[发明专利]用于自动治疗计划的系统和方法

说明书

本公开涉及用于放射疗法的系统、方法和计算机可读存储介质。本公开的实施例可以接收多个训练数据，并且基于训练数据确定一个或多个预测模型。一个或多个预测模型可以基于在给定一个或多个选择的输入变量的条件下与选择的输出特性相关联的条件概率密度、或联合概率密度中的至少一者来确定。本公开的实施例还可以接收患者特异性测试数据。另外，本公开的实施例可以基于一个或多个预测模型和患者特异性测试数据来预测与特性输出相关联的概率密度。此外，本公开的实施例可以基于预测生成新的治疗计划，并且可以使用新的治疗计划来验证先前的治疗计划。

技术领域

本公开总体涉及放射治疗或放射疗法。更具体地，本公开涉及用于制定待在放射疗法期间所使用的放射治疗的治疗计划的用于训练和/或预测数据的系统和方法。

背景技术

放射疗法被用于治疗哺乳动物(例如人和动物)组织中的癌症和其它疾病。一种这样的放射疗法技术是伽玛刀，通过该伽马刀，患者在靶(例如，肿瘤)处被以高强度和高精度会聚的大量低强度伽马射线照射。在另一个实施例中，放射疗法被设置为使用线性加速器，由此通过高能粒子(例如，电子，质子，离子等)照射肿瘤。必须精确地控制辐射束的布置和剂量以确保肿瘤接收规定的辐射，并且射束的布置应当使得诸如最小化对周围健康组织(通常称为(一个或多个)危及器官(OAR))的损害。

传统上，对于每个患者，可以使用基于临床的和剂量测定的目标和约束条件(例如，对肿瘤和关键器官的最大，最小和平均剂量)的优化技术来创建放射治疗的治疗计划(“治疗计划”)。治疗计划程序可以包括使用患者的三维图像来识别靶区(例如，肿瘤)并且识别肿瘤附近的关键器官。治疗计划的创建可能是耗时的过程，其中计划者试图遵从各种治疗目标或约束条件(例如，剂量体积直方图(DVH)目标)，考虑它们的个体重要性(例如，加权)以便产生临床上可接受的治疗计划。该任务可能是一个耗时的试错过程，其由于各种危及器官(OARs)而变复杂，由于随着OARs的数量增加(例如，对于头颈部治疗，多达十三个)，过程的复杂性也增加。远离肿瘤的OARs可以容易地避免辐射，而接近或与靶肿瘤重叠的OARs可能难以避免辐射。可以执行分割以识别OARs和待治疗的区域，例如，计划靶体积(PTV)。在分割之后，可以为患者创建指示待由PTV(例如，靶)和/或OARs接收的期望辐射量的剂量计划。PTV可以具有不规则体积，并且就其大小、形状和位置可以是唯一的。能够在优化大量计划参数之后计算治疗计划，以确保向PTV提供最大剂量，同时向周围的健康组织提供尽可能低的剂量。因此，通过平衡剂量的有效控制而避开任何OAR来治疗肿瘤，可以确定放射治疗的治疗计划。通常，放射治疗计划的质量可以取决于计划者的经验水平。进一步的难题可能由患者之间的解剖学变化引起。

目前，大多数计划治疗程序将考虑的参数限制为与特定患者或特定治疗疗程相关联的那些参数。然而，由为相同患者先前制定的治疗计划产生的经验、或考虑潜在结果(例如，施加的剂量、成功率、存活时间等)而对具有相似大小和位置的相同类型的肿瘤的患者的相似治疗程序，在制定新计划的过程中没有得到有效利用。需要的是利用先前的治疗计划来预测可用于生成放射治疗的治疗计划的一个或多个结果的目标参数的能力，其可以提供待传递以治疗肿瘤的最佳剂量，同时使对一个或多个OARs的暴露最小化。

发明内容

本公开的一些实施例涉及一种放射疗法系统，所述放射疗法系统可以包括：存储器，其存储计算机可执行指令；以及处理器装置，其通信地联接到所述存储器。所述处理器装置可以被配置为执行所述计算机可执行指令以接收多个训练数据并且基于所述训练数据确定一个或多个预测模型。所述一个或多个所述预测模型可以基于给定一个或多个选择的输入变量的条件下与选择的输出特性相关联的条件概率密度或联合概率密度中的至少一种来确定。所述处理器装置还可以被配置为执行所述计算机可执行指令以用于接收患者特异性测试数据。另外，所述处理器装置还可以被配置为执行所述计算机可执行指令以基于一个或多个所述预测模型和所述患者特异性测试数据来预测与特性输出相关联的概率密度。此外，所述处理器装置还可以被配置为执行所述计算机可执行指令以用于基于所述预测生成新的治疗计划。