Left hippocampus sparing model for glioblastoma radiotherapy by utilizing knowledge‐based planning and multi‐criteria optimization
Notice bibliographique
Résumé
PURPOSE: Results of a prospective, randomized controlled trial at our institute demonstrate an association between the dose to the left hippocampus and neurocognitive decline post-radiotherapy for patients with glioblastoma. To minimize the dose to the left hippocampus, a left hippocampus sparing model was created using RapidPlan (RP) and multi-criteria optimization (MCO). MATERIALS AND METHODS: For 147 patients with newly diagnosed glioblastoma treated with volumetric modulated arc therapy (VMAT), the left and right hippocampus were delineated. Ninety-seven of 147 VMAT plans were used to configure a RP model named HCS1. The remaining 50 VMAT plans were used for the model validation. All 97 plans were replanned with the HCS1 and further optimized using MCO (HCS1+MCO). MCO was used to explore the trade-off between reducing the left hippocampus mean dose and planning objectives for the targets and other organs-at-risk (OAR) for HCS1 plans. These plans were used to create a new model called HCS2. MCO and RP model configuration were done within the Eclipse treatment planning system. RESULTS: The final HCS2 model decreased the mean dose to the left hippocampus by 26% compared to clinically treated plans without reducing target coverage for 50 validation data. The mean dose to the left hippocampus decreased from 32.65 Gy in clinically treated plans, 30.45 Gy in HCS1-generated plans, and 24.04 Gy in HCS2-generated plans. The mean volume receiving 95% of the prescription dose (V95%) of the planning target volume was 99.08% ± 1.39% in clinically treated plans, 99.03% ± 1.37% in HCS1-generated plans, and 98.80% ± 1.48% in HCS2-generated plans. Mean dose to 0.1 cc of the brainstem improved from 45.91 Gy in clinically treated plans to 39.29 Gy in HCS2-generated plans. CONCLUSIONS: The RP model and MCO helps to decrease left hippocampus mean dose while maintaining the target volume coverage and OAR sparing comparable to clinically treated plans for glioblastoma patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».