 在PTV覆盖和海马体剂量指标 (p < 0.0026) 的权衡计划中观察到统计学上显著的差异.
- 巴雷托最佳计划显示,在降低海马剂量超过一定值方面存在局限性.
结论:
- 在HA-WBRT中,MCO有效地在PTV覆盖和海马体剂量之间的权衡中进行导航.
- 该研究为优化使用MCO的HA-WBRT计划提供了有价值的数据,突出了可实现的限制.
- 可能需要对MCO接口进行进一步的改进,以更好地反映计划的可实现性.
