对帕雷托导航引导的前列腺癌自动化放射治疗规划解决方案的多机构评估

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 计算生物学 计算生物学

背景情况:

• 目前的自动化放射治疗计划依赖于试错或机器学习,缺乏用于临床偏好调整的直观权衡探索.
• 巴雷托导航提供了一种新的校准替代方案,可以在自动化规划中直观地探索权衡选项.
• 这项研究验证了使用多维帕雷托导航校准接口用于前列腺癌的自动化放射治疗规划解决方案.

研究的目的:

• 验证帕雷托指导自动化规划 (PGAP) 方法论用于前列腺癌中自动化放射治疗规划.
• 评估PGAP根据机构临床偏好对自动化协议进行校准的能力.
• 为了比较PGAP生成的自动化计划与机构制作的临床计划的质量.

主要方法:

• 在RayStation中实现了PGAP方法,使用基于协议的自动代优化框架中的帕雷托导航接口的脚本.
• 从两个机构 (I_A和I_B) 的每一个前列腺癌患者中选出了30名患者 (10名用于校准,20名用于验证).
• 使用帕雷托导航接口校准自动化协议,并为每个验证患者生成单一的自动化计划 (VMAT_Auto),与VMAT_Clinical计划进行定量 (DVH指标) 和定性 (盲目审查) 的比较.

主要成果:

• PGAP显著减少了平均直肠剂量 (D_平均) 的3.7 Gy (I_A) 和1.8 Gy (I_B) (p <0.001).
• 膀剂量指标显示出混合的结果,I_B降低,但I_A增加,尽管差异在临床上并不重要.
• 虽然PTV覆盖率 (D_98%) 维持或改善,但PTV一致性略有降低,与优先考虑直肠剂量减少的机构偏好保持一致.

结论:

• 根据PGAP的方法,自动化放射治疗规划协议可以被直观地适应特定的机构目标.
• 与手工制作的临床计划相比,PGAP生成的计划与机构临床偏好更具一致性.
• 在40个案例中,盲目审查在31个案例中偏好了VMAT_Auto计划而不是VMAT_Clinical计划,这表明对自动化方法有明确的偏好.