评估自动生成的正常组织轮,以便在头和子宫癌治疗规划中安全使用

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 医疗保健中的人工智能

背景情况:

• 卷度调制弧线疗法 (VMAT) 是用于头癌和宫癌的标准治疗方法.
• 对于VMAT而言,手动轮和计划优化是耗时的,在治疗交付中构成瓶.
• 辐射规划助理 (RPA) 是为了使用深度学习自动化这些过程而开发的.

研究的目的:

• 量化评估风险器官 (OAR) 的质量,并通过RPA工具生成的规划结构轮.
• 评估RPA生成的自动轮和医生绘制的地面真相轮之间的剂量等价性.
• 为了确定自动化轮是否会影响满足VMAT计划临床剂量容忍度的能力.

主要方法:

• 用RPA工具对54名HN和39名宫癌患者进行自动计划的回顾性生成.
• 将RPA生成的自动轮与医生绘制的轮进行比较 (基本真相).
• 应用两种单面测试 (TOST) 程序来评估正常组织剂量的剂量等价性,并计算符合临床标准的计划.

主要成果:

• 对于HN计划,91.8%的结构符合自动轮的剂量测量标准,而手动轮的比例为91.7%.
• 对于宫图,95.6%的结构符合自动轮的剂量计标准,而手动轮的比例为95.7%.
• 自动轮表明,对71% (HN) 和75% (宫) 的常见DVH指标,剂量计相当于地面真相.

结论:

• 使用RPA的基于深度学习的轮生成产生了与HN和宫癌手动轮相等的剂量学结果.
• 观察到的自动和手动轮之间的差异通常不会影响对临床剂量容忍度的遵守.
• 在VMAT中,RPA为自动化轮和计划优化提供了可行的解决方案,可能减少治疗规划时间.