原題
A learning-driven automatic planning framework for proton PBS treatments of H&N cancers.
背景:PBSの頭と首の計画では、多くの矛盾する目的のバランスをとるために、反復的な調整が必要である。PPOベースのプランナに統合された自動学習駆動型逆オプティマイザを開発した。
方法:Learning-to-Optimize(L2O)逆オプティマイザは、更新ステップを予測し、スケーラビリティのために長期コンテキストLLM技術を使用する;PPOは目標パラメータを調整し、L2Oは成果物スポットMUを出力する。Swin UnetRは初期目標を予測する。97例のH&N症例を用いた。
結果:二次勾配法と比較して、L2Oは有効性を22.97%、効率性を36.41%改善した。平均計画時間は2.55時間であった;OAR温存は同等かそれ以上であり、標的範囲はヒトの計画よりも優れていた。
結論:放射線治療へのこの最初のL2O適用は、様々な処方、複数の標的、およびビーム角度にわたって質の高い計画をもたらし、臨床的実現可能性を支持する。
Journal: Int J Radiat Oncol Biol Phys (CiteScore 2022: 11)
DOI: 10.1016/j.ijrobp.2026.03.034
PMID: 41956160
コメント