基于知识的VMAT（容积调制放疗）规划：利用宫颈癌的剂量学特征进行设计

《Scientific Reports》：Knowledge-based VMAT planning by using the dosimetric features for cervical cancer

　　

摘要

具有相似几何特征的宫颈癌患者之间的剂量差异较大，这可能限制了仅依赖几何特征来进行容积调强放疗（VMAT）规划的知识驱动规划（KBP）技术的有效性。为了解决这一问题，本研究借鉴了先前研究的方法，并提出将剂量学特征整合到宫颈癌VMAT计划生成过程中。训练队列包括70名先前接受过治疗的宫颈癌患者，另外选取了15例作为测试集。研究使用了两种特征——目标距离直方图（DTH）和单位注量剂量体积直方图（UFDVH）来预测剂量-体积直方图（DVH）。通用回归神经网络（GRNN）被用作DVH预测模型。基于这些预测，分别生成了基于DTH和UFDVH的计划，每种计划都遵循其各自的剂量-体积约束。然后使用配对t检验和Wilcoxon符号秩检验对这些计划进行了评估。所有计划的靶区剂量覆盖范围相当。DTH计划和UFDVH计划在保护周围正常组织（OARs）方面表现优于手动计划。UFDVH在改善某些靶区剂量（如左股骨头V20(%): 82.50 vs 88.39, p < 0.05; V50(%): 28.38 vs 31.32, p < 0.05; V60(%): 16.18 vs 18.55, p < 0.05）方面优于DTH方法，同时没有降低靶区剂量覆盖范围。与手动计划相比，这两种KBP方法都能提高规划效率。本研究通过使用UFDVH这种剂量学特征，丰富了KBP方法的应用。结果表明，剂量学特征可以成功应用于宫颈癌VMAT计划的知识驱动规划，并提升了规划效率。