HN-SIB-BPI:一个单击,分站特定的,剂量计得分卡调整的RapidPlan模型,从一个基础模型创建,用于治疗双边部的头部

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:

• 卷度调节弧线疗法 (VMAT) 是用于头癌的标准辐射技术.
• 同时集成提升 (SIB) 和双边腺参与 (BPI) 提出了规划挑战,特别是当腺接近目标体积时.
• 基于知识的规划 (KBP) 模型旨在自动化和提高治疗计划的质量.

研究的目的:

• 开发一种新的KBP模型 (HN-SIB-BPI),用于SIB和BPI头癌患者的自动化,高质量的VMAT治疗计划.
• 为了提高腺节约,同时保持目标覆盖率和剂量一致性.
• 通过剂量计计分卡和外部临床案例验证模型的性能.

主要方法:

• 利用Eclipse的RapidPlan和PlanScorecard来评估现有模型并建立一个基础模型.
• 通过重新规划27个案例来代地改进了KBP模型,并通过得分卡评估进行了手动调整.
• 使用66个病例训练了最终的HN-SIB-BPI模型,包括手动改进的计划和针对特定临床目标优化的额外病例.
• 在使用Halcyon和TrueBeam平台的27个案例子集和8个外部案例上验证了模型.

主要成果:

• 与基础模型 (210.5/260) 和初始模型 (230.1/260) 相比,最终的HN-SIB-BPI模型获得了更高的平均剂量计分卡分数 (231.7/260).
• 与基础模型相比,平均腺剂量显著降低:1.05 Gy 降低 ipsilateral 腺和 1.58 Gy 降低 contralateral 腺.
• 外部病例验证在不同的治疗平台上表现出强的表现,达到高分卡分数 (例如,TrueBeam上的222.01/260).

结论:

• 开发的HN-SIB-BPI KBP模型可以在单击中创建复杂的头部和部病例的高质量的VMAT计划.
• 该模型有效地改善了腺节能,解决了头部和部辐射疗法的关键挑战.
• 该方法,包括使用剂量计计分卡和代模型改进,为开发精确和临床相关的KBP模型提供了一个框架.