评估自动机器学习增强计划系统的有效性,并与手动计划系统进行比较分析

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 癌症治疗技术 癌症治疗技术

背景情况:

• 放射治疗的目的是精确地向瘤输送辐射,将风险器官 (OAR) 的剂量降至最低.
• 手动处理计划是耗时且变化的;自动化计划旨在提高效率和一致性.
• 瓦里安的Ethos平台与智能优化引擎 (IOE) 提供自动化放射治疗规划.

研究的目的:

• 评估使用Varian Ethos IOE用于前列腺癌的自动化计划生成的有效性.
• 将自动化的Ethos计划与手动生成的Eclipse治疗计划系统 (TPS) 计划进行比较.
• 根据剂量限制,目标覆盖率,OAR节省和合规性来评估计划质量.

主要方法:

• 分析了15个前列腺癌患者的回顾性计划.
• 在Ethos TPS上重新计算和重新优化了Eclipse计划,生成了多个IMRT和VMAT计划.
• 比较的重点是满足预先规定的剂量约束和评估剂量参数.

主要成果:

• 在满足Ethos和Eclipse计划之间预先规定的剂量限制方面没有发现统计学上显著的差异.
• 这两种系统都实现了优异的PTV覆盖率 (V95>95%) 和最小的热点 (V105 <5%).
• 对两个计划系统来说,OAR节约和剂量一致性/均性是可比的,并且在可接受的临床限制内.

结论:

• 带有IOE的Ethos TPS可以生成与Eclipse TPS相比较的高质量的前列腺癌放射治疗计划.
• 自动化规划显示出减少规划时间和资源利用的潜力.
• 这些发现支持自动化放射治疗计划系统的临床实施.