Development and Clinical Validation of One-Click Batch VMAT Prostate Planning Using Dynamic Adjustment of Optimization Parameters

Abstract

Automatisatie van het planningsproces in radiotherapie heeft het potentieel om de kwaliteit, standaardisatie en efficiëntie te verbeteren. Toch is handmatige optimalisatie van de behandelplannen vaak nog noodzakelijk. Deze masterproef evalueert een volledig geautomatiseerd finetuningproces voor prostaatbehandeling met volumetrisch gemoduleerde arctherapie, waarbij de optimalisatieparameters dynamisch worden aangepast om knowledge-based gegenereerde plannen te optimaliseren.

Voor 200 eerder behandelde prostaatpatiënten werden nieuwe behandelplannen gegenereerd met een knowledge-based-planningmodel, waarop het finetuningproces werd toegepast. Verschillen tussen het initiële knowledge-based-plan en het geoptimaliseerd plan werden geëvalueerd op basis van dosis-volumehistogramparameters en plancomplexiteit. De resultaten werden statistisch geanalyseerd met de Wilcoxon signed-rank-test.

In 165 gevallen was finetuning noodzakelijk. Initieel waren er 12 plannen die er niet in slaagden het finetuningproces volledig te doorlopen. Dit probleem werd opgelost door een extra dosisrestrictie aan het script toe te voegen. Met deze aanpassing kon het algoritme in 104 gevallen alle overschreden dosisrestricties oplossen. De resultaten tonen aan dat het algoritme in een aanzienlijk aantal gevallen de overschreden dosisrestricties van de knowledge-based-plannen oplost. Bovendien zorgde het finetuningalgoritme in de meeste gevallen ook voor een vermindering van de plancomplexiteit.