Цель лучевой терапии состоит в том, чтобы доставить предписанную дозу облучения к опухоли-мишени, ограничивая при этом повреждение окружающих нормальных тканей. В настоящее время это достигается с помощью оптимизации плана лечения на основе популяции, основанной на заранее определенных целевых дозах и ограничениях органов риска (OAR), разработанных на основе агрегированного ответа на облучение широкой популяции пациентов. К сожалению, эффективность и токсичность таких стандартизированных планов лечения различаются, поскольку пациенты и их опухоли имеют индивидуальные биологические особенности.
Стремясь обеспечить более персонализированный подход к планированию лучевой терапии, исследователи из Мичиганский университет разработали новую стратегию оптимизации лучевой терапии с модулированной интенсивностью (IMRT), которая напрямую включает модели доза-реакция для конкретного пациента в процесс планирования. Их техника, описанная в Медицинская физика, основан на максимизации прогнозируемого значения общей полезности лечения, определяемой как вероятность местного контроля минус взвешенная сумма вероятностей токсичности.
Новый метод планирования, называемый оптимизацией по приоритетам полезности (PUO), дополняет стандартные подходы за счет включения персонализированных факторов, связанных с радиочувствительностью опухолей и OAR. Например, на радиотоксичность OAR могут влиять возраст, статус курения, экспрессия генов, молекулярные маркеры и ранее существовавшие состояния, такие как сердечные заболевания. Другие сопутствующие методы лечения также могут влиять на эффективность лучевой терапии.
Чтобы подтвердить свою стратегию, главный исследователь Марта Матушак и его коллеги использовали метод PUO для создания планов IMRT для пяти пациентов с немелкоклеточным раком легкого (NSCLC). Они сообщают, что планирование PUO улучшило локальный контроль для всех пациентов по сравнению с обычными планами, которые использовались для их лечения.
«Пациенты с НМРЛ представляют собой очень гетерогенную группу с вариабельностью степени и локализации заболевания», — объясняет ведущий автор. Дэниел Полан. «В сочетании с другими анатомическими вариациями эти факторы могут существенно повлиять на планирование лечения, включая любые ожидаемые выгоды от различных методов оптимизации. Поэтому для начальной проверки осуществимости нашего метода мы выбрали пять случаев, чтобы представить разнообразие размеров пациентов, размера опухоли, местоположения и латеральности, в дополнение к разнообразию ковариаций дозы, влияющих на прогнозируемые результаты».
Чтобы создать планы IMRT для конкретных пациентов, исследователи сначала использовали коммерческую систему планирования лечения для расчета дозы на основе матрицы влияния вкладов лучевой дозы в интересующие области. Затем они решают две задачи оптимизации, чтобы сгенерировать оптимальные веса бимлетов, которые можно импортировать обратно в TPS.
Первая проблема оптимизации максимизирует общую полезность плана с учетом типичных ограничений клинической дозы за счет оптимизации компромисса между эффективностью и токсичностью на основе индивидуальных моделей доза-реакция. Второй метод сводит к минимуму обычные цели, основанные на дозе, с учетом тех же ограничений по дозе, что и первый, при сохранении оптимальной полезности, определенной в результате первой оптимизации.
Для всех пяти пациентов подход PUO успешно генерировал оптимальные веса бимлета, которые максимизировали полезность, оставаясь в пределах ограничений, основанных на дозе. Для исследования исследователи сравнили эти планы PUO IMRT с клинически представленными планами 3D конформной лучевой терапии (CRT), а также с ретроспективно созданными планами IMRT с оптимизацией только дозы (DOO) и дуговой терапией с объемной модуляцией (VMAT).
По сравнению с планами 3DCRT, VMAT и DOO IMRT, метод PUO улучшил полезность плана в среднем на 40%, 32% и 31% соответственно. Планы PUO продемонстрировали улучшение местного контроля в среднем на 17% с такой же токсичностью, как и при обычном планировании.
Как и ожидалось, степень пользы от планов PUO IMRT различалась у пациентов. Полан сообщает, что для одного пациента применение PUO привело к повышению полезности на 70% по сравнению с обычным DOO. «Это соответствует абсолютному улучшению прогнозируемой вероятности выживания без прогрессирования заболевания на 32%, при этом прогнозируемая вероятность радиационно-индуцированной легочной токсичности увеличивается только на 2%», — говорит он. «Этот существенный компромисс может значительно улучшить выживаемость при болезни, сводя к минимуму влияние на качество жизни пациента после лечения».
Однако у другого пациента с большой опухолью улучшения были минимальными. Полан объясняет, что при больших опухолях планирование лечения обычно становится более ограниченным из-за повышенных требований к интегральной дозе и сниженной способности избегать контакта с нормальными тканями.
Платформа искусственного интеллекта использует медицинские изображения для индивидуализации дозы лучевой терапии
Команда подчеркивает, что метод PUO обеспечивает количественный способ определить, какие пациенты могут получить пользу от повышения или перераспределения дозы, на основе специфических для пациента клинических факторов и биомаркеров, а также с учетом геометрии пациента и пределов дозы OAR.
В настоящее время исследователи проводят крупномасштабные ретроспективные исследования с целью разработки проспективного клинического испытания с использованием стратегии планирования лечения PUO. Их исследования сосредоточены на интеграции данных о пациентах и персонализированных прогнозах результатов непосредственно в планирование лучевой терапии, при этом в настоящее время основное внимание уделяется раку печени, легких и рака головы и шеи, где уравновешивание положительных и отрицательных эффектов лучевой терапии может значительно повлиять на общее качество лечения пациента. -жизнь.
