质子辐射治疗中基于 K-适应性的刚性治疗计划方法

如 setup 误差和范围误差等不确定性因素会显著影响质子治疗。通常会构建离散不确定性集来表示不同的不确定性情景。随后采用 min-max 鲁棒优化方法，以该不确定性集为依据，优化辐射治疗计划在最坏情况下的表现。然而，min-max 方法可能过于保守，因为单个治疗计划需同时考虑整个不确定性集。K-适应性是一种新型鲁棒优化方法，通过多个（K）个解来覆盖不确定性集，从而降低保守程度。求解 K-适应性问题的最优解已知为计算难题。为此，我们开发了一种新型且高效的 K-适应性启发式方法，基于治疗方案-情景绩效对情景进行聚类，以解决质子辐射治疗计划问题。相对于传统鲁棒解，所开发的 K-适应性启发式方法在五例颈部患者中将最坏情况 CTV Dmin 剂量提高了平均 4.52 Gy。该启发式方法还在目标值和时间效率方面优于我们测试的其他竞争方法。