释放适应性优势:相关性和机器学习分类以确定最佳的在线适应式立体学部分乳腺候选人
Joel A Pogue1, Joseph Harms1, Carlos E Cardenas1
1Department of Radiation Oncology, University of Alabama at Birmingham, Birmingham, AL, United States of America.
Physics in medicine and biology
|May 10, 2024
概括
在线适应性放射治疗 (OART) 可以改善乳腺癌患者的治疗结果. 一个简单的指标,双侧乳房V15Gy,可以预测哪些患者将从OART中获益最多,优化资源配置.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
背景情况:
- 在线适应性放射治疗 (OART) 为立体加速部分乳房照射 (APBI) 提供了精确的输送.
- OART是资源密集型的,需要识别高收益的候选人,以有效地分配资源.
研究的目的:
- 在APBI中确定OART对剂量测量效益的预测因素.
- 开发一个用于分类OART资源分配的模型.
主要方法:
- 分析了31名APBI患者的333个治疗计划,比较了参考,标准护理 (SOC) 和每日适应性计划.
- 使用斯皮尔曼相关性和多变量逻辑回归来确定适应性益处的预测因素.
- 留下一个缺失交叉验证评估的模型准确性.
主要成果:
- 适应性计划显示出相对于SOC计划的剂量计优势,患者特异性益处可变.
- 在参考计划上,ipsilateral乳房V15Gy> 23.5%预测了高剂量测量适应性益处.
- 单变量和多变量模型在分类高效益目标方面分别达到74.2%和83.9%的准确性.
结论:
- 从OART的剂量效益可以预测使用一个简单的度量 (ipsilateral乳房V15Gy) 从参考计划.
- 多变量模型提供了更高的准确性,但增加了预测适应性益处的复杂性.
- 这项研究为诊所提供了一种方法来优化OART资源配置.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
06:03Integrating Augmented Reality Tools in Breast Cancer Related Lymphedema Prognostication and Diagnosis
Published on: February 6, 2020
6.6K
