原題
A deep learning-driven automated treatment planning framework for cervical cancer patients treated with volumetric modulated arc therapy.
背景:放射線療法のための質の高いVMAT計画の迅速で一貫した生成は依然として困難である。
方法:458の子宮頚部癌VMAT計画(訓練/評価/試験)。エンドツーエンドの2段階カスケードDLフレームワーク:第1段階では、CT上および構造マスクから粗い線量を予測し、第2段階では、4つのビームバンドの事前情報および複合損失を用いて線量を精緻化する。洗練されたDVHエンドポイントは、反復最適化のためのスクリプト作成を介してMonacoの目標に変換された。評価には、用量、DVH、およびsnDVHスコア、アブレーション、ならびに手動計画および送達可能性との比較を用いた。
結果:線量2.114±0.218 Gy、DVH 1.194±0.295 Gy、snDVH 2.027±0.586を達成した。膀胱、直腸、小腸、および脊髄のDVH指標を2-35%減少させながら、標的範囲を維持した(p<0.05)。ガンマパス98.1%対97.9%。
結論:このフレームワークは高度に自動化されており、臨床的に実行可能であり、放射線治療ワークフローをサポートする有望なツールである。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-026-02842-9
PMID: 41981451
コメント