强大的优化和评估动态轨迹和混合光束弧线放射治疗:一项初步研究

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 放射治疗规划 放射治疗规划

背景情况:

• 动态轨迹放射疗法 (DTRT) 和动态混合光束弧线疗法 (DYMBARC) 使用非共平面光束,而DYMBARC 还同时优化了光子和电子光束.
• 传统的边缘概念用于计算设置不确定性,对于放射治疗中的电子场来说,其定义不清楚.
• 需要强大的优化策略来提高在存在交付不确定性的情况下,DTRT和DYMBARC计划的可靠性.

研究的目的:

• 为DTRT和DYMBARC开发和实施强大的优化.
• 使用标准和强大的优化策略来比较DTRT和DYMBARC的剂量测量计划质量和稳定性.
• 评估DYMBARC中电子束贡献对目标覆盖率和危险器官 (OAR) 节省的影响.

主要方法:

• 分析了四个不同的临床病例,临床目标体积 (CTV) 和计划目标体积 (PTV) 之间的差距不同.
• 使用直接光圈优化 (DAO) 优化了光子轨迹,以最大限度地减少PTV/OAR重叠和多叶聚合器 (MLC) 旅行.
• DYMBARC计划包含非同心的电子弧或静态场,强大的优化采用随机编程来考虑转化设置不确定性 (m=0.7δ) 和潜在的系统错误.

主要成果:

• 在DYMBARC中,电子剂量贡献在目标剂量的7%至41%之间,因情况和优化策略而异.
• 所有技术都在没有错误的情况下实现了可比的CTV覆盖范围;DYMBARC计划与DTRT相比,表现出优越的OAR节约和对不确定性的稳定性.
• 基于PTV的优化为相邻/重叠的OAR提供了更好的OAR节省,但比强大的优化更容易受到交付不确定性的影响.

结论:

• 强大的优化是一种比传统的边际方法更有效的策略,可以提高放射治疗计划的稳定性.
• 在DYMBARC中将电子束与非共平面光子轨迹集成,可以显著提高计划的稳定性和OAR节约性.
• 这些发现支持在临床上采用强大的优化和DYMBARC以改善放射治疗结果,特别是在复杂的治疗场所.