在标准和大型患者解剖学中,基于知识的模型用于自动化的多异中心总髓和淋巴细胞辐射规划

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:

• 总骨髓和淋巴细胞辐射 (TMLI) 的规划在实现最佳剂量分配方面存在重大挑战.
• 卷度调制弧线疗法 (VMAT) 是 TMLI 输送的一个关键技术.
• 基于知识 (KB) 的规划提供了一个潜在的解决方案,以简化和改进TMLI.

研究的目的:

• 评估基于VMAT的TMLI的KB模型.
• 为TMLI评估全自动或半自动优化的有效性.
• 确定单个KB模型在不同患者解剖学中的通用性.

主要方法:

• 训练了一个KB模型,使用30名VMAT-TMLI患者进行标准配置.
• 在两个队列中验证了该模型:10名标准解剖学患者和11名更大的解剖学患者需要单独的手臂异心.
• 将全自动化 (AutoKB) 和手动调整 (HybridKB) 的 KB 计划与临床计划 (CP) 进行比较.

主要成果:

• 与CP相比,KB模型在标准和较大的解剖学中显著降低了对有风险的器官 (OAR) 的平均剂量 (p < 0.01).
• 完全自动化 KB (AutoKB) 导致计划目标量 (PTV) D2% (p < 0.001) 的增加.
• 混合KB计划显示了与CP相比的OAR节省,并且在PTV覆盖方面与CP相当.

结论:

• 一个单一的KB模型有效地促进了多异中心TMLI规划,包括复杂的解剖学.
• 完全自动化的KB规划产生了低于最佳的剂量分配.
• 使用手动改进的KB规划提高了计划质量,并减少了对TMLI规划师专业知识的依赖.