原題
Bayesian Learning to Reduce Cardiac Risk for Locally Advanced NSCLC Patients Based on Personalized Radiotherapy Prescription.
背景:放射線誘発心臓損傷は局所進行NSCLCにおける主要な関心事であり、均一な心臓線量の制約は個々の感受性と一致しない可能性がある。
方法:PARTのプロスペクティブ試験-ベイズ連続学習、逐次モデル改良、適応標的リスクレベル、およびgo/no-goモニタリングを用いて平均心臓用量(MHD)制約を適応的に誘導する個別化リスク予測フレームワーク。放射線療法後のhscTnT上昇は、グレード2以上の心血管系有害事象の代用とした。
結果:100人の患者(標準50人、PART 50人)。平均MHDは7.84±6.30 Gy対6.36±6.01 Gy(p=0.20)。hscTnT上昇:20.5%(PART)対31.9%(標準);PARTでは、制約を満たす9.7%対46.2%超(p=0.012)。
結論:PARTは実行可能であり、妥当なMHD勧告を作成し、hscTnT上昇の低下と関連していた。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2025.11.061
PMID: 41365476
コメント