对前列腺癌与肠道附近的前列腺癌的基于知识的一般和专业规划模型的评估

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 人工智能在医学中的应用

背景情况:

• 前列腺癌放射治疗需要精确的计划,以尽量减少毒性.
• 肠道接近计划目标体积 (PTV-R) 会增加直肠和肠道毒性风险.
• 基于知识的规划 (KBP) 模型提供了自动化治疗规划,但它们在复杂的解剖病例中的有效性需要评估.

研究的目的:

• 评估一般 (模型-G) 和特殊 (模型-S) KBP模型在前列腺癌患者与肠道附近的病例中的性能.
• 在目标覆盖和危险器官节省方面,将KBP生成的计划与手动创建的计划 (Plan-M) 进行比较.
• 为了确定是否需要一个特殊的KBP模型,以显著的肠道附近的情况.

主要方法:

• 在30个标准病例中训练了一种通用模型 (G模型) 和30个肠道近距离病例中训练了一种特殊模型 (S模型).
• 独立评估了两个模型,使用13个额外的近距离情况,将RapidPlan生成的计划 (Plan-G,Plan-S) 与手动计划 (Plan-M) 进行比较.
• 使用剂量计终点评估计划质量:D98%和D2%的目标,直肠和膀的剂量-体积指数,以及肠道的D0.1/D1cc.

主要成果:

• 手动计划 (计划-M) 比一般的KBP计划 (计划-G) 实现了明显更好的目标D2% (p<0.001);S计划与M计划没有显著差异 (p=0.069).
• 在所有计划类型 (p>0.05) 中,面临风险的器官节省是可比的.
• 一个Plan-G略高于肠道D1 cc限制 (60 Gy),这表明在特定的肠道下降的情况下,一般模型的潜在局限性.

结论:

• 无论是一般的还是特殊的KBP模型,都会产生临床上可接受的前列腺癌计划,即使是肠道附近.
• 在这个队列中,特殊模型与一般模型相比没有观察到显著的剂量测量优势.
• KBP证明了对解剖学变异的强度,支持其在人工智能辅助适应性放射治疗中的作用.