Tujuan radioterapi adalah untuk memberikan dosis radiasi yang ditentukan ke target tumor sambil membatasi kerusakan pada jaringan normal di sekitarnya. Hal ini saat ini dicapai dengan menggunakan optimalisasi rencana perawatan berbasis populasi, berdasarkan tujuan berbasis dosis yang telah ditentukan dan batasan organ berisiko (OAR) yang dikembangkan dari respons agregat terhadap radiasi populasi pasien yang luas. Sayangnya, keefektifan dan toksisitas dari rencana perawatan standar tersebut bervariasi, karena pasien dan tumornya memiliki karakteristik biologis masing-masing.
Bertujuan untuk memberikan pendekatan yang lebih personal untuk perencanaan radioterapi, para peneliti di University of Michigan telah mengembangkan strategi pengoptimalan intensitas-modulasi radioterapi (IMRT) baru yang secara langsung menggabungkan model respons-dosis khusus pasien ke dalam proses perencanaan. Teknik mereka, dijelaskan dalam Fisika Medis, didasarkan pada memaksimalkan nilai prediksi utilitas pengobatan secara keseluruhan – didefinisikan sebagai probabilitas kontrol lokal dikurangi jumlah bobot probabilitas toksisitas.
Metode perencanaan baru, yang disebut optimalisasi utilitas yang diprioritaskan (PUO), menambah pendekatan standar dengan menggabungkan faktor-faktor yang dipersonalisasi terkait dengan radiosensitivitas tumor dan OAR. Radiotoksisitas OAR, misalnya, dapat dipengaruhi oleh usia, status merokok, ekspresi gen, penanda molekuler, dan kondisi yang sudah ada sebelumnya seperti penyakit jantung. Perawatan bersamaan lainnya juga dapat mempengaruhi kemanjuran terapi radiasi.
Untuk memvalidasi strategi mereka, peneliti utama Martha Matuszak dan rekan menggunakan metode PUO untuk membuat rencana IMRT untuk lima pasien dengan kanker paru-paru sel kecil (NSCLC). Mereka melaporkan bahwa perencanaan PUO meningkatkan kontrol lokal untuk semua pasien dibandingkan dengan rencana konvensional yang telah digunakan untuk perawatan mereka.
“Pasien NSCLC mewakili kelompok yang sangat heterogen dengan variabilitas luas dan lokalisasi penyakit,” jelas penulis utama Daniel Polan. “Dikombinasikan dengan variabilitas anatomi lainnya, faktor-faktor ini dapat berdampak drastis pada perencanaan perawatan, termasuk keuntungan yang diantisipasi dari metode pengoptimalan yang berbeda. Oleh karena itu, untuk pengujian kelayakan awal metode kami, kami memilih lima kasus untuk mewakili keragaman dalam ukuran pasien, ukuran tumor, lokasi, dan lateralitas, selain keragaman dalam kovariat dosis yang memengaruhi hasil prediksi.”
Untuk membuat rencana IMRT khusus pasien, pertama-tama para peneliti menggunakan sistem perencanaan perawatan komersial untuk menghitung dosis berdasarkan matriks pengaruh kontribusi dosis berkas cahaya ke wilayah yang diminati. Mereka kemudian memecahkan dua masalah pengoptimalan untuk menghasilkan bobot beamlet optimal yang dapat diimpor kembali ke TPS.
Masalah pengoptimalan pertama memaksimalkan utilitas rencana keseluruhan yang tunduk pada batasan dosis klinis tipikal, dengan mengoptimalkan pertukaran antara kemanjuran dan toksisitas berdasarkan model respons-dosis individual. Yang kedua meminimalkan tujuan berbasis dosis konvensional, tunduk pada batasan dosis yang sama seperti yang pertama, sambil mempertahankan utilitas optimal yang ditentukan dari pengoptimalan pertama.
Untuk kelima pasien, pendekatan PUO berhasil menghasilkan bobot balok optimal yang memaksimalkan utilitas sambil tetap berada dalam batasan berbasis dosis. Untuk penelitian ini, para peneliti membandingkan rencana IMRT PUO ini dengan rencana radioterapi konformal 3D (CRT) yang disampaikan secara klinis, dan dengan IMRT pengoptimalan dosis saja (DOO) yang dibuat secara retrospektif dan rencana terapi busur termodulasi volumetrik (VMAT).
Jika dibandingkan dengan paket 3DCRT, VMAT, dan DOO IMRT, metode PUO meningkatkan utilitas paket rata-rata masing-masing sebesar 40%, 32%, dan 31%. Rencana PUO menunjukkan peningkatan rata-rata 17% dalam pengendalian lokal dengan toksisitas yang serupa dengan perencanaan konvensional.
Sebagaimana telah diantisipasi, tingkat manfaat dari rencana IMRT PUO berbeda di antara pasien. Polan melaporkan bahwa untuk satu pasien, PUO menghasilkan peningkatan utilitas sebesar 70% dibandingkan DOO konvensional. “Ini sesuai dengan peningkatan absolut sebesar 32% dalam prediksi probabilitas kelangsungan hidup bebas perkembangan, sementara hanya meningkatkan probabilitas prediksi toksisitas paru akibat radiasi sebesar 2%,” katanya. “Pertukaran substansial ini memiliki potensi untuk sangat meningkatkan kemampuan bertahan hidup dari penyakit sambil meminimalkan dampak terhadap kualitas hidup pasien pasca perawatan.”
Namun, untuk pasien lain yang memiliki tumor besar, perbaikannya minimal. Polan menjelaskan bahwa untuk tumor yang lebih besar, rencana perawatan biasanya menjadi lebih terbatas karena peningkatan kebutuhan dosis integral dan penurunan kemampuan untuk menghindari jaringan normal yang berbatasan.
Kerangka kerja AI menggunakan gambar medis untuk menyesuaikan dosis radioterapi
Tim menekankan bahwa metode PUO memberikan cara kuantitatif untuk menentukan pasien mana yang dapat memperoleh manfaat dari peningkatan dosis atau redistribusi, berdasarkan faktor klinis dan biomarker khusus pasien, sementara juga memperhitungkan geometri pasien dan batas dosis OAR.
Para peneliti saat ini sedang melakukan studi retrospektif berskala besar dengan tujuan mengembangkan uji klinis prospektif menggunakan strategi perencanaan perawatan PUO. Penelitian mereka berpusat pada pengintegrasian data pasien dan prediksi hasil yang dipersonalisasi langsung ke dalam perencanaan radioterapi, dengan fokus saat ini pada kanker hati, paru-paru, dan kanker kepala-dan-leher, di mana menyeimbangkan efek positif dan negatif dari radioterapi dapat secara signifikan memengaruhi kualitas pasien secara keseluruhan. -kehidupan.
