Stereotactic Optimized Automated Radiotherapy (SOAR): a novel automated planning solution for multi-metastatic SRS compared to HyperArc™
Notice bibliographique
Résumé
Abstract Objective. Automated Stereotactic Radiosurgery (SRS) planning solutions improve clinical efficiency and reduce treatment plan variability. Available commercial solutions employ a template-based strategy that may not be optimal for all SRS patients. This study compares a novel beam angle optimized Volumetric Modulated Arc Therapy (VMAT) planning solution for multi-metastatic SRS to the commercial solution HyperArc. Approach. Stereotactic Optimized Automated Radiotherapy (SOAR) performs automated plan creation by combining collision prediction, beam angle optimization, and dose optimization to produce individualized high-quality SRS plans using Eclipse Scripting. In this retrospective study 50 patients were planned using SOAR and HyperArc. Assessed dose metrics included the Conformity Index (CI), Gradient Index (GI), and doses to organs-at-risk. Complexity metrics evaluated the modulation, gantry speed, and dose rate complexity. Plan dosimetric quality, and complexity were compared using double-sided Wilcoxon signed rank tests ( α = 0.05) adjusted for multiple comparisons. Main Results. The median target CI was 0.82 with SOAR and 0.79 with HyperArc (p < .001). Median GI was 1.85 for SOAR and 1.68 for HyperArc (p < .001). The median V12Gy normal brain volume for SOAR and HyperArc were 7.76 cm 3 and 7.47 cm 3 respectively. Median doses to the eyes, lens, optic nerves, and optic chiasm were statistically significant favoring SOAR. The SOAR algorithm scored lower for all complexity metrics assessed. Significance. In-house developed automated planning solutions are a viable alternative to commercial solutions. SOAR designs high-quality patient-specific SRS plans with a greater degree of versatility than template-based methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».