双侧淋巴头颈肿瘤进展建模用于个性化选择性靶区定义
医学物理
2025-09-30 v1
摘要
目的：在接受根治性放疗的头颈癌患者中，大范围照射体积是导致严重副作用的主要因素。我们提出了一种数据驱动的方法，在患者个体化基础上定义选择性临床靶区（CTV-E），有望相比标准指南减少照射体积。方法：我们引入了一个在大规模队列上训练的双侧贝叶斯网络（BN），利用淋巴结转移模式、T 分期、肿瘤位置等临床特征，估计同侧和对侧淋巴结区域（LNL）I、II、III 和 IV 中未检出淋巴结受累的患者特异性风险。通过应用风险阈值，我们为代表性患者场景生成了个体化、依赖风险的 CTV-E，并将所得的治疗体积和残余风险与标准临床指南推荐的情况进行了比较。主要结果：我们计算了一系列代表性患者场景的风险，包括：1) N0（T1 和 T2 肿瘤分期），2) 同侧 LNL II N+（T1 和 T2 肿瘤分期），3) 同侧 LNL II 和 III N+（T1 和 T2 肿瘤分期），以及 4) 同侧和对侧 LNL II 均 N+（T3 和 T4 肿瘤分期）。根据所选的风险阈值，双侧 BN 允许相对于标准临床协议减少照射体积。对于所考虑的每一个患者场景，由应用风险阈值定义的 CTV-E 在任何被排除的 LNL 中，未检出淋巴结受累的估计概率均较低。意义：我们提出了一种用于个性化 CTV-E 定义的数据驱动框架，鼓励讨论更具患者特异性的选择性淋巴结靶区，并具有减少选择性照射体积的潜力。
引用
@article{arxiv.2509.24911,
title = {Modeling Bilateral Lymphatic Head and Neck Tumour Progression for Personalized Elective Target Volume Definition},
author = {Kristoffer Moos and Anne Ivalu Sander Holm and Yoel Perez Haas and Roman Ludwig and Jesper Grau Eriksen and Stine Sofia Korreman},
journal= {arXiv preprint arXiv:2509.24911},
year = {2025}
}