هدف از رادیوتراپی، رساندن دوز پرتوی تجویز شده به هدف تومور و در عین حال محدود کردن آسیب به بافت‌های طبیعی اطراف است. این در حال حاضر با استفاده از بهینه‌سازی طرح درمان مبتنی بر جمعیت، بر اساس اهداف از پیش تعریف‌شده مبتنی بر دوز و محدودیت‌های ارگان در معرض خطر (OAR) که از پاسخ انبوه به تشعشعات جمعیت گسترده بیماران ایجاد شده‌اند، به دست می‌آید. متأسفانه، اثربخشی و سمیت چنین طرح‌های درمانی استاندارد شده متفاوت است، زیرا بیماران و تومورهای آنها ویژگی‌های بیولوژیکی فردی دارند.
با هدف ارائه یک رویکرد شخصی تر برای برنامه ریزی رادیوتراپی، محققان در دانشگاه میشیگان یک استراتژی جدید بهینه‌سازی رادیوتراپی تعدیل‌شده با شدت (IMRT) ایجاد کرده‌اند که مستقیماً مدل‌های دوز-پاسخ ویژه بیمار را در فرآیند برنامه‌ریزی ترکیب می‌کند. تکنیک آنها، شرح داده شده در فیزیک پزشکی، بر اساس به حداکثر رساندن ارزش پیش‌بینی‌شده کاربرد کلی درمان است - که به عنوان احتمال کنترل محلی منهای مجموع وزنی احتمالات سمیت تعریف می‌شود.
روش برنامه‌ریزی جدید که بهینه‌سازی ابزار اولویت‌دار (PUO) نامیده می‌شود، رویکردهای استاندارد را با ترکیب عوامل شخصی‌سازی شده مرتبط با حساسیت پرتوی تومورها و OARها تقویت می‌کند. به عنوان مثال، رادیوتوکسیسیته OAR می تواند تحت تأثیر سن، وضعیت سیگار کشیدن، بیان ژن، نشانگرهای مولکولی و شرایط از قبل موجود مانند بیماری قلبی قرار گیرد. سایر درمان‌های همزمان نیز ممکن است بر اثربخشی پرتودرمانی تأثیر بگذارد.
برای تأیید استراتژی آنها، محقق اصلی مارتا ماتوزاک و همکاران از روش PUO برای ایجاد طرح های IMRT برای پنج بیمار مبتلا به سرطان ریه سلول غیر کوچک (NSCLC) استفاده کردند. آنها گزارش کردند که برنامه ریزی PUO کنترل محلی را برای همه بیماران در مقایسه با برنامه های مرسوم که برای درمان آنها استفاده شده بود، بهبود بخشید.
نویسنده اصلی توضیح می‌دهد: «بیماران NSCLC گروهی بسیار ناهمگن با تنوع در وسعت و محلی‌سازی بیماری هستند. دانیل پولان. این عوامل در ترکیب با سایر تنوع‌های آناتومیکی، می‌توانند به شدت بر برنامه‌ریزی درمان، از جمله هرگونه سود پیش‌بینی‌شده از روش‌های مختلف بهینه‌سازی تأثیر بگذارند. بنابراین، برای آزمایش امکان‌سنجی اولیه روش ما، پنج مورد را برای نشان دادن تنوع در اندازه، اندازه تومور، محل و جانبی بیمار، علاوه بر تنوع در متغیرهای دوز مؤثر بر نتایج پیش‌بینی‌شده، انتخاب کردیم.
برای ایجاد طرح‌های IMRT ویژه بیمار، محققان ابتدا از یک سیستم برنامه‌ریزی درمان تجاری برای محاسبه دوز بر اساس ماتریس تأثیر مشارکت دوز پرتو در مناطق مورد علاقه استفاده کردند. سپس دو مشکل بهینه‌سازی را حل می‌کنند تا وزن‌های بهینه بیملت تولید کنند که می‌تواند دوباره به TPS وارد شود.
