通过使用三维剂量学特征来改善辐射肺炎的预测性能
AiHui Feng1, Ying Huang1, Ya Zeng2
1Department of Radiation Oncology, Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China; Institute of Modern Physics, Fudan University, Shanghai, China; Key Laboratory of Nuclear Physics and Ion-beam Application (MOE), Fudan University, Shanghai, China.
Clinical lung cancer
|February 24, 2024
概括
这项研究开发了一种新的预测模型,用于早期非小细胞肺癌患者的辐射诱导肺炎,使用3D剂量特征,提高治疗准确性和患者的生活质量.
科学领域:
- 辐射瘤学 辐射瘤学
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 早期非小细胞肺癌 (NSCLC) 患者接受立体体辐射疗法 (SBRT) 治疗的生存率很好.
- 预测辐射引起的肺炎 (RP) 对于改善这些患者的生活质量至关重要.
- 目前的预测方法需要改进,以获得更好的准确性.
研究的目的:
- 开发和验证症状辐射诱导肺炎 (RP) 的预测模型.
- 利用三维 (3D) 剂量学特征来提高RP预测的准确性.
- 为指导放射治疗规划和减少治疗毒性.
主要方法:
- 从治疗前的CT扫描和剂量体积组图 (DVH) 参数中提取了放射性特征.
- 从140名肺癌患者的剂量分布中提取了3D剂量特征.
- 训练了四个预测模型 (CT,CT + DVH,CT + Rtdose,混合:CT + DVH + Rtdose) 使用极其随机的树来预测症状性RP.
主要成果:
- 分数疗法与症状RP有显著的相关性 (P < .001).
- 混合模型 (CT + DVH + Rtdose) 显示出最高的性能,准确度为0.857,接收器操作员特征曲线 (AUC) 下的面积为0.920.
- 与单独CT+DVH相比,剂量学特征显著提高了预测性能.
结论:
- 3D剂量学特征提高了对症状性RP的预测性能.
- 开发的混合模型为放射瘤学家提供了一个有前途的工具,可以单独预测RP发生率.
- 这种方法可以帮助个性化辐射治疗规划,以尽量减少毒性.
