基于剂量预测和NTCP的鼻癌光子/质子选择的决策方法

科学领域:

• 癌症学
• 医学物理
• 放射治疗

背景情况:

• 在光子和质子疗法之间进行鼻癌治疗的决定需要复杂的计划比较.
• 目前的方法耗时,需要专门的专业知识.
• 一个自动化工具可以简化患者选择质子疗法.

研究的目的:

• 开发和验证一个完全自动化的决策工具来选择鼻癌患者进行质子疗法.
• 使用CT图像预测质子和光子治疗的剂量分布.
• 根据预测的器官剂量和NIPP协议来评估异口症和食症的可能性.

主要方法:

• 开发深度学习模型,从患者的CT扫描中预测光子疗法 (PT) 和质子疗法 (XT) 的剂量分布.
• 在48名鼻癌患者的数据上训练模型,并使用手动生成的计划.
• 使用荷兰国家指示协议质子治疗 (NIPP) 来评估预测的正常组织并发症概率 (NTCP) 对于异口症和缺食症.

主要成果:

• 与手动计划相比,预测剂量分配的准确性很高 (平均绝对误差< 5%).
• 该工具实现了93. 8%的正确患者选择率,曲线下的面积 (AUC) 为0. 86.
• 对于异口症和食症的NTCP预测表现良好,对质子疗法没有显著差异.

结论:

• 开发的基于深度学习的决策工具准确地识别了可以从质子疗法中受益的鼻癌患者.
• 这种工具大大缩短了规划时间,提高了临床医生的诊断效率.
• 这种自动化系统对于缺乏质子疗法专业知识的中心来说是有价值的,