基于知识和多标准的优化辅助自动规划算法的验证,用于使用生物优化的前列腺VMAT放射治疗

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 医疗保健中的人工智能

背景情况:

• 外部光束放射治疗在平衡目标剂量输送与关键器官节约方面面临着挑战.
• 目前的逆向规划需要大量的人力资源和专业知识.
• 人工智能和软件的进步使自动化治疗计划系统 (TPS) 成为可能.

研究的目的:

• 开发和验证基于知识的规划 (KBP) 和多标准优化 (MCO) 算法,用于自动化前列腺体积调制弧线治疗 (VMAT) 规划.
• 评估这些算法在减少人力资源需求和在Elekta Monaco TPS中标准化计划质量的潜力.

主要方法:

• 追溯实施和验证KBP和MCO算法.
• 剂量体积直方图 (DVH),通用等效均剂量 (gEUD) 和计划质量得分与现有临床计划进行比较.
• 对算法计划的计划生成时间和临床质量率的评估.

主要成果:

• 与临床计划相比,KBP和MCO算法证明了优越的危险器官节约和目标合规性,而不会影响目标覆盖范围.
• 算法生成的计划在30分钟内完成,在72% (KBP) 和78% (MCO) 的病例中实现了临床质量.
• 与KBP计划相比,MCO计划显示出轻微的剂量测量优势,更快的生成和更高的临床质量率.

结论:

• 在Elekta Monaco TPS中,基于KBP和MCO的辅助自动规划是可行的,使用gEUD成本函数.
• 摩纳哥脚本功能使这些算法能够减少临床规划工作量.
• 开发的算法保持了患者特定的质量标准,同时提高了规划效率.