为了快速实施基于知识的放射治疗规划模型,自动化评估.

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 计算生物学 计算生物学

背景情况:

• 基于知识的规划 (KBP) 提高了治疗计划的质量,并通过利用先前计划的数据来减少变化.
• 越来越多的临床采用KBP需要强大的定量方法来评估其性能.
• 变量RapidPlan模型被广泛使用,需要有效的工具来分析它们.

研究的目的:

• 介绍RapidCompare,这是一个用于自动创建和分析Varian RapidPlan模型的.NET应用程序.
• 量化评估不同KBP优化策略的性能.
• 为了证明RapidCompare在评估KBP模型有效性的实用性.

主要方法:

• 快速比较是为了处理计算参数和参考计划,自动化计划生成和剂量-体积指标评估而开发的.
• 使用85名患者 (50名培训,10名测试,25名验证) 的队列来证明RapidCompare的功能.
• 在验证队列中,使用一致的规划目标体积约束,比较了三个优化模板 (DVH,固定剂量/体积,gEUD).

主要成果:

• 快速比较自动生成75个治疗计划,使用最小的手动输入.
• "线条"优化模板在改善DVH指标方面比"剂量/体积"略有优势,特别是减少心脏V30Gy和脊髓最大剂量.
• 一般化等效均剂量 (gEUD) 优化模型导致了显著的目标体积异质性.

结论:

• 使用RapidCompare的自动评估使得在比手工方法允许的更大的队列中评估多个优化模板成为可能.
• 采用线路优化目标的KBP模型在没有手动调整的情况下产生了优越的计划质量.
• 该研究强调了自动化工具对于严格的KBP模型验证和优化的潜力.