概率性质谱治疗计划：用于优化靶区和器官结构的低剂量和高剂量概率

治疗计划中的不确定性通常采用基于边距的鲁棒优化方法处理。基于边距的方法将临床靶区（CTV）扩展为计划靶区，对于质谱治疗往往不合适。鲁棒优化考虑最坏情况，但其质量取决于不确定性情景集合：排除极端情况会降低鲁棒性，而过多则导致计划过于保守。概率性优化克服了这些限制，通过建模连续情景分布来控制靶区和器官风险（OARs）的低剂量和高剂量概率。我们提出了一种新的概率优化方法，通过调节个体化概率水平来控制 CTV 和器官风险（OARs）的低剂量和高剂量概率。采用期望值（E）和标准差（SD）估计剂量分位值（d），公式为 E[d] ± δ·SD[d]，其中 δ 迭代调节以匹配给定的高斯分布设置（3 mm）和范围（3%）不确定性下的目标分位值。该方法涉及固定 δ 下的 E[d] ± δ·SD[d] 的内层优化，以及更新 δ 的外层循环。多项熔盆展开（PCE）在优化过程中提供精确且高效的剂量估计。我们在球形 CTV 紧邻不同方向的 OAR 以及围绕圆柱形脊椎的马蹄形 CTV 上进行了验证。对于类似 CTV 覆盖的球形情况，P(D_{2%} > 30 Gy) 降低了 10-15%；对于匹配的 OAR 剂量，P(D_{98%} > 57 Gy) 增加了 67.5-71%。在脊椎计划中，P(D_{98%} > 57 Gy) 增加了 10-15%，而 P(D_{2%} > 30 Gy) 下降了 24-28%。概率优化与鲁棒优化时间相当（球形情况为数小时），但脊椎情况为 7.5-11.5 小时 vs. 9-20 分钟。与基于离散情景的优化相比，概率方法在根据所设优先级的不同情况下，为 OAR 保护或靶区覆盖提供了更好的效果。