原題
Optimizing fractionation schedules for de-escalation radiotherapy in head and neck cancers using deep reinforcement learning.
**背景:**局所進行頭頸部扁平上皮癌(HNSCC)患者、特にヒトパピローマウイルス関連の症例は、良好な局所領域制御(LRC)を達成しているにもかかわらず、標準的な化学放射線治療による重大な毒性に直面している。この研究では、LRCの失敗率を低く抑えながら毒性を最小限に抑えるために、放射線量の分割を最適化することを目指している。
**方法:**仮想環境は、放射線線量スケジュールを最適化するために腫瘍動態をシミュレートした。深層強化学習エージェントは、増殖飽和指数と線形二次モデルに基づいて、パーソナライズされたデエスカレーション計画を評価した。
**結果:**個別化されたプランは、LRCを維持しながら、腫瘍およびリスク臓器(OAR)の線量を29%減少させた。
**結論:**個別化された分画は、HNSCC患者の治療効果を維持しながら毒性を有意に低下させる。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2025.110833
PMID: 40090417
Open Access
コメント