Итеративное обучение модели дозиметрического планирования стерео- таксической лучевой терапии при патологиях грудного и поясничного отделов позвоночника

Юшкевич В. Ю.; Петкевич М. Н.; Тарутин И. Г.

Итеративное обучение модели дозиметрического планирования стерео- таксической лучевой терапии при патологиях грудного и поясничного отделов позвоночника

Юшкевич В. Ю.,

Петкевич М. Н., Тарутин И. Г.

2026

https://doi.org/10.29235/1561-8358-2026-71-2-166-176

Представлены результаты применения итеративного подхода к оптимизации многокритериальных моделей распределения дозы ионизирующего излучения для стереотаксической лучевой терапии позвоночника. В исследовании использовались две модели: базовая многокритериальная модель (SRT_Vert_BM, от англ. Baseline Multicriteria Model) и усовершенствованная многокритериальная модель (SRT_Vert_IM, от англ. Iterative Multicriteria Model). Первая построена на основе клинической выборки дозиметрических планов, вторая создана итеративным методом, при котором обучающая выборка формировалась из планов, сгенерированных исходной моделью. Валидация показала, что SRT_Vert_IM обеспечивает статистически значимое улучшение прогностических характеристик (повышение коэффициента детерминации R², снижение среднеквадратичной ошибки MSE) и дозиметрических параметров для билатеральных паренхиматозных органов риска (p < 0,05) при сохранении клинически приемлемого покрытия целевого объема облучения. Итеративное обучение позволило повысить воспроизводимость и достоверность качества дозиметрических планов, что подтверждает перспективность данного подхода для совершенствования процесса планирования стереотаксической лучевой терапии.

Юшкевич В. Ю., Петкевич М. Н., Тарутин И. Г. Итеративное обучение модели дозиметрического планирования стерео- таксической лучевой терапии при патологиях грудного и поясничного отделов позвоночника. Известия Национальной академии наук Беларуси. Серия физико-технических наук. 2026;71(2):166-176. https://doi.org/10.29235/1561-8358-2026-71-2-166-176

Цитирование

Список литературы

1. Volumetric modulated arc therapy: a review of current literature and clinical use in practice / M. Teoh, C. H. Clark, K. Wood [et al.] // The British Journal of Radiology. – 2011. – Vol. 84, № 1007. – P. 967–996. https://doi.org/10.1259/bjr/22373346

2. Intercenter validation of a knowledge based model for automated planning of volumetric modulated arc therapy for prostate cancer. The experience of the German RapidPlan Consortium / C. Schubert, O. Waletzko, C. Weiss [et al.] // PLoS One. – 2017. – Vol. 12, № 5. – Art. ID e0178034. https://doi.org/10.1371/journal.pone.0178034

3. Is it possible for knowledge-based planning to improve intensity modulated radiation therapy plan quality for planners with different planning experiences in left-sided breast cancer patients? / J. Wang, W. Hu, Z. Yang [et al.] // Radiation Oncology. – 2017. – Vol. 12, № 1. – Art. ID 85. https://doi.org/10.1186/s13014-017-0822-z

4. Reducing inter- and intra-planner variability in radiotherapy plan output with a commercial knowledge-based planning solution / A. Scaggion, M. Fusella, A. Roggio [et al.] // Physica Medica. – 2018. – Vol. 53. – P. 86–93. https://doi.org/10.1016/j.ejmp.2018.08.011

5. Lahanas, M. Multiobjective inverse planning for intensity modulated radiotherapy with constraint-free gradient-based optimization algorithms / M. Lahanas, E. Schreibmann, D. Baltas // Physics in Medicine and Biology. – 2003. – Vol. 48, № 17. – P. 2843–2871. https://doi.org/10.1088/0031-9155/48/17/307

6. Петкевич, М. Н. Разработка и машинное обучение многокритериальной модели распределения дозы ионизирующего излучения в системе планирования лечения Eclipse / М. Н. Петкевич, В. Ю. Юшкевич // Весці Нацыянальнай акадэміі навук Беларусі. Серыя фізіка-тэхнічных навук. – 2025. – Т. 70, № 2. – С. 166–176. https://doi.org/10.29235/15618358-2025-70-2-166-176

7. Shiraishi, S. Knowledge-based prediction of three-dimensional dose distributions for external beam radiotherapy / S. Shiraishi, K. L. Moore // Medical Physics. – 2016. – Vol. 43, № 1. – Art. ID 378. https://doi.org/10.1118/1.4938583

8. Pareto navigation – algorithmic foundation of interactive multi-criteria IMRT planning / M. Monz, K. H. Küfer, T. R. Bortfeld, C. Thieke // Physics in Medicine and Biology. – 2008. – Vol. 53, № 4. – P. 985–998. https://doi.org/10.1088/00319155/53/4/011

9. Assessment of a model based optimization engine for volumetric modulated arc therapy for patients with advanced hepatocellular cancer / A. Fogliata, P. M. Wang, F. Belosi [et al.] // Radiation Oncology. – 2014. – Vol. 9. – Art. ID 236. https://doi.org/10.1186/s13014-014-0236-0

10. RapidPlan head and neck model: the objectives and possible clinical benefit / A. Fogliata, G. Reggiori, A. Stravato [et al.] // Radiation Oncology. – 2017. – Vol. 12, № 1. – Art. ID 73. https://doi.org/10.1186/s13014-017-0805-0

11. A broad scope knowledge based model for optimization of VMAT in esophageal cancer: validation and assessment of plan quality among different treatment centers / A. Fogliata, G. Nicolini, A. Clivio [et al.] // Radiation Oncology. – 2015. – Vol. 10. – Art. ID 234. https://doi.org/10.1186/s13014-015-0545-y

12. An analysis of knowledge-based planning for stereotactic body radiation therapy of the spine / J. J. Foy, R. Marsh, R. K. Ten Haken [et al.] // Practical Radiation Oncology. – 2017. – Vol. 7, № 5. – P. 355–360. https://doi.org/10.1016/j.prro.2017.02.007

13. Highly efficient training, refinement, and validation of a knowledge-based planning quality-control system for radiation therapy clinical trials / N. Li, R. Carmona, I. Sirak [et al.] // International Journal of Radiation Oncology – Biology – Physics. – 2017. – Vol. 97, № 1. – P. 164–172. https://doi.org/10.1016/j.ijrobp.2016.09.022

14. DVH Estimation Algorithm for RapidPlan // Eclipse Photon and Electron Algorithms Reference Guide. – Palo Alto, CA: Varian Medical Systems, 2014. – P. 219–229. URL: https://www.varian.com/sites/default/files/resource_attachments/EclipsePhotonElectronAlgorithmsRef_0.pdf (date of access: 01.02.2025).

15. Machine learning and modeling: Data, validation, communication challenges / I. El Naqa, D. Ruan, G. Valdes [et al.] // Medical Physics. – 2018. – Vol. 45, № 10. – P. 834–840. https://doi.org/10.1002/mp.12811

Источник

Информация

Автор

Юшкевич В. Ю. Государственное учреждение «Республиканский научно-практический центр онкологии и медицинской радиологии имени Н. Н. Александрова»
Петкевич М. Н. Государственное учреждение «Республиканский научно-практический центр онкологии и медицинской радиологии имени Н. Н. Александрова»
Тарутин И. Г. Государственное учреждение «Республиканский научно-практический центр онкологии и медицинской радиологии имени Н. Н. Александрова»

Страницы

166-176

Год издания

2026

Ключевые слова

Коллекции

Известия Национальной академии наук Беларуси. Серия физико-технических наук