机器学习增强的正常组织并发症概率建模用于碳离子放射治疗中晚期坐骨神经毒性预测:模型开发和临床验证
Yongqiang Li1,2,3, Ping Li4,2,3, Ruoxi Wang5
1Department of Medical Physics, Shanghai Proton and Heavy Ion Center, Fudan University Cancer Hospital, Shanghai 201321, People's Republic of China.
Physics in medicine and biology
|October 8, 2025
概括
一个新的机器学习模型预测了在神经瘤和直肠癌患者的碳离子放射治疗 (CIRT) 后的晚期坐骨神经毒性 (LSNT). 该模型确定了关键剂量-体积值,以平衡瘤控制和神经保护.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 机器学习在医学中的应用
背景情况:
- 晚期的坐骨神经毒性 (LSNT) 是碳离子放射疗法 (CIRT) 对于神经结瘤 (SC) 和局部复发性直肠癌 (LRRC) 的重要关注点.
- 准确预测LSNT对于优化治疗计划和最大限度地降低患者发病率至关重要.
- 现有的正常组织并发症概率 (NTCP) 模型可能需要改进,以提高CIRT设置中的预测准确度.
研究的目的:
- 开发和验证一种机器学习增强的NTCP模型,用于预测SC和LRRC患者的LSNT,这些患者接受CIRT治疗.
- 确定与不同级别的LSNT相关的临界剂量-体积值.
- 为CIRT规划提供基于证据的建议,以平衡瘤控制和坐骨神经保护.
主要方法:
- 采用双模拟方法,分析了106名接受CIRT治疗的SC/LRRC患者的数据.
- 一个混合框架将莱曼-库彻-伯曼模型与通用机器学习技术集成在一起.
- 用单变量和多变量回归分析了辐射剂量计参数 (EUD,TD50,n,m) 和生物参数;用ROC分析,灵敏度和特异性评估了模型性能.
主要成果:
- 16.9%的患者发展了1级的LSNT,没有观察到4级的毒性.
- 机器学习增强的多变量分析确定了关键剂量-体积值:G1的V62,G2的V64和G3的D3cc.
- 发现等效均剂量 (EUD) >61.1 Gy显著提高了G1 LSNT风险.
结论:
- 开发的机器学习增强的NTCP模型有效预测CIRT患者的LSNT.
- 对于CIRT规划的推剂量限制包括V62 6.2%,V64 4.69%,D3cc 32.3 Gy.
- 这项研究为个人辐射敏感性提供了关键的见解,并有助于优化SC和LRRCCIRT期间的神经保护.
