在左乳腺癌放射治疗中估计心脏剂量:使用监督机器学习算法评估vDIBH可行性
Shriram Ashok Rajurkar1, Teerthraj Verma2, Rajeev Gupta2
1DHR-ICMR JRF, Department of Radiation Oncology, KGMU, Lucknow, Uttar Pradesh, India.
Journal of applied clinical medical physics
|December 6, 2024
概括
这项研究开发了一种机器学习程序,用于预测左乳癌放射治疗中的心脏平均剂量,使用志愿者深呼吸呼吸持久 (vDIBH) 技术,改善患者选择和治疗计划.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 医疗保健中的机器学习
背景情况:
- 志愿者深呼吸呼吸 (vDIBH) 技术对于在左乳癌放射治疗期间最大限度地减少心脏剂量至关重要.
- 患者特定的变化可能会限制vDIBH的有效性,尽管训练.
研究的目的:
- 开发一种机器学习 (ML) 程序,用于在vDIBH下开始左乳房放射治疗之前预测心脏平均剂量 (HMD).
- 为了提高患者选择和治疗计划的vDIBH在放射治疗.
主要方法:
- 利用了来自82名经过改性激进乳房切除术的左乳癌患者的剂量计数据.
- 使用线性回归与哈勒指数与HMD相关联,然后用最大心脏距离 (MHD) 建模HMD.
主要成果:
- 该ML程序证明了准确的HMD预测,平均预测的HMD为464.66cGy,相比之下,治疗计划系统的21名试验患者的平均值为468.76cGy.
- 开发的方法有助于评估患者适合vDIBH放射治疗的计划.
结论:
- 在左乳腺癌患者的放射治疗治疗计划之前,ML程序可以准确预测HMD.
- 该程序可以建议治疗修改以优化VDIBH技术的结果.
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
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
