面向H&N癌症质子PBS治疗的学习驱动自动规划框架

质子光学笔束扫描(PBS)治疗规划涉及众多相互冲突的目标，需通过迭代调整目标参数来平衡多个临床目标。我们提出了一种学习驱动的逆向优化器，并将其集成到基于近端策略优化(PPO)的规划框架中，用于自动为具有不同治疗需求的患者生成高质量计划。逆向优化器是一种学习型优化(L2O)方法，通过学习来自任务特定数据分布的预测更新步骤。 For the first time, long-context processing techniques developed for large language models (LLMs) are utilized to address the scalability limitations of existing L2O methods, enabling simultaneous optimization over a substantially large set of variables. PPO框架作为外环虚拟规划器，自主调整目标参数通过策略网络实现；而内环L2O逆向优化器则基于PPO精炼后的目标计算机器可交付的靶点监视器单位(MU)值。此外，我们训练了一个Swin UnetR剂量预测器，利用处方和束相关信息来估计初始目标参数。在我们的实验中，收集了97例双侧或单侧H&N癌症患者用于训练和测试。与基于二阶梯度的方法相比，我们的L2O优化器在时间消耗的逆向优化中提高了22.97%的有效性和36.41%的效率；结合PPO-based虚拟规划器，计划在临床可接受的时间内生成，即平均2.55小时，并在靶区覆盖方面表现出优于或相当于人类生成计划的改进/ comparable器官风险稀释。