外部验证的基于知识的规划模型,用于机器学习辅助的高度质瘤辐射治疗
Samantha Am Lloyd1, Carrie-Lynne Swift2, Andrew G Pritchard3
1BC Cancer - Vancouver, Medical Physics, Vancouver, British Columbia, V5Z 4E6; University of British Columbia, Division of Radiation Oncology, Vancouver, British Columbia, V5Z 1M9.
概括
一个新的基于知识的规划模型,用于高等级的质瘤放射治疗,显示出有希望的结果. 它有效地减少了对光学结构的剂量,并有助于在临床试验中进行放射治疗质量保证.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 神经瘤学神经瘤学
背景情况:
- 高度质瘤治疗需要精确的放射治疗计划.
- 手动规划可能耗时,并且可能并不总是实现最佳剂量分配.
- 基于知识的规划 (KBP) 为提高效率和计划质量提供了一个潜在的解决方案.
研究的目的:
- 训练和外部验证KBP模型 (RapidPlan) 用于高等级质瘤放射治疗.
- 评估该模型在临床试验放射治疗质量保证 (RTQA) 中的性能和实用性.
- 将KBP生成的计划与手动优化的临床计划进行比较.
主要方法:
- 一个RapidPlan模型在65个内部案例上接受了培训,并在20个内部案例上进行了测试.
- 对来自四所机构的34例病例进行了外部验证,重点是脑干或光通道受损的病例.
- 计划与规划目标和临床计划相比,使用统计分析 (Wilcoxon签名等级测试) 评估计划.
主要成果:
- 快速计划模型在34个外部计划中的8个中实现了所有规划目标,另有6个达到正常组织目标.
- 在80%以上的案例中,RapidPlan计划中未实现的目标在手动计划中也未实现.
- 与RapidPlan一起观察到光神经Dmax和光学PRV V54的统计学显著改善,尽管整体Dmax增加了.
结论:
- 高度质瘤的RapidPlan模型在内部和外部都表现出强的性能.
- 该模型可以降低对光学结构的剂量,并作为临床试验中RTQA的宝贵工具.
- 肯德基白具有改善高度质瘤放射治疗计划的潜力,在计划质量和一致性方面提供了好处.
