Feasibility of Therapist‐Driven <scp>MR</scp> ‐Guided Adaptive Radiotherapy for Oligometastatic Disease: Geometric Accuracy and Dosimetric Impact
Notice bibliographique
Résumé
INTRODUCTION: MRI-guided adaptive radiation therapy (ART) is the resource-intensive process of daily treatment plan modification. This study aims to demonstrate the feasibility of radiation therapist (RT)-led MRI-guided ART for oligometastatic disease (OMD) by comparing geometric accuracy and dosimetric differences between RT and radiation oncologist (RO) re-contouring. METHODS: Five RTs and five ROs retrospectively re-contoured gross target volumes (GTVs) and organs-at-risk (OARs) for eight OMD cases. RT and RO contours were compared against consensus RO Simultaneous Truth and Performance Level Estimation (RO-STAPLE) contours using the Dice similarity coefficient (DICE), mean distance to agreement (MDA), planning target volume (PTV) D95 and OAR D0.5cc using the Wilcoxon signed-rank test. Moreover, an RO qualitatively scored all contours using a 5-point Likert scale. RESULTS: We found very good geometric accuracy with average (±standard deviation) GTV DICE of 0.82 ± 0.06 for RTs and 0.85 ± 0.09 for ROs and MDA of 0.88 ± 0.03 mm for RT and 0.75 ± 0.05 mm for ROs relative to the RO-STAPLE. Qualitative GTV Likert scores were excellent, 4.8/5 for RTs and 4.7/5 for ROs. Mean percent difference in PTV D95 compared to RO-STAPLE was small but significantly higher for RTs (0.5% ± 1.5%) compared with ROs (-0.7% ± 1.9%, p < 0.05). Mean relative change in OAR D0.5cc results was small with -1% ± 6% for RTs and -1% ± 12% for ROs. CONCLUSIONS: Here we provide the first report of geometric and dosimetric contouring uncertainty for MR-guided online ART for OMD. Our results show that RT re-contouring maintains similar performance for eligible targets and OARs compared with RO contours, establishing the initial feasibility of an RT-led workflow.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».