使用基于体素的剂量预测与剂量模拟方法的全自动头颈部放射治疗计划

近期自动化放射治疗计划领域的研究利用基于历史治疗计划的机器学习，直接从计划图像推断新患者的空间剂量分布。我们提出了一种基于图谱的方法，该方法为训练数据库中的每个患者（图谱）学习一个剂量预测模型，随后学习将新患者与最相关的图谱进行匹配。该方法生成一个空间剂量目标，指定每个体素的期望剂量，从而取代了为传达治疗计划目标而指定剂量体积目标的任何要求。从最相关的图谱中推断出概率剂量分布，并使用条件随机场将其标量化，以确定最可能的空间剂量分布，从而为相关感兴趣区生成特定的剂量先验（直方图）。随后，基于体素的剂量模拟将预测的剂量分布转化为可递送的治疗计划剂量分布。在本研究中，我们研究了接受 IMRT 和 VMAT 治疗的右侧口咽部头颈部患者的自动化计划。我们使用包含 54 名训练患者和 12 名独立测试患者的数据库，比较了剂量预测流程的四个版本。初步结果令人鼓舞：与临床计划相比，自动化计划在 7 名患者中达到了更多的剂量评估标准，在 4 名患者中达到同等数量的标准。总体而言，自动化计划达到的相对标准数量高于临床计划（17 对 8），且自动化计划在危及器官保护方面表现更优（52 对 44），靶区覆盖度与均匀性也更好（41 对 31）。