通过增强的UNet剂量预测来改善鼻癌的放射治疗计划质量

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 人工智能在医学中的应用

背景情况:

• 个性化剂量预测对于优化放射治疗至关重要.
• 基于UNet的增强系统DESIRE模型是为接受体积调节弧线治疗的鼻癌 (NPC) 患者开发的.
• 本研究评估了DESIRE对改善辐射治疗计划质量的影响.

研究的目的:

• 评估DESIRE模型在预测NPC患者辐射剂量分布方面的有效性.
• 评估将 DESIRE 整合到治疗计划过程中的影响.
• 为了确定与标准方法相比,DESIRE能否提高计划质量.

主要方法:

• 对131名NPC患者进行了回顾性研究.
• 欲望模型预测了剂量分布,使用剂量测量指标和马传递率量化地基真相 (GT) 的差异.
• 初级医生利用DESIRE预测进行治疗计划,他们的计划与GT进行了比较.

主要成果:

• 欲望的预测剂量指标与GT紧密结合,风险器官 (OAR) 的平均差异<1 Gy.
• 虽然PTV指标显示出差异,但关键剂量计参数的平均差异不超过1 Gy.
• 由DESIRE协助的医生计划与GT相比,对PTV70.0.的符合性和同质性指数有所改善.

结论:

• 在放射瘤学中,DESIRE模型展示了准确的患者特异剂量预测的潜力.
• 整合DESIRE可以提高初级医生的治疗规划能力.
• 欲望有助于改善NPC患者的放射治疗计划质量.