概率性质子治疗计划:一种新的方法来优化目标和器官结构的低剂量和过量剂量概率

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 计算生物学 计算生物学

背景情况:

• 目前的治疗规划方法,如基于边际和强大的优化,在管理质子疗法的不确定性方面存在局限性.
• 基于边际的方法不适合质子疗法,而强大的优化可以过于保守或缺乏强度,这取决于不确定性设置.
• 概率优化提供了一种更灵活的方法,通过对统计措施的连续场景分布进行建模.

研究的目的:

• 开发和验证用于放射治疗规划的新型概率优化方法.
• 通过引导计划到特定的概率水平,使个人对临床目标体积 (CTV) 和危险器官 (OAR) 低剂量和过量剂量进行个性化控制.
• 在质子疗法中管理设置和范围的不确定性.

主要方法:

• 提出了一种概率优化方法,估计使用预期值 (E) 和标准偏差 (SD) 的voxel-wise剂量百分位数作为E ± δ⋅SD.
• 一个代的外部循环更新了 δ,以匹配目标百分位数,对固定的 δ进行了内部优化,利用多项式混乱扩展来有效估计剂量.
• 该方法在具有定义不确定性的球形和脊柱幻影病例上得到了验证.

主要成果:

• 对于球形病例,概率方法显著改善了OAR节约 (P(D98%>57Gy) 增加了67.5%-71%,目标覆盖率 (P(D2%>30Gy) 下降了10%-15%).
• 在脊柱病例中,目标覆盖率有所改善 (P(D98%>57Gy) 增加了10%-15%),而OAR节省有所改善 (P(D2%>30Gy) 减少了24%-28%).
• 优化时间与球形病例的强大优化相当,但对于脊柱病例的优化时间更长.

结论:

• 拟议的概率优化方法提供了优越的OAR节省或目标覆盖率相比离散的基于场景的优化,基于个性化的优先级.
• 这种方法提供了一种更有效的方式来管理辐射治疗规划中的不确定性,特别是对于质子疗法.
• 该方法允许精确控制剂量分配,根据患者特定需求量身定制.