预测前列腺癌复发使用基于图谱的瘤控制概率模型.

科学领域:

• 在瘤学瘤学.
• 辐射瘤学 辐射瘤学
• 医学物理 医学物理

背景情况:

• 在放射治疗 (RT) 后前列腺癌 (PCa) 复发是一个重大的临床挑战.
• 在RT中剂量升级可以改善瘤控制,但会增加毒性.
• 识别电阻子体可以使个性化RT减少治疗失败的风险.

研究的目的:

• 评估基于图谱的瘤控制概率 (TCP) 模型,用于预测PCa复发.
• 以回顾整合患者特定的RT和组织病理学数据.
• 通过对TCP模型的分段智能的调整来增强复发预测.

主要方法:

• 利用了9名患者的数据,在最终的RT之后,活检证明了局部复发.
• 基于人口的CD-atlas和TP-atlas对患者的前列腺轮进行了变形注册.
• 基于基因病理学的细分地图集,推导了辐射敏感度参数 (α/β比),并评估了三个调整方法.

主要成果:

• 结合细胞密度和依赖格里森评分 (GS) 的α/β调整方法显著降低了整体TCP (p=0.004).
• 这种方法使较低的TCP区域与78%的复发瘤部位保持一致.
• 沃克塞尔水平分析证实了总瘤体积 (GTV) 和非GTV区域 (p=0.003) 之间的显著TCP差异.

结论:

• 基于图谱的TCP模型,增强了他的病理学数据,显示了预测PCa复发的前景.
• 这种方法可以通过优化剂量分配来引导个性化RT,以最大限度地降低复发风险.
• 导出的α/β比率与PCa.的确定的值保持一致.