蓄意创建低于最佳的,现实的剂量分布
Skylar S Gay1,2, Mary P Gronberg3, Raymond Mumme1
1Department of Radiation Physics, The University of Texas MD Anderson Cancer Center, Houston, Texas, USA.
放射性瘤病房住院人员现在可以实践放射治疗计划审查,实现现实的,但低于最佳的剂量分配. 这种新方法为低风险的学习提供了多样化的案例,提高了居民对计划质量评估的信心和能力.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 教育教育 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 放射性瘤学住院人员往往缺乏对放射治疗计划质量评估的信心,因为在临床环境中实践机会有限.
- 目前在常规临床实践中的培训环境没有提供足够的时间或多样化的病例,让住院人员在计划审查方面培养专业知识.
- 在计划审查中改善居民教育的需要至关重要,因为计划质量直接影响患者的结果.
研究的目的:
- 为教育目的开发一种方法,以产生现实的,但可控制的低于最佳的放射治疗剂量分配.
- 创建一个低风险的培训环境,为放射性瘤学住院人员提供丰富的案例实践计划审查的实例.
- 通过多样化和可控制的次优计划来增强课程,解决较小计划和罕见癌症类型的局限性.
主要方法:
- 使用预训练的深度学习模型生成高质量的剂量分配.
- 直接改变剂量分配,以创建三种类型的次优计划:减少处于危险的器官节省,减少目标合规性和目标热点.
- 通过经验丰富的临床医生进行审查,评估生成的次优剂量分布的现实性.
主要成果:
- 成功生成了低于最佳的放射治疗剂量分布,具有统计学上显著的风险器官节省和目标合规性下降,以及目标热点显著增加 (p < 0.05).
- 剂量改变的程度是可以控制的,允许量身定制的教育场景.
- 经验丰富的临床医生将生成的次优剂量分布评为现实的.
结论:
- 开发并验证了用于生成现实的,低于最佳的放射治疗剂量分布的技术.
- 这些技术可以直接操纵现有剂量分布,而不需要治疗计划系统.
- 经验丰富的临床医生认为生成的计划是现实的,为居民教育提供了有价值的工具.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
08:25Radiation Planning Assistant - A Streamlined, Fully Automated Radiotherapy Treatment Planning System
Published on: April 11, 2018
相关概念视频
Dosage Regimens: Designs and Approaches
Dosage Regimens: Partial Pharmacokinetic Parameters
Determination of Multiple Dosing Parameters: Loading and Maintenance Doses
Dose-Response Relationship: Overview