اولین مشکل بهینه‌سازی، با بهینه‌سازی مبادله بین اثربخشی و سمیت بر اساس مدل‌های دوز-پاسخ فردی، کاربرد کلی طرح را به محدودیت‌های دوز بالینی معمولی به حداکثر می‌رساند. دوم اهداف مبتنی بر دوز معمولی را به حداقل می‌رساند، مشروط به محدودیت‌های دوز مشابه اول، در حالی که مطلوبیت بهینه تعیین‌شده از بهینه‌سازی اول را حفظ می‌کند.
برای هر پنج بیمار، رویکرد PUO با موفقیت وزن‌های پرتوهای بهینه را ایجاد کرد که در عین حال که در محدودیت‌های مبتنی بر دوز باقی می‌ماند، کاربرد را به حداکثر رساند. برای این مطالعه، محققان این طرح‌های PUO IMRT را با طرح‌های رادیوتراپی سه‌بعدی منسجم (CRT) و با طرح‌های بهینه‌سازی فقط دوز (DOO) IMRT و طرح‌های قوس درمانی تعدیل‌شده حجمی (VMAT) مقایسه کردند.
در مقایسه با طرح های 3DCRT، VMAT و DOO IMRT، روش PUO به ترتیب به طور متوسط 40٪، 32٪ و 31٪ کاربرد طرح را بهبود بخشید. طرح های PUO به طور متوسط 17٪ بهبود در کنترل محلی با سمیت مشابه با برنامه ریزی معمولی نشان دادند.
همانطور که پیش بینی می شد، میزان مزایای طرح های PUO IMRT در بین بیماران متفاوت بود. Polan گزارش می دهد که برای یک بیمار، PUO منجر به بهبود ابزار 70٪ نسبت به DOO معمولی شده است. او می‌گوید: «این با 32 درصد بهبود مطلق در احتمال پیش‌بینی‌شده بقای بدون پیشرفت مطابقت دارد، در حالی که تنها احتمال پیش‌بینی‌شده سمیت ریه ناشی از تشعشع را تا 2 درصد افزایش می‌دهد». "این مبادله قابل توجه این پتانسیل را دارد که بقای بیماری را تا حد زیادی بهبود بخشد و در عین حال تأثیر آن را بر کیفیت زندگی بیمار پس از درمان به حداقل برساند."
با این حال، برای بیمار دیگری که تومور بزرگی داشت، بهبودها بسیار اندک بود. پولان توضیح می‌دهد که برای تومورهای بزرگ‌تر، برنامه‌ریزی درمان معمولاً به دلیل افزایش نیاز به دوز یکپارچه و کاهش توانایی اجتناب از هم مرز شدن با بافت‌های طبیعی محدودتر می‌شود.
چارچوب هوش مصنوعی از تصاویر پزشکی برای فردی کردن دوز پرتودرمانی استفاده می کند
این تیم تاکید می کند که روش PUO یک روش کمی برای تعیین اینکه کدام بیماران ممکن است از افزایش دوز یا توزیع مجدد سود ببرند، بر اساس فاکتورهای بالینی خاص بیمار و نشانگرهای زیستی ارائه می دهد، در حالی که هندسه بیمار و محدودیت های دوز OAR را نیز در نظر می گیرد.
محققان در حال حاضر در حال انجام مطالعات گذشته نگر در مقیاس بزرگ با هدف توسعه یک کارآزمایی بالینی آینده نگر با استفاده از استراتژی برنامه ریزی درمان PUO هستند. تحقیقات آنها بر ادغام داده‌های بیمار و پیش‌بینی‌های شخصی‌شده پیامد مستقیماً در برنامه‌ریزی رادیوتراپی متمرکز است، با تمرکز فعلی بر روی سرطان‌های کبد، ریه و سر و گردن، که در آن تعادل بین اثرات مثبت و منفی رادیوتراپی می‌تواند به طور قابل‌توجهی بر کیفیت کلی بیمار تأثیر بگذارد. -زندگی
